基于BP神经网络的镇江地区土层剪切波速预测

徐为海

(镇江市勘察测绘研究院有限公司,江苏 镇江 212000)

在建筑抗震设计中,场地类别直接影响工程的造价,故准确判定场地类别显得十分重要。根据相关规范,勘察时需获得各土层的剪切波速以计算场地的等效剪切波速,再结合覆盖层厚度,对工程场地的类别进行划分。因此,确定土层剪切波速是勘察中一项重要的工作。

目前获得地层的剪切波速主要有实测波速法,查表估值法以及经验公式计算法等。其中实测波速法适用各类情况,测试结果较为准确客观,但测试过程耗时耗力;查表估值法和经验公式计算法未考虑区域地层特性影响,或受计算参数限制,估算结果缺乏客观性。在上述方法外,探索出一种可靠、准确,易于操作的获得土层剪切波速的方法,对勘察技术人员更加客观地判别场地类别有重要意义。

近年来,人工神经网络广泛应用于各类工程建设中[1-2],其中BP神经网络在岩土工程中运用广泛,徐鹏逍[3]根据BP神经网络理论,建立了包含地层预测模块和岩土参数预测模块的钻孔间岩土参数预测专家系统;欧阳磊等[4]建立了以常规物理参数为输入变量,以压缩系数为输出向量的BP神经网络预测模型,并用遗传算法优化了该模型,提高了预测性能。

本文针对镇江地区典型土层,尝试采用BP神经网络预测其剪切波速,预测值与实测值偏离度较低,且较其他估算方法获得的值具有客观可靠、使用方便的优势。

1 获得剪切波速的方法

1.1 实测波速

实测波速根据震源位置不同一般有地面敲击法和孔中自激自收法,目前勘察单位在生产中,一般采用测试过程较为方便的孔中自激自收的悬挂式波速测井法完成测试,波速测井仪示意图见图1。该方法是利用钻孔中井液作为耦合剂,用电磁震源垂直于井壁作用一瞬时冲击力,在井壁地层中产生两种类型质点振动,一种是质点振动方向垂直于井壁,沿着井壁方向传播,即为剪切波(S波),另一种是质点振动方向与传播方向相同,即为压缩波(P波)。

该方法较地面敲击法简便易行,但由于该测试方法需要以水、泥浆等液体为耦合剂,在实际使用过程中较为不便。如镇江地区下蜀土层分布较广,该类土层钻进时无需泥浆护壁,且钻进过程中孔中基本干燥,波速测试时需在钻孔中灌满水方可试验;镇江地区部分场地底部分布易漏水的碎石层,该类场地内的钻孔存水(浆)困难,实测波速较难开展。

此外,实测波速尚受其他条件限制。根据陈卓识[5]的研究,场地噪声和数据处理方法是导致剪切波速测试不确定性的重要因素;由于勘察施工过程中较多情况需使用套管以保证孔壁稳定,常常在有孔内钢套管的情况下进行测试,钟梁等[6]的研究虽然对波速测试孔中套管的选材、套管长度给出了建议,但不易应用于实际工程施工中。

综上所述,实测波速值受场地环境、地层等各类因素影响较大,因此,对场地实测的波速值进行验证后使用也显得很有必要。

1.2 查表估算

查表估算法系根据勘察相关规范给出的地层剪切波速的估值范围,依据岩土名称和性状,确定土的类型,再利用当地经验,在剪切波速范围内估算各土层的剪切波速[7](见表1)。

表1 场地土的类型划分和剪切波速范围表

该方法估值范围较宽,一般按地层估值,取值较粗,对于临界类型的土层不能给出依据充分的数值。该方法受主观影响较大,多适用于初步预估。若需较为准确估算,要求fak需要由载荷试验等方法获得,实际操作较为困难。

1.3 经验公式计算

经验公式一般通过建立剪切波速与标准贯入锤击数[8]或深度[9]等参数的回归方程,该类关系式具有较强的地区适用性;南京、上海等地区的“地基基础设计规范”也给出了标准贯入试验锤击数和剪切波速的回归关系式,如镇江地区常用的《南京地区地基基础设计规范》对于粉质黏土中的剪切波速,推荐关系式见式(1):

vs=105N0.30

(1)

其中,vs为剪切波速,m/s;N为标准贯入试验锤击数实测值。

工程地质手册提供了一种剪切波速与深度的关系模型[10],见式(2):

vs=aHb

(2)

其中,H为深度,m;a,b均为系数,根据149个钻孔分层剪切波速平均值a=124.5,b=0.267。

上述波速估算经验公式,由于各地土层的巨大差异性,很难反映当地实际情况。

2 BP神经网络预测剪切波速模型

2.1 BP神经网络

BP神经网络的原理和训练过程如下(以只含一层隐含层的三层网络为例):

1)网络的初始化。确定网络的输入层向量X=(x1,x2,…,xn)和输出层向量O=(o1,o2,…,on),根据输入和输出变量的个数估算隐含层的层数和神经元个数,对各层神经元的连接权值进行初始化,对隐含层的阈值和输出层的阈值进行初始化,还需要确定神经元的激活函数,训练目标最小误差等参数。

2)隐含层输出计算。根据输入层向量X,输入层和隐含层的连接权值wij,隐含层的阈值a,计算隐含层的输出H,见式(3):

(3)

其中,m为隐含层节点个数;f()为输入到输出传递函数(也称激活函数),本文采用的传递函数为tansig对称S形函数,见式(4):

(4)

3)输出层输出计算,根据隐含层输出H,隐含层和输出层的连接权值vij,隐含层的阈值b,计算隐含层的实际输出D,见式(5):

(5)

4)计算误差。根据网络实际计算输出D与期望输出O计算误差E,见式(6):

(6)

5)更新权值。根据网络的整体误差E,重新调整各层连接权值,见式(7)—式(11):

wij=wij+Δwij

(7)

vjk=vjk+Δvjk

(8)

(9)

(10)

(11)

其中,μ为学习速率。

6)计算结束。以总误差是否达到精度等要求来判断迭代算法是否终止,否则返回第2步。

2.2 BP神经网络模型预测剪切波速的应用

2.2.1 数据选取

土层剪切波速值和其他物理力学参数同为反映土层软硬特性的重要指标,大量研究表明,土层的物理力学性质和埋深与剪切波速有很强的关联性[11-12],各参数与剪切波速呈非线性映射特性,而BP神经网络具有处理类似非线性关系的巨大优势。

土层的物理力学参数中,含水率、密度、比重、界限含水率以及压缩系数为土工试验分别测得的参数,各参数间基本不具备相关性,或者相互影响较小,符合构建BP神经网络模型的基本条件。

本文数据来自于镇江地区的勘察资料,以该地区典型细粒土层为研究对象,共搜集700余组数据。每组数据由土层某深度处的相关参数组成,包括该深度处的剪切波速值,该深度处土样的土工试验实测值,共计8个变量组成。以其中6个土工试验实测值和深度为输入变量,以剪切波速值为输出变量构建BP神经网络模型。BP神经网络预测模型的拓扑结构如图2所示,每组数据组成及其数值范围见表2。

表2 场地土的类型划分和剪切波速范围表

2.2.2 参数设置

通过大量的数据分析,并考虑网络模型的实用性,本模型采用1个隐含层即可满足精度要求。隐含层神经元个数对BP神经网络的性能影响较大,一般隐含层神经元个数范围按经验式(12)确定:

(12)

其中,k为隐含层神经元个数;m为输入层神经元个数;n为输出层神经元个数;q为0～10之间的常数。

根据式(12),本模型隐含层的神经元个数在3个～13个为宜。

本文采用决定系数评价模型的性能,其计算公式见式(13):

(13)

决定系数的范围在[0,1],该值越接近1,表明模型的预测性能越好,反之越差。

为了降低初始权值和阈值对预测结果的影响,在神经网络训练时选取运行10次所得决定系数的平均值作为模型的评价指标。由图3可见,当隐含层神经元个数为8时,决定系数的平均值最大,为0.941 2。表3列出了不同神经元个数时,模型运行10次所反映出决定系数的情况。

表3 神经元个数与决定系数详情

经过大量训练,确定本预测模型采用含有8个神经元的单隐含层BP神经网络。

2.3 BP神经网络模型预测结果与其他方法的结果对比

为检验本文的预测模型,选取镇江地区某工程实测波速孔,该实测孔揭露了镇江地区典型黏性土地层,其相关地层指标参数见表4。

表4 地层指标参数表

以表4的地层数据为验证样本,分别采用本文的BP神经网络预测法、经验公式法进行剪切波速值的预测和估算,再以所得的结果与实测值进行对比,结果见表5。其中,经验公式法分别用镇江地区常用规范经验公式(1)和手册经验公式(2)计算。预测结果对比图见图4。

表5 预测值与实测值对比表

从图4可见,BP神经网络模型的预测值与实测值的相似度最高,其与实测值的误差在0.9%～17.7%,平均误差为6.59%,最大误差小于20%,因此本文构建的BP神经网络预测模型能较为准确的预测剪切波速。

3 结语

本文基于BP神经网络,构建以某深度土层的土工试验参数为输入变量,以剪切波速为输出变量的预测模型,对预测模型用700余组数据进行训练,最终确定模型为单隐含层,且隐含层含有8个神经元时预测效果最佳。最后用实际工程数据进行检验,验证结果预测值与实测值平均误差为6.59%,最大误差小于20%,且采用BP神经网络模型预测的结果明显好于其他估算手段,证明该BP神经网络模型具有较高的精度和可靠性,能够用于勘察场地地层剪切波速的预测。