水利工程論文-反向傳遞神經(jīng)網(wǎng)絡(luò)在水泥土無(wú)損檢測(cè)中的應(yīng)用.doc

水利工程論文-反向傳遞神經(jīng)網(wǎng)絡(luò)在水泥土無(wú)損檢測(cè)中的應(yīng)用摘要：通過(guò)水泥攪拌土室內(nèi)試驗(yàn)，研究了水泥攪拌土的各種物理力學(xué)特性，根據(jù)試驗(yàn)數(shù)據(jù)建立了水泥攪拌土無(wú)側(cè)限抗壓強(qiáng)度、灰土比與養(yǎng)護(hù)條件、養(yǎng)護(hù)時(shí)間、縱波波速、橫波波速的神經(jīng)網(wǎng)絡(luò)模型，然后對(duì)水泥土的強(qiáng)度和灰土比進(jìn)行計(jì)算和預(yù)測(cè)。研究結(jié)果表明，神經(jīng)網(wǎng)絡(luò)模型不僅可以綜合考慮各種因素的影響，而且具有較高的預(yù)測(cè)精度，是一種很好的無(wú)損檢測(cè)信息處理工具，在巖土工程無(wú)損檢測(cè)中具有廣闊的應(yīng)用前景。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)水泥攪拌土巖土工程無(wú)損檢測(cè)抗壓強(qiáng)度水泥土深層攪拌的施工質(zhì)量受多種因素影響，不易控制。以往所采用的鉆芯取樣等方法因存在許多困難限制了其實(shí)際應(yīng)用，無(wú)損檢測(cè)的關(guān)鍵是確定工程上可以接受的檢測(cè)標(biāo)準(zhǔn)。在巖土工程中，常常根據(jù)無(wú)須對(duì)測(cè)試工程取樣破壞就能測(cè)到的物理量(例如波速)與直接反映施工質(zhì)量的物理量(例如抗壓強(qiáng)度和灰土比)之間的關(guān)系來(lái)建立無(wú)損檢測(cè)標(biāo)準(zhǔn)1。以往，大多利用單因素回歸分析方法建立檢測(cè)標(biāo)準(zhǔn)，所得出的回歸方程千差萬(wàn)別24，工程應(yīng)用很不方便。因?yàn)橛绊懰嗤翉?qiáng)度的因素眾多，不易建立解析的數(shù)學(xué)方程來(lái)確定強(qiáng)度與各因素之間的關(guān)系，這使數(shù)理統(tǒng)計(jì)、回歸分析等常用的數(shù)學(xué)工具在處理此類問(wèn)題時(shí)顯得力不從心。人工神經(jīng)網(wǎng)絡(luò)是在模仿人腦神經(jīng)功能的基礎(chǔ)上于20世紀(jì)末新發(fā)展起來(lái)的一種信息處理工具。作者選用天津地區(qū)堤壩工程常見的黏土進(jìn)行室內(nèi)水泥攪拌土試驗(yàn)，測(cè)試其在不同養(yǎng)護(hù)條件、不同養(yǎng)護(hù)時(shí)間、不同灰土比條件下的縱波波速、橫波波速和無(wú)側(cè)限抗壓強(qiáng)度。依據(jù)試驗(yàn)結(jié)果進(jìn)一步建立養(yǎng)護(hù)條件、養(yǎng)護(hù)時(shí)間、縱波波速、橫波波速與無(wú)側(cè)限抗壓強(qiáng)度和灰土比的神經(jīng)網(wǎng)絡(luò)模型。1神經(jīng)網(wǎng)絡(luò)理論概述神經(jīng)網(wǎng)絡(luò)就是采用物理可實(shí)現(xiàn)的系統(tǒng)或利用平常的計(jì)算機(jī)編程來(lái)模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)。它是由很多處理單元有機(jī)地聯(lián)結(jié)起來(lái)，并行工作；它的處理單元十分簡(jiǎn)單，其工作則是集體地進(jìn)行。它的信息傳播、存儲(chǔ)方式與人腦神經(jīng)網(wǎng)絡(luò)相似；它沒(méi)有運(yùn)算器、處理器、存儲(chǔ)器、控制器等這些現(xiàn)代計(jì)算機(jī)的基本單元，而是相同的簡(jiǎn)單處理器的組合；它的信息是存儲(chǔ)在處理器單元之間的連接上(稱為權(quán))，因而它是與現(xiàn)代計(jì)算機(jī)完全不同的系統(tǒng)。現(xiàn)已證明，一個(gè)3層網(wǎng)絡(luò)可以任意精度逼近任意給定的連續(xù)函數(shù)，實(shí)現(xiàn)M維空間到N維空間的非線性映射，故它擅長(zhǎng)處理復(fù)雜的多維非線性問(wèn)題。它可以從已有的試驗(yàn)數(shù)據(jù)中通過(guò)一定的學(xué)習(xí)算法，在不同程度和層次上模仿人腦神經(jīng)系統(tǒng)的信息處理、存儲(chǔ)及檢索功能，能自動(dòng)獲取信息、智能處理、總結(jié)規(guī)律，即具有自組織、自學(xué)習(xí)及推理的自適應(yīng)能力；此外，它還具有一定的容錯(cuò)性和聯(lián)想記憶功能等。在人工神經(jīng)網(wǎng)絡(luò)中，所有的信息存儲(chǔ)在處理單元之間的連接上，其量化指標(biāo)用單元之間的連接權(quán)(Wi,j)來(lái)表示，而單元之間連接權(quán)的確定是通過(guò)教師樣本的訓(xùn)練來(lái)自動(dòng)完成的，其中多層前饋網(wǎng)絡(luò)的反向傳遞訓(xùn)練算法(BackPropagation)是神經(jīng)網(wǎng)絡(luò)中最常用的一類算法，由此算法構(gòu)成的網(wǎng)絡(luò)(簡(jiǎn)稱BP網(wǎng)絡(luò))是神經(jīng)網(wǎng)絡(luò)中最常用的一類網(wǎng)絡(luò)形式，也是目前研究最多、最成熟的神經(jīng)網(wǎng)絡(luò)系統(tǒng)17。2水泥攪拌土試驗(yàn)本次試驗(yàn)主要為了解養(yǎng)護(hù)條件、養(yǎng)護(hù)時(shí)間、縱波波速、橫波波速與水泥土無(wú)側(cè)限抗壓強(qiáng)度和灰土比的關(guān)系，為建立水泥土無(wú)損檢測(cè)模型提供可靠的試驗(yàn)數(shù)據(jù)。由于目前水泥土的室內(nèi)試驗(yàn)尚未形成統(tǒng)一的操作規(guī)程，故試驗(yàn)采用現(xiàn)有的土工試驗(yàn)儀器及砂漿混凝土試驗(yàn)儀器，按照土工或砂漿混凝土的試驗(yàn)規(guī)程進(jìn)行試驗(yàn)。試驗(yàn)選用天津市堤壩工程中常見的黏土，其物理性質(zhì)指標(biāo)如下：土粒比重2.70、液限39.5%、塑限19.4%、塑性指數(shù)20.1。采用435#硅酸鹽水泥作為攪拌劑，試驗(yàn)時(shí)先把土樣風(fēng)干粉碎過(guò)2mm土樣篩，然后和水泥放入攪拌機(jī)慢慢加水進(jìn)行攪拌，根據(jù)工程中常用的控制指標(biāo)，控制稠度為6cm。為了研究水泥滲入量對(duì)水泥土強(qiáng)度的影響，分別按照灰土比8%、12%、16%、20%、24%制樣；采用70.7cm3的鋼試模，制樣時(shí)先在試模內(nèi)裝入一半試料放到振動(dòng)臺(tái)上振動(dòng)一分鐘，再裝入其它的試料后振動(dòng)一分鐘，最后將試件表面刮平蓋上塑料布防止水分蒸發(fā)過(guò)快，24h后取出試樣進(jìn)行養(yǎng)護(hù)；養(yǎng)護(hù)條件分為標(biāo)準(zhǔn)養(yǎng)護(hù)(環(huán)境溫度(203)，環(huán)境濕度大于90%)和標(biāo)準(zhǔn)水中養(yǎng)護(hù)，標(biāo)準(zhǔn)水中養(yǎng)護(hù)是為了模擬水泥土在飽和土中的情況，把試樣放在標(biāo)準(zhǔn)養(yǎng)護(hù)間的水槽中進(jìn)行養(yǎng)護(hù)(養(yǎng)護(hù)用水的溫度為(202)。圖1神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)室內(nèi)水泥土的測(cè)試內(nèi)容包括水泥土養(yǎng)護(hù)3d、7d、14d、28d、60d、90d的縱波波速、橫波波速、容重、含水量以及無(wú)側(cè)限抗壓強(qiáng)度。為了減少測(cè)試誤差和擴(kuò)大測(cè)試樣本數(shù)量，每種試樣分別測(cè)3塊，其測(cè)試方法如下：(1)用超聲波法測(cè)試試樣的彈性波速，試驗(yàn)儀器為GJY-1C型工程檢測(cè)儀。(2)借助砂漿試塊壓縮試驗(yàn)方法測(cè)試試樣的無(wú)側(cè)限抗壓強(qiáng)度，試驗(yàn)儀器為WD-4000型電子萬(wàn)能材料實(shí)驗(yàn)機(jī)。3預(yù)測(cè)水泥土抗壓強(qiáng)度及灰土比的神經(jīng)網(wǎng)絡(luò)模型典型的BP網(wǎng)絡(luò)包括了一個(gè)輸入層、一個(gè)隱含層(也稱中間層)和一個(gè)輸出層，如圖1所示。各層之間實(shí)行權(quán)連接，每一層又由若干個(gè)神經(jīng)元組成。對(duì)各層結(jié)點(diǎn)輸入矢量進(jìn)行加權(quán)求和運(yùn)算后，再通過(guò)該層結(jié)點(diǎn)的傳遞函數(shù)確定其輸出。結(jié)點(diǎn)的傳遞函數(shù)可為線性函數(shù)或非線性可微函數(shù)。通常，隱含層與輸出層之間取線性函數(shù)，隱含層與輸入層之間取非線性函數(shù)。圖中X1，X2，Xp代表輸入層上p個(gè)輸入變量，Z1，Z2，Zq代表隱含層上q個(gè)單元；Y1，Y2，Yr代表輸出層上r個(gè)輸出變量。此網(wǎng)絡(luò)可實(shí)現(xiàn)p維空間到r維空間的任意非線性變換。Wi,j代表第i個(gè)輸入變量到第j個(gè)隱含層單元之間的權(quán)值，Wi,j代表第i個(gè)隱含層單元到第j個(gè)輸出層單元之間的權(quán)值，所有這些權(quán)值的最后確定是通過(guò)教師樣本的訓(xùn)練來(lái)自動(dòng)實(shí)現(xiàn)的。i代表第i個(gè)隱含層單元的閾值，i代表第i個(gè)輸出單元的閾值。f1代表隱含層單元與輸入層單元之間的傳遞函數(shù)，f2代表隱含層單元與輸出層單元之間的傳遞函數(shù)。BP網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程是由信息的正向傳遞和誤差的反向傳播兩個(gè)過(guò)程組成。正向傳遞時(shí)，輸入信息從輸入層經(jīng)隱含層處理后傳向輸出層。如果輸出層沒(méi)有得到期望的輸出，則計(jì)算輸出層的誤差變化值，然后轉(zhuǎn)向反向傳播，通過(guò)網(wǎng)絡(luò)將誤差信號(hào)沿原來(lái)的連接路徑反傳回來(lái)修改各層神經(jīng)元的權(quán)值。兩個(gè)過(guò)程反復(fù)交替，直至達(dá)到期望目標(biāo)。樣本訓(xùn)練步驟如圖2所示。圖2神經(jīng)網(wǎng)絡(luò)計(jì)算流程(1)f2(x)=x(2)為了反映與水泥攪拌土抗壓強(qiáng)度及灰土比有關(guān)的主要因素，在輸入層設(shè)置4個(gè)單元變量：X1代表養(yǎng)護(hù)條件X1取1時(shí)，代表標(biāo)準(zhǔn)養(yǎng)護(hù)條件；X1取2時(shí)，代表標(biāo)準(zhǔn)水中養(yǎng)護(hù)條件，X2代表養(yǎng)護(hù)時(shí)間，X3代表縱波波速，X4代表橫波波速。在輸出層設(shè)置兩個(gè)變量：Y1代表灰土比，Y2代表抗壓強(qiáng)度。隱含層的單元數(shù)量則需要經(jīng)過(guò)多種對(duì)比分析最后確定。表1水泥土抗壓強(qiáng)度與灰土比檢驗(yàn)樣本數(shù)據(jù)及計(jì)算結(jié)果序號(hào)X1X2X3X4Y01Y1灰土比相對(duì)誤差(%)Y02Y2抗壓強(qiáng)度相對(duì)誤差(%)1234567891011121314151617181920111112222222222222223714286037142860371428603714286011781295117011781352127613271392141614641328143915021558166413371451155816181716236282333.7407464263333400424523383.4457497566717454526594619820888881212121212161616161620202020207.998.18.017.667.9911.9712.0811.8612.0411.9916.216.0316.0816.0116.0120.0719.0320.119.9720.30.10.10.14.30.10.20.71.20.30.10.10.20.50.10.10.44.90.50.20.10.2010.2080.3360.3980.4890.2030.1890.5420.55270.7940.4310.620.7721.1111.34930.4720.7210.87071.20331.6470.20240.20530.33490.39340.49010.20880.18580.54380.5550.7930.41490.62980.78281.08571.34850.49750.69490.87851.22391.64580.71.30.31.20.22.91.70.30.40.13.71.61.42.30.15.43.60.91.70.1在BP網(wǎng)絡(luò)中，通常f1(x)取非線性函數(shù)，f2(x)取線性函數(shù)即可滿足要求。在本文所建立的BP網(wǎng)絡(luò)中，由于影響水泥攪拌土無(wú)側(cè)限抗壓強(qiáng)度的因素眾多，并且各因素與水泥攪拌土無(wú)側(cè)限抗壓強(qiáng)度的關(guān)系復(fù)雜，故定義f1(x)和f2(x)如式(1)、式(2)所示。式(1)所示為一非線性連續(xù)可微函數(shù)，它的一階導(dǎo)數(shù)存在，這種函數(shù)所劃分的區(qū)域是一非線性的超平面所組成的區(qū)域，它是比較柔和、光滑的任意界面，因而它的分類比較精確合理，這種網(wǎng)絡(luò)的容錯(cuò)性比較好；另外一個(gè)重要的特點(diǎn)是由于f1(x)是連續(xù)可微的，它可以嚴(yán)格利用梯度算法進(jìn)行推算，它的權(quán)的學(xué)習(xí)解析式十分明確。式(2)所給出的函數(shù)為最簡(jiǎn)單的線性函數(shù)，它既可滿足BP網(wǎng)絡(luò)的要求，又可使計(jì)算簡(jiǎn)化。為了訓(xùn)練所建立的BP模型，通過(guò)對(duì)試驗(yàn)結(jié)果的分析，選取160組試驗(yàn)數(shù)據(jù)為有效數(shù)據(jù)。在160組有效數(shù)據(jù)中選取140組作為教師樣本進(jìn)行訓(xùn)練，其余20組作為預(yù)測(cè)樣本進(jìn)行測(cè)試。在對(duì)教師樣本進(jìn)行訓(xùn)練時(shí)，經(jīng)過(guò)多種單元對(duì)比分析發(fā)現(xiàn)隱含層單元數(shù)取18時(shí)模型的收斂速度和計(jì)算速度都較快，故隱含層的單元數(shù)設(shè)置成18。4預(yù)測(cè)及結(jié)果分析把20組測(cè)試樣本代入訓(xùn)練好的BP網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，結(jié)果見表1。其中Y01代表實(shí)測(cè)灰土比(%)，Y1代表BP模型預(yù)測(cè)出的灰土比(%)，Y02代表實(shí)測(cè)抗壓強(qiáng)度(MPa)，Y2代表BP模型預(yù)測(cè)出的抗壓強(qiáng)度(MPa)。這些結(jié)果表明，利用本文所建立的BP模型對(duì)測(cè)試樣本預(yù)測(cè)的灰土比與抗壓強(qiáng)度最大相對(duì)誤差分別為4.9%與5.4%。這說(shuō)明利用BP網(wǎng)絡(luò)方法預(yù)測(cè)水泥土抗壓強(qiáng)度和灰土比是比較成功的，基本能夠滿足實(shí)際工程中的誤差要求。5結(jié)語(yǔ)作者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于水泥土抗壓強(qiáng)度和灰土比的預(yù)測(cè)中，建立了水泥土強(qiáng)度、灰土比隨時(shí)間、養(yǎng)護(hù)條件、縱波波速與橫波波速變化的人工神經(jīng)網(wǎng)絡(luò)模型。較好地預(yù)測(cè)了水泥土抗壓強(qiáng)度和灰土比隨各種因素變化的規(guī)律，為借助無(wú)損檢測(cè)指標(biāo)估計(jì)水泥攪拌土的水泥含量及強(qiáng)度特性提供了一條新途徑。需要指出的是，本文是根據(jù)較少的樣本訓(xùn)練出的，但所建立的神經(jīng)網(wǎng)絡(luò)模型是動(dòng)態(tài)的，隨著實(shí)測(cè)數(shù)據(jù)的不斷積累，可以不斷加強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)能力，即它可以在新取得的樣本基礎(chǔ)上進(jìn)行自學(xué)習(xí)，形成更完善、更完整的評(píng)估預(yù)測(cè)系統(tǒng)，使網(wǎng)絡(luò)的輸出值更加接近實(shí)測(cè)值，從而進(jìn)一步提高預(yù)測(cè)的精度和模型的應(yīng)用范圍。另一方面，在建立神經(jīng)網(wǎng)絡(luò)時(shí)，隱含層單元數(shù)量的選擇是一個(gè)關(guān)鍵因素，理論上單元數(shù)量越多收斂速度越快，但實(shí)際應(yīng)用過(guò)程中往往并非如此，必須經(jīng)過(guò)多種運(yùn)算比較來(lái)找到相對(duì)最優(yōu)數(shù)量，以確定最后模型。最優(yōu)隱含層單元數(shù)量與輸入矢量個(gè)數(shù)，輸出矢量個(gè)數(shù)，進(jìn)行訓(xùn)練的教師樣本