人工神经网络模型及其在膨胀土等级判定中的应用.pdfVIP

第19卷第4期 株洲工学院学报 V01．19No．4 2005年7月 JournalofZhuzhouInstituteof Jul．2005 Technology 人工神经网络模型及其在膨胀土等级判定中的应用 闻 生 (中南大学铁道校区勘测设计研究院，湖南长沙410075) 摘要：应用神经网络的联想记忆功能，以膨胀土胀缩等级划分标准中3个类别作为训练标 胀土胀缩等级进行划分，并结合具体工程进行应用。 关键词：神经网络BP；模型；膨胀土；等级 中图分类号：TU443 文献标识码：A 文章编号：1008—261 10-03 1(2005)04—01 膨胀土具有强胀缩、崩解、多裂隙、超固结、强 综合路基工程中在膨胀土胀缩等级分类和具体实 风化等特点。在膨胀土地区的铁路，无论是路堑还是 践经验的基础上，建立膨胀土胀缩等级4项指标的标 路堤，极其普遍的现象是边坡和基床变形。随着列车 准值，见表1。 轴重的增加和行车密度与速度的提高，由于膨胀土抗 表1膨胀土胀缩等级4项指标的标准值 剪强度的衰减及基床承载力的降低，造成边坡溜塌、滑 坡，路基长期不均匀下沉，翻浆冒泥现象等更为突出， 常使铁路形成“逢堑必滑，无堤不塌”的现象，影响铁 路行车安全。如果对膨胀土路基病害整治不力，将严 重影响行车安全。因此，在膨胀土地区的工程勘察中， 准确判定膨胀土的胀缩等级，对膨胀土路基工程具有 十分重要的意义。目前，判定膨胀土的胀缩等级基本 上采用实测指标值与按条例规定的界限值进行比较的 2 膨胀土胀缩等级的人工神经网络模型 经验性方法。由于影响膨胀土胀缩的指标较多，因此， Neutral 人工神经网络模型(Artificial 用多指标综合判定法是提高评判膨胀土胀缩等级准确 统是80年代后期迅速发展起来的一门尖端科学，是神 性的有效途径。过去有文献提出，采用灰色理论法对 经网络计算机技术的理论基础。目前，研究和应用中 膨胀土胀缩等级进行评判的建议，均带有片面和过分 的神经网络模型至少有30多种，但是最基本的有两大 的经验性。如能在已有对膨胀土胀缩等级进行评判方 法的基础上，建立人工神经网络模型，据此自动识别 有非线性和动态性；另一类是以多层感知器为基础的 膨胀土胀缩等级，将具有更好的客观性和准确性。 前馈模型，其中BP网络模型为典型的前馈模型。本文 中采用BP网络模型。 1 膨胀土胀缩等级的判定指标确定 2．1 BP神经网络模型及其算法 设有待判定的n个膨胀土样品，以m项影响膨胀 土胀缩的实测指标，对每个样品的胀缩进行判定。膨 胀土的胀缩等级划分为强(I)、中(1I)、弱(Ⅲ)。 结合路基工程的特点，选择以下因素作为膨胀土胀缩 型是输入层与输出层之间加入若干隐含层组成的多层 等级的评价指标：自由膨胀率F；膨胀力Pn；50kPa压 o其中3层感知器得到的应