基于模式識別的土石壩邊坡穩(wěn)態(tài)預(yù)測

陳志強,周科平

(中南大學(xué)資源與安全工程學(xué)院, 湖南長沙 410083)

基于模式識別的土石壩邊坡穩(wěn)態(tài)預(yù)測

陳志強,周科平

(中南大學(xué)資源與安全工程學(xué)院, 湖南長沙 410083)

針對邊坡穩(wěn)定性預(yù)測中存在的影響因素隨機性、不確定性的特點,提出了利用神經(jīng)網(wǎng)絡(luò)良好的非線性處理能力和模式識別功能來預(yù)測邊坡穩(wěn)定性的方法,并構(gòu)造了相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型。預(yù)測結(jié)果表明,該模型具有很高的預(yù)測精度,能有效解決邊坡穩(wěn)定性的預(yù)測問題。

邊坡工程;模式識別;神經(jīng)網(wǎng)絡(luò);穩(wěn)態(tài)預(yù)測

模式識別研究的目的就是利用計算機對物理現(xiàn)象進行分類,在錯誤概率最小的條件下,使識別的結(jié)果盡量與客觀物體相符合。

由于水文地質(zhì)條件、巖土體物理力學(xué)性質(zhì)、巖土層組合結(jié)構(gòu)、成壩機制、干灘長度、排洪設(shè)施、壩體浸潤線、安全超高、壩體滲流性、地震烈度、地表水以及庫內(nèi)是否含水情況等因素的影響與控制,土石壩邊坡工程具有非線性、不確定性,以及對土石壩邊坡認(rèn)識上的模糊性,使得原有的邊坡穩(wěn)定性分析方法不能準(zhǔn)確有效的給出判定結(jié)果。鑒于上述原因,引入人工神經(jīng)網(wǎng)絡(luò)的方法,應(yīng)用其模式識別的功能,利用其“黑箱模型”的特點,對邊坡穩(wěn)定性的影響因子進行了分析,并且進行預(yù)測。

1 人工神經(jīng)網(wǎng)絡(luò)基本原理

1.1 網(wǎng)絡(luò)模型的選擇

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋型網(wǎng)絡(luò),由輸入層、輸出層及隱含層組成,隱含層可有一個或多個,每層由若干個神經(jīng)元組成。其神經(jīng)元的傳遞函數(shù)多是sigmoid型函數(shù),因此輸出量是0～1或者-1～1的連續(xù)量,可以實現(xiàn)從輸入到輸出的任意非線性映射。隱含層的層數(shù)和神經(jīng)元數(shù)目的確定往往需要設(shè)計者的經(jīng)驗和多次實驗來確定。對于BP神經(jīng)網(wǎng)絡(luò),有一個重要定理:對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱層(網(wǎng)絡(luò)為3層拓?fù)浣Y(jié)構(gòu))的BP網(wǎng)絡(luò)逼近,故一般隱含層的層數(shù)確定為1。至于隱含層神經(jīng)元數(shù)目則要通過多次的訓(xùn)練來確定。

1.2 學(xué)習(xí)過程

學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播用于網(wǎng)絡(luò)計算,對于某一輸入求出對應(yīng)的輸出;反向傳播用于逐層傳遞誤差,修改連接權(quán)值,以使網(wǎng)絡(luò)進行正確的計算。兩個方向的傳播過程交替進行,直到學(xué)習(xí)總誤差達(dá)到最小值為止。

BP網(wǎng)絡(luò)通過對簡單的非線性函數(shù)的復(fù)合來完成映射,因此可用于預(yù)測。

1.3 神經(jīng)網(wǎng)絡(luò)模式識別預(yù)測的原理

神經(jīng)網(wǎng)絡(luò)模式識別預(yù)測的基本原理是:通過對足夠多有代表性的樣本的學(xué)習(xí),神經(jīng)網(wǎng)絡(luò)能夠通過學(xué)習(xí)獲得足夠的信息量,建立起輸入單元與輸出單元之間的非線形關(guān)系,實現(xiàn)對已有樣本的分類,當(dāng)輸入檢驗樣本進行預(yù)測時,神經(jīng)網(wǎng)絡(luò)會根據(jù)已有的信息對其作出相應(yīng)的判斷和辨識。神經(jīng)網(wǎng)絡(luò)預(yù)測流程見圖1。

圖1 神經(jīng)網(wǎng)絡(luò)預(yù)測流程

2 土石壩邊坡穩(wěn)定性分析的神經(jīng)網(wǎng)絡(luò)設(shè)計

2.1 邊坡穩(wěn)定性的影響參數(shù)

邊坡穩(wěn)定性的影響因素很多,有外部的因素,也有邊坡本身的因素。主要的外部因素有降水、地震及人類生產(chǎn)活動、工程建設(shè)的影響;邊坡本身的因素主要指巖層或土層的物理性質(zhì)、化學(xué)性質(zhì)和工程應(yīng)用特性等。由于外部因素的作用具有隨機性、時空性,所以可以忽略。根據(jù)圓弧滑動法,僅選取邊坡本身參數(shù)作為預(yù)測的指標(biāo),它們分別是:巖石容重γ,內(nèi)聚力c,內(nèi)摩擦角φ,邊坡角β,邊坡高度H,孔隙壓力比γu。

2.2 邊坡穩(wěn)定性的學(xué)習(xí)模型

將上述6個影響邊坡穩(wěn)定性的因素作為網(wǎng)絡(luò)的輸入信息,即輸入層有6個神經(jīng)元。

Kolmogorov定理證明:一個3層的BP神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)任意n維到m維的映射,故采用3層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),即只含有一個隱含層。隱含層神經(jīng)元數(shù)量的選取沒有一個固定的方法,不過根據(jù)經(jīng)驗,在一個3層的BP神經(jīng)網(wǎng)絡(luò)中,隱含層的神經(jīng)元數(shù)目M近似可取為輸入層神經(jīng)元數(shù)目N的兩倍多一個,即滿足下面的關(guān)系式:

由此,初始設(shè)定隱含層的神經(jīng)元數(shù)目為13個,然后經(jīng)過實際訓(xùn)練來不斷調(diào)整。

網(wǎng)絡(luò)一般設(shè)定輸出為安全系數(shù)和邊坡穩(wěn)定狀態(tài),但安全系數(shù)作為判別穩(wěn)定狀態(tài)的一種手段,與土石壩邊坡實際的穩(wěn)定狀態(tài)有出入,在實際工程中有出現(xiàn)“邊坡安全系數(shù)大于1而破壞的情況”,所以采用失穩(wěn)和穩(wěn)定作為輸出向量。其中邊坡穩(wěn)定狀態(tài)是個無法直接量化的參數(shù),試采用模式識別的辦法,定義邊坡穩(wěn)定時取(1,0),邊坡失穩(wěn)時取(0,1)。

邊坡穩(wěn)定性訓(xùn)練的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

3 網(wǎng)絡(luò)訓(xùn)練與邊坡穩(wěn)定性預(yù)測

進行網(wǎng)絡(luò)訓(xùn)練時,必須保證選擇的樣本具有真實性、代表性和廣泛性,否則將影響網(wǎng)絡(luò)的預(yù)測能力和應(yīng)用范圍。同時數(shù)據(jù)樣本的數(shù)量選擇要適當(dāng),選擇太多,學(xué)習(xí)速度會太慢,選擇過少,又不能充分反映客觀情況。從收集的45個典型土石壩邊坡實例中選取40個用于建立土石壩邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)模型,其余5個樣本作為檢驗網(wǎng)絡(luò)模型的檢驗樣本。利用學(xué)習(xí)樣本,對網(wǎng)絡(luò)進行訓(xùn)練,直到精度達(dá)到1e-6為止,學(xué)習(xí)完成后即建立了預(yù)測模型,然后對剩余的5個樣本進行預(yù)測,結(jié)果如表1。

表1 土石壩邊坡實例及預(yù)測結(jié)果

考慮到影響邊坡穩(wěn)定的各控制因素間的數(shù)量級相差很大,同時同一控制因素數(shù)值之間也有較大的離散性,所以在學(xué)習(xí)之前首先對學(xué)習(xí)樣本和預(yù)測樣本采用公式(2)進行歸一化處理:

BP網(wǎng)絡(luò)經(jīng)577次迭代學(xué)習(xí)后,網(wǎng)絡(luò)誤差達(dá)到精度要求,訓(xùn)練誤差res=0.0094,并且網(wǎng)絡(luò)的絕對誤差也很小,不到1%。

通過對比分析可知,運用該網(wǎng)絡(luò)模型進行預(yù)測具有很高的精度,誤差很小,對邊坡狀態(tài)的預(yù)測準(zhǔn)確率接近100%。如圖3所示,可見其誤差精度很高,完全滿足模式識別所允許的誤差要求。

圖3 預(yù)測誤差

4 結(jié) 論

(1)神經(jīng)網(wǎng)絡(luò)具有很強的推廣預(yù)測能力,采用已訓(xùn)練的網(wǎng)絡(luò),將待測樣本的預(yù)測平方誤差和作為網(wǎng)絡(luò)學(xué)習(xí)是否合理的判據(jù)。

(2)安全系數(shù)做為一種邊坡穩(wěn)定性的判據(jù),有其不足,常常出現(xiàn)“安全系數(shù)大于1邊坡仍失穩(wěn)”的矛盾。而采用模式識別的方法,可有效避免這一問題,準(zhǔn)確有效的實現(xiàn)邊坡穩(wěn)定性狀態(tài)的預(yù)測。

(3)根據(jù)收集的45個土石壩邊坡工程的實例,選取具有代表性的巖石容重、內(nèi)聚力、內(nèi)摩擦角、邊坡角、邊坡高度、孔隙壓力比建立了土石壩邊坡穩(wěn)定性的神經(jīng)網(wǎng)絡(luò)預(yù)測模型,并對未學(xué)習(xí)的樣本進行了預(yù)測,預(yù)測結(jié)果與邊坡實際狀態(tài)完全一致,預(yù)測準(zhǔn)確率達(dá)到100%,有較強的工程應(yīng)用價值。

[1]楊淑瑩.模式識別與智能計算——Matlab技術(shù)實現(xiàn)[M].北京:電子工業(yè)出版社,2008.

[2]陳祖煜,汪小剛,等.巖質(zhì)邊坡穩(wěn)定分析——原理·方法·程序[M].北京:中國水利水電出版社,2005.

[3]陳祖煜,等.土質(zhì)邊坡穩(wěn)定分析-原理·方法·程序[M].北京:中國水利水電出版社,2003.

[4]飛思科技產(chǎn)品有限公司.神經(jīng)網(wǎng)絡(luò)理論與MATLABR2007實現(xiàn)[M].北京:電子工業(yè)出版社,2007.

[5]Sah N K, Sheorey P R, Upadhyaya L N. Maximum likelihood estimation of slope stability [ J ]. International Journal of Rock Mechanics Mining Science Geomechanics Abstract , 1994, 31 (1) :47～53.

[6]馮夏庭,王泳嘉,等.邊坡穩(wěn)定的神經(jīng)網(wǎng)絡(luò)估計[J].工程地質(zhì)學(xué)報,1995,3(4):54～61.

2009-09-09)

陳志強(1983-),男,甘肅張掖人,在讀碩士研究生,主要研究智能計算在巖土工程與災(zāi)害防治中的應(yīng)用。