[发明专利]一种基于BP神经网络的铁路软土路基沉降预测方法

说明书

本发明公开了一种基于BP神经网络的铁路软土路基沉降预测方法，包括如下步骤：将路基的处理方式、填土的工程特性、路基施工工期作为神经网络的输入变量，将输入变量所对应的沉降观测断面的实测数据作为输出矢量，得到训练样本集；通过试算法确定隐含层中神经元节点数；将训练样本集的所有数据进行归一化处理后，以trainlm函数作为训练函数进行样本数据的训练，构建BP神经网络；收集某铁路路基沉降观测段的路基的处理方式、填土的工程特性、路基施工工期数据，进行归一化处理，输入所得的BP神经网络，即得铁路软土路基沉降预测结果。本发明引入优化的方法解决BP神经网络在预测路基沉降时遇到的问题，引进优化后预测精度明显提高。

技术领域

本发明涉及建筑施工领域，具体涉及一种基于BP神经网络的铁路软土路基沉降预测方法。

背景技术

神经网络技术雏形研究始于20世纪40年代，但是直到上个世纪80年代末期才应用于土木工程学科。我国最早是北京交通大学张清教授在1992年时将其应用于岩石力学行为的预测研究上。由近年来，神经网络技术在土木工程学科、岩土工程学科中得到了越来越广泛的应用，有效的解决了土木工程，尤其是岩土工程学科中很多不确定的问题。例如：神经网络技术在岩土工程物理力学参数指标的反演和预测、单桩极限承载力的预测、路基及桩基的沉降预测、深基坑支护参数的反演、土动力学参数的计算、边坡的变形监测等方面都有着广泛的使用。

BP神经网络长期的广泛使用，得益于它具有以下几个优点：首先BP神经网络具有较强的非线性处理能力，因此它可以较好地解决非线性类聚的问题。实践证明，对于任意一个三层或三层以上的BP神经网络，只要该网络隐层的神经元个数足够多，就能实现对任意一个非线性函数的无限逼近。其次，由于BP神经网络采用了分布并行的信息处理技术，因此对输入信息具有较强的联想和记忆的能力。再次，BP网络还具有优化计算能力。它可以在给定的约束条件下，寻找一组合适的参数组合，使确定的目标函数误差达到最小。

虽然BP神经网络虽然有很多优点，在工程实际中得到了广泛的应用，但是长时间的使用过程中发现BP神经网络也存在一些缺点，主要有以下几个方面。

(1)采用BP网络在训练时，梯度下降法收敛速度很慢。采用动量法提高了学习率，收敛速度略有提高，但在实际处理复杂非线性问题时速度仍然不够，这两种方法通常只能用于递增训练。

(2)多层神经网络应用于线性系统理论上可以实现对于任意函数的模拟逼近。但实际使用过程中并不一定总能有解。

(3)多层BP神经网络有时无法得到最优解，主要是因为多层BP神经网络中非线性传递函数可能有有多个局部最优解。而寻求最优点与初始点的选择有很大关系，初始点如果更靠近的是局部最优点而不是全局最优点的时候，就会很难得到全局的最优解。

(4)BP神经网络的结构的选择尚不明确，一般只能依靠经验选定。而网络的结构好坏直接影响到网络性能的优劣。神经网络隐层神经元的数目的确定也是一个难点。神经元数目如果太少可能会造成网络的不适性，而太多又可能引起网络的过适性。

发明内容

为解决上述问题，本发明提供了一种基于BP神经网络的铁路软土路基沉降预测方法。

为实现上述目的，本发明采取的技术方案为：

一种基于BP神经网络的铁路软土路基沉降预测方法，包括如下步骤：

S1、将路基的处理方式、填土的工程特性、路基施工工期作为神经网络的输入变量，将所述输入变量所对应的沉降观测断面的实测数据作为输出矢量，得到训练样本集；

S2、通过试算法确定隐含层中神经元节点数；

S3、将训练样本集的所有数据进行归一化处理，使全部数据转换到0～1之间后，以trainlm函数作为训练函数进行样本数据的训练，构建BP神经网络；