[发明专利]一种基于粒子群优化BP神经网络的基坑位移预测方法

说明书

本发明涉及一种基于粒子群优化BP神经网络的基坑位移预测方法，包括以下步骤：1）选取基坑工程坡顶第一位移监测点及其相邻多个监测点，获取该些监测点过去第一时间段内的变形监测数据，作为样本数据；2）对样本数据进行包括数据归一化的预处理，得到训练数据集；3）构建BP神经网络；4）采用粒子群算法对BP神经网络的权值和阈值进行优化，输出最优的权值和阈值；5）将得到的最优权值和阈值赋值给BP神经网络，然后采用训练数据集进行网络训练，得到训练好的BP神经网络；6）采用训练好的BP神经网络预测第二时间段内第一位移监测点的位移形变。该方法有利于提高基坑位移预测的精确度和稳定性。

技术领域

本发明属于基坑位移预测领域，具体涉及一种基于粒子群优化BP神经网络的基坑位移预测方法。

背景技术

随着我国现代化城市基础建筑设施行业的高速发展，建筑市场不断扩大，各写字楼、商场、学校的建设使得基坑工程数量也不断增长，由基坑工程引发的安全问题也得到人们的重视。监测基坑问题成为当前研究的热点之一，随着近些年来基坑施工过程中信息化程度和监控手段的不断提高，BP神经网络有良好的自适应和实时学习能力，在解决一些工程应用的非线性问题上具有广泛的应用，它也成为监测基坑形变的重要人工智能技术之一。基坑在开挖过程中会带来基坑自身坡体、周边建筑物和地下水位沉降的问题，为保证基坑安全及施工进度，避免造成人身安全事故和财产损失，一般需要对基坑工程进行相应的水平和沉降位移形变预测。

刘永辉、黄立、刘炳凯、袁畅在《BP神经网络在深基坑监测预报中的应用与精度分析》中提出了基于BP神经网络的预报方法用于深基坑变形的预测是可行、有效的，但BP神经网络的初始权重随机性较大，因此常会出现在训练过程中无法高速收敛和结果进度低的现象。

发明内容

本发明的目的在于提供一种基于粒子群优化BP神经网络的基坑位移预测方法，该方法有利于提高基坑位移预测的精确度和稳定性。

为实现上述目的，本发明采用的技术方案是：一种基于粒子群优化BP神经网络的基坑位移预测方法，包括以下步骤：

1）选取基坑工程坡顶第一位移监测点及其相邻多个监测点，获取该些监测点过去第一时间段内的变形监测数据，作为样本数据；

2）对样本数据进行包括数据归一化的预处理，得到训练数据集；

3）构建BP神经网络；

4）采用粒子群算法对BP神经网络的权值和阈值进行优化，输出最优的权值和阈值；

5）将得到的最优权值和阈值赋值给BP神经网络，然后采用训练数据集进行网络训练，得到训练好的BP神经网络；

6）采用训练好的BP神经网络预测第二时间段内第一位移监测点的位移形变。

进一步地，所述步骤2中，采用下式将样本数据归一化到[0.1, 0 .9]上：

式中，X'为样本归一化后的值，X_max为样本数据中的最大值，X_min样本数据中的最小值。

进一步地，所述步骤3中，采用MATLAB软件中的newff函数建立所述BP神经网络，在网络训练过程中，首先确定输入层、隐含层和输出层的具体结构参数，然后输入需要训练的数据集，并给出期望输出值；学习函数为BLF，训练函数为BTF。

进一步地，所述步骤4具体包括以下步骤：

401）初始化粒子群参数，包括粒子的速度、位移向量、迭代次数、学习因子和惯性权重，并初始化种群；

402）计算粒子的适应度值，确定个体极值和全局最优极值；

403）对粒子的速度位移进行更新计算，得到粒子适应度更新值；