反向傳遞神經(jīng)網(wǎng)絡(luò)在水泥土無損檢測中的應(yīng)用

1、反向傳遞神經(jīng)網(wǎng)絡(luò)在水泥土無損檢測中的應(yīng)用摘要：通過水泥攪拌土室內(nèi)試驗，研究了水泥攪拌土的各種物理力學(xué)特性，根據(jù)試驗數(shù)據(jù)建立了水泥攪拌土無側(cè)限抗壓強(qiáng)度、灰土比與養(yǎng)護(hù)條件、養(yǎng)護(hù)時間、縱波波速、橫波波速的神經(jīng)網(wǎng)絡(luò)模型，然后對水泥土的強(qiáng)度和灰土比進(jìn)展計算和預(yù)測。研究結(jié)果說明，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)測精度，是一種很好的無損檢測信息處理工具，在巖土工程無損檢測中具有廣闊的應(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損檢測抗壓強(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際應(yīng)用，無損檢測的關(guān)鍵是確定工程上可以承

2、受的檢測標(biāo)準(zhǔn)。在巖土工程中，常常根據(jù)無須對測試工程取樣破壞就能測到的物理量(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)系來建立無損檢測標(biāo)準(zhǔn)1。以往，大多利用單因素回歸分析方法建立檢測標(biāo)準(zhǔn)，所得出的回歸方程千差萬別24，工程應(yīng)用很不方便。因為影響水泥土強(qiáng)度的因素眾多，不易建立解析的數(shù)學(xué)方程來確定強(qiáng)度與各因素之間的關(guān)系，這使數(shù)理統(tǒng)計、回歸分析等常用的數(shù)學(xué)工具在處理此類問題時顯得力不從心。人工神經(jīng)網(wǎng)絡(luò)是在模擬人腦神經(jīng)功能的根底上于20世紀(jì)末新開展起來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)展室內(nèi)水泥攪拌土試驗，測試其在不同養(yǎng)護(hù)條件、不同養(yǎng)護(hù)時間、不同灰土比條

3、件下的縱波波速、橫波波速和無側(cè)限抗壓強(qiáng)度。根據(jù)試驗結(jié)果進(jìn)一步建立養(yǎng)護(hù)條件、養(yǎng)護(hù)時間、縱波波速、橫波波速與無側(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)就是采用物理可實現(xiàn)的系統(tǒng)或利用平常的計算機(jī)編程來模擬人腦神經(jīng)細(xì)胞的構(gòu)造和功能的系統(tǒng)。它是由很多處理單元有機(jī)地聯(lián)結(jié)起來，并行工作；它的處理單元非常簡單，其工作那么是集體地進(jìn)展。它的信息傳播、存儲方式與人腦神經(jīng)網(wǎng)絡(luò)相似；它沒有運算器、處理器、存儲器、控制器等這些現(xiàn)代計算機(jī)的根本單元，而是一樣的簡單處理器的組合；它的信息是存儲在處理器單元之間的連接上(稱為權(quán))，因此它是與現(xiàn)代計算機(jī)完全不同的系統(tǒng)?，F(xiàn)已證明，一個3層網(wǎng)絡(luò)可以任意精度逼近

4、任意給定的連續(xù)函數(shù)，實現(xiàn)維空間到N維空間的非線性映射，故它擅長處理復(fù)雜的多維非線性問題。它可以從已有的試驗數(shù)據(jù)中通過一定的學(xué)習(xí)算法，在不同程度和層次上模擬人腦神經(jīng)系統(tǒng)的信息處理、存儲及檢索功能，能自動獲取信息、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)才能；此外，它還具有一定的容錯性和聯(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)(i,j)來表示，而單元之間連接權(quán)確實定是通過老師樣本的訓(xùn)練來自動完成的，其中多層前饋網(wǎng)絡(luò)的反向傳遞訓(xùn)練算法(BakPrpagatin)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)(簡稱BP網(wǎng)絡(luò))是

5、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水泥攪拌土試驗本次試驗主要為理解養(yǎng)護(hù)條件、養(yǎng)護(hù)時間、縱波波速、橫波波速與水泥土無側(cè)限抗壓強(qiáng)度和灰土比的關(guān)系，為建立水泥土無損檢測模型提供可靠的試驗數(shù)據(jù)。由于目前水泥土的室內(nèi)試驗尚未形成統(tǒng)一的操作規(guī)程，故試驗采用現(xiàn)有的土工試驗儀器及砂漿混凝土試驗儀器，按照土工或砂漿混凝土的試驗規(guī)程進(jìn)展試驗。試驗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，試驗時先把土樣風(fēng)干粉碎過2土樣篩，然后和水泥放入攪拌機(jī)漸漸加水進(jìn)展攪拌，根

6、據(jù)工程中常用的控制指標(biāo)，控制稠度為6。為了研究水泥滲入量對水泥土強(qiáng)度的影響，分別按照灰土比8%、12%、16%、20%、24%制樣；采用70.73的鋼試模，制樣時先在試模內(nèi)裝入一半試料放到振動臺上振動一分鐘，再裝入其它的試料后振動一分鐘，最后將試件外表刮平蓋上塑料布防止水分蒸發(fā)過快，24h后取出試樣進(jìn)展養(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)展養(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)錁?gòu)造室內(nèi)水泥土的測試內(nèi)容包括水泥土養(yǎng)護(hù)3d、7d、14d、28d、60d、90d的縱

7、波波速、橫波波速、容重、含水量以及無側(cè)限抗壓強(qiáng)度。為了減少測試誤差和擴(kuò)大測試樣本數(shù)量，每種試樣分別測3塊，其測試方法如下：(1)用超聲波法測試試樣的彈性波速，試驗儀器為GJY-1型工程檢測儀。(2)借助砂漿試塊壓縮試驗方法測試試樣的無側(cè)限抗壓強(qiáng)度，試驗儀器為D-4000型電子萬能材料實驗機(jī)。轉(zhuǎn)貼于論文聯(lián)盟.ll.3預(yù)測水泥土抗壓強(qiáng)度及灰土比的神經(jīng)網(wǎng)絡(luò)模型典型的BP網(wǎng)絡(luò)包括了一個輸入層、一個隱含層(也稱中間層)和一個輸出層，如圖1所示。各層之間實行權(quán)連接，每一層又由假設(shè)干個神經(jīng)元組成。對各層結(jié)點輸入矢量進(jìn)展加權(quán)求和運算后，再通過該層結(jié)點的傳遞函數(shù)確定其輸出。結(jié)點的傳遞函數(shù)可為線性函數(shù)或非線性可微

8、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個輸入變量，Z1，Z2，Zq代表隱含層上q個單元；Y1，Y2，Yr代表輸出層上r個輸出變量。此網(wǎng)絡(luò)可實現(xiàn)p維空間到r維空間的任意非線性變換。i,j代表第i個輸入變量到第j個隱含層單元之間的權(quán)值，i,j代表第i個隱含層單元到第j個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老師樣本的訓(xùn)練來自動實現(xiàn)的。i代表第i個隱含層單元的閾值，i代表第i個輸出單元的閾值。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)過程是由信息的正向傳遞

9、和誤差的反向傳播兩個過程組成。正向傳遞時，輸入信息從輸入層經(jīng)隱含層處理后傳向輸出層。假如輸出層沒有得到期望的輸出，那么計算輸出層的誤差變化值，然后轉(zhuǎn)向反向傳播，通過網(wǎng)絡(luò)將誤差信號沿原來的連接途徑反傳回來修改各層神經(jīng)元的權(quán)值。兩個過程反復(fù)交替，直至到達(dá)期望目的。樣本訓(xùn)練步驟如圖2所示。圖2神經(jīng)網(wǎng)絡(luò)計算流程(1)(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個單元變量：X1代表養(yǎng)護(hù)條件X1取1時，代表標(biāo)準(zhǔn)養(yǎng)護(hù)條件；X1取2時，代表標(biāo)準(zhǔn)水中養(yǎng)護(hù)條件，X2代表養(yǎng)護(hù)時間，X3代表縱波波速，X4代表橫波波速。在輸出層設(shè)置兩個變量：Y1代表灰土比，Y2代表抗壓強(qiáng)度。隱含層的單元數(shù)量

10、那么需要經(jīng)過多種比照分析最后確定。表1水泥土抗壓強(qiáng)度與灰土比檢驗樣本數(shù)據(jù)及計算結(jié)果序號X1X2X3X4Y01Y1灰土比相對誤差(%)Y02Y2抗壓強(qiáng)度相對誤差(%)1234567891011121314151617181920111112222222222222223714286037142860371428603714286011781295117011781352127613271392141614641328143915021558166413371451155816181716236282333.7407464263333400424523383.4457497566717454526

11、594619820888881212121212161616161620222022207.998.18.017.667.9911.9712.0811.8612.0411.9916.216.0316.0816.0116.0120.0719.0320.119.9720.30.10.10.14.30.10.20.71.20.30.10.10.20.50.10.10.44.90.50.20.10.2022.2080.3360.3980.4890.2030.1890.5420.55270.7940.4310.620.7721.1111.34930.4720.7210.87071.20331.6470.

12、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。

13、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，它是比擬柔和、光滑的任意界面，因此它的分類比擬準(zhǔn)確合理，這種網(wǎng)絡(luò)的容錯性比擬好；另外一個重要的特點是由于f1(x)是連續(xù)可微的，它可以嚴(yán)格利用梯度算法進(jìn)展推算，它的權(quán)的學(xué)習(xí)解析式十清楚確。式(2)所給出的函數(shù)為最簡單的線性函數(shù)，它既可滿足BP網(wǎng)絡(luò)的要求，又可使計算簡化。為了訓(xùn)練所建立的BP模型，通過對試驗結(jié)果的分析，選取160組試驗數(shù)據(jù)為有效數(shù)據(jù)。在160組有效數(shù)據(jù)中選取140組作為老師樣本進(jìn)展訓(xùn)練，其余20組作為預(yù)測樣本進(jìn)展測試。在對老師樣本進(jìn)展訓(xùn)練時，經(jīng)過多種單元比照分析發(fā)現(xiàn)隱含層單元

14、數(shù)取18時模型的收斂速度和計算速度都較快，故隱含層的單元數(shù)設(shè)置成18。4預(yù)測及結(jié)果分析把20組測試樣本代入訓(xùn)練好的BP網(wǎng)絡(luò)進(jìn)展預(yù)測，結(jié)果見表1。其中Y01代表實測灰土比(%)，Y1代表BP模型預(yù)測出的灰土比(%)，Y02代表實測抗壓強(qiáng)度(Pa)，Y2代表BP模型預(yù)測出的抗壓強(qiáng)度(Pa)。這些結(jié)果說明，利用本文所建立的BP模型對測試樣本預(yù)測的灰土比與抗壓強(qiáng)度最大相對誤差分別為4.9%與5.4%。這說明利用BP網(wǎng)絡(luò)方法預(yù)測水泥土抗壓強(qiáng)度和灰土比是比擬成功的，根本可以滿足實際工程中的誤差要求。5結(jié)語作者將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于水泥土抗壓強(qiáng)度和灰土比的預(yù)測中，建立了水泥土強(qiáng)度、灰土比隨時間、養(yǎng)護(hù)條件、縱波

15、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，為借助無損檢測指標(biāo)估計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)模型是動態(tài)的，隨著實測數(shù)據(jù)的不斷積累，可以不斷加強(qiáng)網(wǎng)絡(luò)的學(xué)習(xí)才能，即它可以在新獲得的樣本根底上進(jìn)展自學(xué)習(xí)，形成更完善、更完好的評估預(yù)測系統(tǒng)，使網(wǎng)絡(luò)的輸出值更加接近實測值，從而進(jìn)一步進(jìn)步預(yù)測的精度和模型的應(yīng)用范圍。另一方面，在建立神經(jīng)網(wǎng)絡(luò)時，隱含層單元數(shù)量的選擇是一個關(guān)鍵因素，理論上單元數(shù)量越多收斂速度越快，但實際應(yīng)用過程中往往并非如此，必須經(jīng)過多種運算比擬來找到相對最優(yōu)數(shù)量，以確定最后模型。最優(yōu)隱含層單元數(shù)量與輸入矢量個數(shù)，輸出矢量個數(shù)，進(jìn)展訓(xùn)練的老師樣本數(shù)目等因素有關(guān)。參