張秉夏,楊 林
(東北林業(yè)大學(xué)土木工程學(xué)院,哈爾濱150040)
目前國(guó)內(nèi)外交通工程[1]、水利工程[2]、機(jī)場(chǎng)[3]等建設(shè)中,對(duì)各類復(fù)合固結(jié)土的應(yīng)用非常廣泛。在復(fù)合固結(jié)土的應(yīng)用過(guò)程中,其主要的技術(shù)指標(biāo)就包括強(qiáng)度。因此,應(yīng)用正交試驗(yàn)和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的方法,減少?gòu)?qiáng)度試驗(yàn)的工作量是很有必要的。
人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural Network)的應(yīng)用模擬技術(shù)是20世紀(jì)80年代中后期迅速發(fā)展起來(lái)的,主要用于函數(shù)逼近和分類識(shí)別優(yōu)化,適合于復(fù)雜系統(tǒng)的數(shù)學(xué)模型的建立[4-7]。對(duì)于原料組成和影響因素均較為復(fù)雜的復(fù)合固結(jié)土強(qiáng)度試驗(yàn)[8],采用人工神經(jīng)網(wǎng)絡(luò)模擬預(yù)測(cè)效果較好。
復(fù)合固結(jié)土是指以自然界廣泛存在的土為基本原料,通過(guò)添加水泥、石灰等膠結(jié)材料固結(jié)后形成的擁有一定強(qiáng)度的材料。本文所用的復(fù)合固結(jié)土組成為水泥、石灰、TG-2固化劑和低液限黏土。
水泥:本項(xiàng)目選用水泥均為42.5級(jí)普通硅酸鹽水泥。選隨機(jī)樣本經(jīng)過(guò)水泥凝結(jié)時(shí)間試驗(yàn)檢驗(yàn),水泥的初凝時(shí)間為141 min,終凝時(shí)間218 min;經(jīng)過(guò)水泥膠砂強(qiáng)度試驗(yàn)檢驗(yàn),水泥的3 d抗壓強(qiáng)度21.00 MPa,3 d抗折強(qiáng)度3.62 MPa;28 d抗壓強(qiáng)度48.5 MPa,28 d抗折強(qiáng)度7.7 MPa。體積安定性合格。
石灰:本項(xiàng)目室內(nèi)試驗(yàn)階段選用的石灰為黑龍江省玉泉生產(chǎn)的的鈣質(zhì)消石灰,依據(jù)《公路工程無(wú)機(jī)結(jié)合料穩(wěn)定材料試驗(yàn)規(guī)程》 (JTG E51-2009),測(cè)定其鈣鎂含量61.4%,為Ⅱ級(jí)消石灰。
復(fù)合固結(jié)土中試驗(yàn)用土選用建虎高速K134段挖方土,土樣呈棕色,其工程性質(zhì)見(jiàn)表1和表2。TG-2固化劑為深棕色液體固化劑,pH值小于1.0,密度為1.3~1.35 g·cm-3,使用時(shí)須用水1∶100稀釋。
表1 試驗(yàn)用土的顆粒分析Tab.1 The particle analysis of the test soil
表2 試驗(yàn)用土的工程性質(zhì)Tab.2 The engineering properties of the test soil
根據(jù)復(fù)合固結(jié)土的組成,選則TG-2固化劑劑量、石灰劑量、水泥劑量三個(gè)條件為正交試驗(yàn)的因素,其中每個(gè)因素?cái)M選用3個(gè)水平,套用L9(34)正交表。這樣全部試驗(yàn)有33即27組,正交試驗(yàn)有9組。具體因素水平見(jiàn)表3。
表3 正交試驗(yàn)因素水平表Tab.3 Factors and levels of the orthogonal experiment
根據(jù)《公路工程無(wú)機(jī)結(jié)合料穩(wěn)定材料試驗(yàn)規(guī)程》中對(duì)7 d無(wú)側(cè)限抗壓強(qiáng)度試驗(yàn)的規(guī)定,嚴(yán)格按照要求進(jìn)行9組復(fù)合固結(jié)土的正交試驗(yàn),試驗(yàn)結(jié)果見(jiàn)表4。
根據(jù)正交試驗(yàn)設(shè)計(jì),影響復(fù)合固結(jié)土7d無(wú)側(cè)限抗壓強(qiáng)度的因素主要是A(固化劑劑量)、B(石灰劑量)、D(水泥劑量),因此以固化劑劑量、石灰劑量、水泥劑量為輸入條件,以7d無(wú)側(cè)限抗壓強(qiáng)度為輸出條件,可以建立預(yù)測(cè)模型。由于具有偏差和一個(gè)S型隱含層,再加上一個(gè)線性輸出層的網(wǎng)絡(luò)能夠逼近任何有理函數(shù),而增加網(wǎng)絡(luò)的層數(shù)盡管能部分提高預(yù)測(cè)效果,但同時(shí)也增加了網(wǎng)絡(luò)的復(fù)雜度[9]。因此,這里采用帶有一個(gè)隱含層的三層神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)建固化劑穩(wěn)定土強(qiáng)度的預(yù)測(cè)模型(如圖1所示)。
圖1 7d無(wú)側(cè)限抗壓強(qiáng)度預(yù)測(cè)模型Fig.1 Prediction model of 7day unconfined compressive strength
從圖1中可以看出,輸入層節(jié)點(diǎn)數(shù)為3,輸出層節(jié)點(diǎn)數(shù)為1。為使網(wǎng)絡(luò)具有較高的映射能力,隱含層采用連續(xù)可微的S型激活函數(shù),輸出層采用線性函數(shù)。隱含層神經(jīng)元個(gè)數(shù)的確定沒(méi)有明確的規(guī)定和理論依據(jù),一般采用試算法得出[10-12]。因此模型的預(yù)測(cè)原理就是通過(guò)模擬分析現(xiàn)有的9組正交試驗(yàn)結(jié)果中固化劑劑量、石灰劑量、水泥劑量與相應(yīng)復(fù)合固結(jié)土7 d無(wú)側(cè)限抗壓強(qiáng)度試驗(yàn)結(jié)果的關(guān)系,得到一個(gè)函數(shù)。然后將其余未做的18組試驗(yàn)中,固化劑劑量、石灰劑量、水泥劑量作為條件輸入此函數(shù),得到對(duì)應(yīng)的預(yù)測(cè)的復(fù)合固結(jié)土7 d無(wú)側(cè)限抗壓強(qiáng)度值。
本文采用MATLAB軟件中的NN-tool程序提供的圖形用戶界面 (Graphical User Interfaces,GUI)來(lái)更直觀的實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的各項(xiàng)功能。建立及預(yù)測(cè)過(guò)程如下。
(1)調(diào)出NN-tool工具 (如圖2所示),設(shè)置相應(yīng)的輸入向量和目標(biāo)向量,用于網(wǎng)絡(luò)訓(xùn)練。已知條件的輸入向量為:
表4 復(fù)合固結(jié)土7d無(wú)側(cè)限抗壓強(qiáng)度正交試驗(yàn)結(jié)果表Tab.4 Orthogonal experiment results of 7day unconfined compressive strength of compound stabilized soil
已知條件的目標(biāo)向量為:[0.74 1.71 2.411.97 1.33 2.16 1.62 2.49 1.58],預(yù)測(cè)結(jié)果的輸入向量為:
圖2 NN-tool工具界面Fig.2 Interface of NN-tool
(2)建立需要?jiǎng)?chuàng)建的神經(jīng)網(wǎng)絡(luò)類型,并進(jìn)行相關(guān)的設(shè)置。
(3)設(shè)置訓(xùn)練參數(shù),參數(shù)設(shè)置好后執(zhí)行訓(xùn)練過(guò)程 (如圖3和圖4所示),經(jīng)過(guò)8916次的訓(xùn)練,網(wǎng)絡(luò)的誤差下降到10-2之內(nèi),網(wǎng)絡(luò)完成訓(xùn)練。用訓(xùn)練好的模型進(jìn)行穩(wěn)定土強(qiáng)度預(yù)測(cè)。
圖3 NN-tool神經(jīng)網(wǎng)絡(luò)訓(xùn)練設(shè)置Fig.3 Set up of NN-tool's training
圖4 訓(xùn)練誤差曲線Fig.4 Error curve of training
通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行復(fù)合固結(jié)土7d無(wú)側(cè)限抗壓強(qiáng)度全部27組試驗(yàn)結(jié)果的預(yù)測(cè),預(yù)測(cè)結(jié)果見(jiàn)表5。
表5 復(fù)合固結(jié)土7d無(wú)側(cè)限抗壓強(qiáng)度預(yù)測(cè)結(jié)果Tab.5 Prediction of compound stabilized soil's 7d unconfined compressive strength
可以看出,神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與實(shí)際試驗(yàn)結(jié)果非常接近,最大偏差僅為2.3%,平均偏差約為1%。
根據(jù)預(yù)測(cè)結(jié)果與實(shí)際試驗(yàn)結(jié)果建立坐標(biāo)系(如圖5所示)可以看出,神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果與實(shí)際試驗(yàn)結(jié)果基本吻合,呈線性關(guān)系,其斜率為0.9934,即y=0.993 4x+0.9934;其中y為預(yù)測(cè)數(shù)據(jù),x為試驗(yàn)數(shù)據(jù),線性相關(guān)系數(shù)為0.9988。
圖5 預(yù)測(cè)結(jié)果與試驗(yàn)結(jié)果關(guān)系圖Fig.5 The relationship between prediction and experiment
(1)采用正交試驗(yàn)方法通過(guò)神經(jīng)網(wǎng)絡(luò)建立復(fù)合固結(jié)土7 d無(wú)側(cè)限抗壓強(qiáng)度試驗(yàn)結(jié)果預(yù)測(cè)模型,該預(yù)測(cè)模型滿足工程實(shí)際。
(2)建立的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型能夠準(zhǔn)確的對(duì)復(fù)合固結(jié)土7 d無(wú)側(cè)限抗壓強(qiáng)度進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果偏差不超過(guò)2.3%。
[1]沈 正,董 祥,宗 蘭.粉煤灰摻加增強(qiáng)固化劑JNS-1路用性能試驗(yàn)研究[J].武漢理工大學(xué)學(xué)報(bào),2011(12):22-27.
[2]鄒雙七,張柳春.粘土固化劑防滲灌漿技術(shù)在堤壩除險(xiǎn)加固中的應(yīng)用[J].湖南水利水電,2011(4):25 -27.
[3]朱維光,岑國(guó)平,許 巍,等.固化劑穩(wěn)定土在簡(jiǎn)易機(jī)場(chǎng)基層中的應(yīng)用分析[J].四川建筑科學(xué)研究,2012(1):118-120.
[4]趙武奇,仇農(nóng)學(xué),王 宏.蘋(píng)果渣多酚提取工藝的神經(jīng)網(wǎng)絡(luò)建模與遺傳算法優(yōu)化[J].食品科學(xué),2007,28(12):138 -142.
[5]文麗娜,朱學(xué)雷,陳 強(qiáng),等.人工神經(jīng)網(wǎng)絡(luò)技術(shù)在昔格達(dá)地層公路邊坡穩(wěn)定預(yù)測(cè)工程中的應(yīng)用[J].公路工程,2008,33(1):18-20+43.
[6]葉 曉,黃小葳,俞 軍.基于HI神經(jīng)網(wǎng)絡(luò)建立姬松茸多糖超濾分離模型[J].化學(xué)研究與應(yīng)用,2006,18(9):1120 -1123.
[7]夏遠(yuǎn)景,陳淑花,薛路舟,等.超高壓處理牡蠣滅菌實(shí)驗(yàn)研究及人工神經(jīng)網(wǎng)絡(luò)模擬[J].現(xiàn)代食品科技,2009,25(5):530 -533.
[8]邢志強(qiáng),周志喆.土壤固化劑加固土無(wú)側(cè)限抗壓強(qiáng)度試驗(yàn)研究[J].森林工程,2010,26(5):57 -59.
[9]李學(xué)剛,蘇 春,王 豐.基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)器和MATLAB的傳感器數(shù)據(jù)驗(yàn)證方法的研究[J].儀表技術(shù),2007(7):45-47.
[10]王靖濤.建立巖土本構(gòu)模型的數(shù)值方法[J].華中科技大學(xué)學(xué)報(bào)(城市科學(xué)版),2002(1):44-47.
[11]宋江峰,李大婧,劉春泉.基于正交試驗(yàn)和神經(jīng)網(wǎng)絡(luò)的蟲(chóng)草素超臨界CO2萃取預(yù)測(cè)[J].江蘇農(nóng)業(yè)學(xué)報(bào),2010(4):833-837.
[12]鄧志坤.粉煤灰混凝土強(qiáng)度的試驗(yàn)分析與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[J].公路交通科技(應(yīng)用技術(shù)版),2011(8):205 -208.