BP 神經(jīng)網(wǎng)絡(luò)法在某輸氣站沉降預(yù)測(cè)中的應(yīng)用

曠罛

(上海千年城市規(guī)劃工程設(shè)計(jì)股份有限公司，上?！?01108)

?

BP 神經(jīng)網(wǎng)絡(luò)法在某輸氣站沉降預(yù)測(cè)中的應(yīng)用

曠罛

(上海千年城市規(guī)劃工程設(shè)計(jì)股份有限公司，上海201108)

摘要:介紹了幾種常用的沉降預(yù)測(cè)方法，通過(guò)詳細(xì)系統(tǒng)的試算，建立了適用于沉降預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型，并以“川氣東送”管道工程某輸氣站的沉降監(jiān)測(cè)為研究對(duì)象，將BP神經(jīng)網(wǎng)絡(luò)法與傳統(tǒng)的曲線法進(jìn)行對(duì)比分析，論述了各種方法的優(yōu)劣，明確了BP神經(jīng)網(wǎng)絡(luò)法用于沉降預(yù)測(cè)的可行性。

關(guān)鍵詞:輸氣站，沉降預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)法，軟弱地基

1　概述

管道作為流體物質(zhì)運(yùn)輸?shù)囊环N特殊方式，在現(xiàn)代工業(yè)生產(chǎn)和人民生活中起著重要的作用。管道會(huì)由于埋設(shè)在軟土地基上而產(chǎn)生沉降變形，當(dāng)管道地基發(fā)生沉降尤其是不均勻沉降時(shí)，管道就有可能因此產(chǎn)生裂縫、扭曲或者破裂［1］。

“川氣東送”某輸氣站位于江蘇省南京市某化工園區(qū)內(nèi)，在站場(chǎng)修建完畢投入運(yùn)行以后，由于雨季地表水下滲，場(chǎng)區(qū)出現(xiàn)沉降現(xiàn)象，場(chǎng)區(qū)北部沉降現(xiàn)象尤為明顯。所以很有必要對(duì)該輸氣站進(jìn)行沉降監(jiān)測(cè)及預(yù)測(cè)。

2　預(yù)測(cè)沉降的方法

主要的沉降計(jì)算方法有:

1)根據(jù)固結(jié)理論，應(yīng)用數(shù)學(xué)方法基于土的本構(gòu)模型計(jì)算沉降［2］;2)根據(jù)實(shí)測(cè)資料，推算出沉降和時(shí)間的關(guān)系［3］。表1列出了多種常見(jiàn)的根據(jù)實(shí)測(cè)資料推算沉降量的方法。

表1　沉降預(yù)測(cè)方法分類

一般在荷載穩(wěn)定后，多采用曲線擬合法或者系統(tǒng)分析法進(jìn)行預(yù)測(cè)［4］。

2．1指數(shù)曲線法

指數(shù)曲線法是指在上部荷載的作用下，假定土體地基沉降量的平均增長(zhǎng)速率，以指數(shù)曲線形式減少，其數(shù)學(xué)表達(dá)式為:

2．2雙曲線法

雙曲線法認(rèn)為沉降量與時(shí)間按雙曲線遞減，其數(shù)學(xué)表達(dá)式為:

2．3皮爾曲線法

皮爾曲線也被稱作為生長(zhǎng)曲線，該曲線最初是用于反映生物的生長(zhǎng)和繁殖過(guò)程，其數(shù)學(xué)表達(dá)式為:

3　BP神經(jīng)網(wǎng)絡(luò)法

3．1人工神經(jīng)網(wǎng)絡(luò)概述

在對(duì)人腦的基本認(rèn)識(shí)的基礎(chǔ)上，以數(shù)學(xué)和物理的方法以及信息處理的角度對(duì)人腦進(jìn)行抽象，并建立某種簡(jiǎn)化模型，就稱之為人工神經(jīng)網(wǎng)絡(luò)。對(duì)生物神經(jīng)元進(jìn)行簡(jiǎn)化描述，就形成了人工神經(jīng)元，其基本表述如下:

式中:τij——輸入輸出的突觸時(shí)延;

Tj——神經(jīng)元j的閾值;

wij——神經(jīng)元i到j(luò)的權(quán)值;

f——神經(jīng)元j的轉(zhuǎn)移函數(shù)。

不同的神經(jīng)元之所以能夠擁有不同的信息處理功能，其中主要的一個(gè)原因就是它們的轉(zhuǎn)移函數(shù)不盡相同。目前常用的轉(zhuǎn)移函數(shù)有如下幾種:

1)閾值型轉(zhuǎn)移函數(shù)。

單極性閾值轉(zhuǎn)移函數(shù):

雙極性閾值轉(zhuǎn)移函數(shù):

2)非線性轉(zhuǎn)移函數(shù)。

單極性Sigmoid函數(shù)，簡(jiǎn)稱S型函數(shù):

雙極性S型轉(zhuǎn)移函數(shù):

3)線性轉(zhuǎn)移函數(shù)。

3．2人工神經(jīng)網(wǎng)絡(luò)模型

大量的同時(shí)也是很簡(jiǎn)單的神經(jīng)元，通過(guò)互相連接，形成復(fù)雜的非線性網(wǎng)絡(luò)系統(tǒng)，就是神經(jīng)網(wǎng)絡(luò)模型，如圖1所示。

圖1　BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)圖

圖1中，每個(gè)神經(jīng)元為一個(gè)圓圈，每個(gè)神經(jīng)元之間相互連接，形成一個(gè)網(wǎng)絡(luò)。

3．3BP神經(jīng)網(wǎng)絡(luò)概述

BP網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，是人工神經(jīng)網(wǎng)絡(luò)中廣泛運(yùn)用的類型［6］。如圖1所示，BP神經(jīng)網(wǎng)絡(luò)包括:輸入層、隱層(中間層)、輸出層，上下層之間實(shí)現(xiàn)全連接，而每層神經(jīng)元之間無(wú)連

接［5］。

4　BP神經(jīng)網(wǎng)絡(luò)沉降預(yù)測(cè)模型的建立

BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)要素主要包括:輸入輸出數(shù)據(jù)的選擇、隱含層的層數(shù)及每層節(jié)點(diǎn)個(gè)數(shù)的確定、各層轉(zhuǎn)移函數(shù)的選取、數(shù)據(jù)的預(yù)處理、訓(xùn)練方法的選擇。本文借助MATLAB軟件的神經(jīng)網(wǎng)絡(luò)工具箱，通過(guò)試算來(lái)確定最適合本項(xiàng)目的BP神經(jīng)網(wǎng)絡(luò)模型。

4．1輸入輸出數(shù)據(jù)

本項(xiàng)目數(shù)據(jù)是沉降監(jiān)測(cè)數(shù)據(jù)，即時(shí)間與沉降量的映射關(guān)系，輸入數(shù)據(jù)為時(shí)間t，輸出數(shù)據(jù)為對(duì)應(yīng)的沉降量s(t)，從而確定輸入層節(jié)點(diǎn)個(gè)數(shù)為1，輸出層節(jié)點(diǎn)個(gè)數(shù)為1。

4．2隱含層的層數(shù)及每層節(jié)點(diǎn)個(gè)數(shù)

在樣本相對(duì)來(lái)說(shuō)較少的時(shí)候，一個(gè)隱含層足以滿足要求［5］，因此選擇隱含層層數(shù)為1。

對(duì)于有限個(gè)輸入輸出的映射，并不需要無(wú)限個(gè)隱層節(jié)點(diǎn)。因此存在最佳隱層節(jié)點(diǎn)個(gè)數(shù)，下面的公式可以用于參考:

其中，k為隱層節(jié)點(diǎn)個(gè)數(shù);n為輸入層節(jié)點(diǎn)個(gè)數(shù);m為輸出層節(jié)點(diǎn)個(gè)數(shù);a為1～10之間的常數(shù)。

由上式可以計(jì)算得出，隱層的節(jié)點(diǎn)個(gè)數(shù)在2～11之間為宜，后文通過(guò)試算進(jìn)一步確定。

4．3各層轉(zhuǎn)移函數(shù)

BP網(wǎng)絡(luò)中要求轉(zhuǎn)移函數(shù)必須可微，本文隱層采用單極性S型函數(shù)(logsig)，輸出層采用線性函數(shù)(purelin)。

4．4數(shù)據(jù)預(yù)處理

在運(yùn)用數(shù)據(jù)進(jìn)行運(yùn)算時(shí)，需要進(jìn)行數(shù)據(jù)預(yù)處理，數(shù)據(jù)預(yù)處理常常使用歸一化方法，如果將數(shù)據(jù)轉(zhuǎn)換為［0，1］區(qū)間，常用以下公式:

4．5訓(xùn)練方法及其參數(shù)

根據(jù)相關(guān)文獻(xiàn)及經(jīng)驗(yàn)，本文選取表2中的幾種方法進(jìn)行試算。

表2　訓(xùn)練方法的比較

4．6試算結(jié)果

通過(guò)對(duì)該輸氣站設(shè)置的“W11號(hào)”和“23號(hào)”兩個(gè)監(jiān)測(cè)點(diǎn)進(jìn)行試算，試算結(jié)果如表3，表4所示。

表3　不同訓(xùn)練方法下最佳隱層節(jié)點(diǎn)數(shù)及其相對(duì)誤差(一)

表4　不同訓(xùn)練方法下最佳隱層節(jié)點(diǎn)數(shù)及其相對(duì)誤差(二)

圖2　不同訓(xùn)練方法下最佳隱層節(jié)點(diǎn)數(shù)及其相對(duì)誤差柱形圖

由圖2可以得出，訓(xùn)練方法選取Levenberg-Marquardt算法(對(duì)應(yīng)MTALAB中的trainlm函數(shù))時(shí)，BP神經(jīng)網(wǎng)絡(luò)模型的計(jì)算效果較好，并同時(shí)確定最佳隱層節(jié)點(diǎn)數(shù)為6。

5　各預(yù)測(cè)方法結(jié)果對(duì)比

采用上述指數(shù)曲線法、雙曲線法、皮爾曲線法和人工神經(jīng)網(wǎng)絡(luò)法，對(duì)該輸氣站的“W11號(hào)”和“23號(hào)”監(jiān)測(cè)點(diǎn)的監(jiān)測(cè)數(shù)據(jù)進(jìn)行擬合與預(yù)測(cè)(監(jiān)測(cè)數(shù)據(jù)為0 d～130 d，130 d之后的為預(yù)測(cè)數(shù)據(jù))，最終結(jié)果匯總?cè)缦?

1)“W11號(hào)”監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果見(jiàn)圖3～圖5。2)“23號(hào)”監(jiān)測(cè)點(diǎn)預(yù)測(cè)結(jié)果見(jiàn)圖6～圖8。

圖3　“W11號(hào)”點(diǎn)各方法相對(duì)誤差曲線

圖4　“W11號(hào)”點(diǎn)各方法相對(duì)誤差平均值柱形圖

圖5　“W11號(hào)”點(diǎn)各方法擬合與預(yù)測(cè)曲線圖

圖6　“23號(hào)”點(diǎn)各方法相對(duì)誤差曲線

圖7　“23號(hào)”點(diǎn)各方法相對(duì)誤差平均值柱形圖

圖8　“23號(hào)”點(diǎn)各方法擬合與預(yù)測(cè)曲線

6　結(jié)語(yǔ)

1)BP神經(jīng)網(wǎng)絡(luò)法對(duì)監(jiān)測(cè)值的擬合精度非常高，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行沉降預(yù)測(cè)是可行的，令人信服的。從預(yù)測(cè)結(jié)果對(duì)比得出，各方法從好到差依次為BP神經(jīng)網(wǎng)絡(luò)法、雙曲線法、指數(shù)曲線法、皮爾曲線法。

2)曲線法中雙曲線法與指數(shù)曲線法其擬合值與監(jiān)測(cè)值均吻合良好。對(duì)于該輸氣站的實(shí)際情況，雙曲線法的擬合和預(yù)測(cè)效果要優(yōu)于指數(shù)曲線法。皮爾曲線法擬合效果最差。

3)本文只運(yùn)用BP神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)了總共一年時(shí)間的沉降量，并未對(duì)一年半及兩年這兩個(gè)時(shí)間節(jié)點(diǎn)進(jìn)行預(yù)測(cè)，主要是由于預(yù)測(cè)過(guò)程中發(fā)現(xiàn)，假如使用神經(jīng)網(wǎng)絡(luò)法進(jìn)行長(zhǎng)期預(yù)測(cè)，其效果并不理想，預(yù)測(cè)數(shù)據(jù)偏差較大，并不符合實(shí)際經(jīng)驗(yàn)。出現(xiàn)這種狀況的主要原因在于，預(yù)測(cè)的時(shí)間越長(zhǎng)，神經(jīng)網(wǎng)絡(luò)的輸出就偏離原來(lái)的輸入數(shù)據(jù)越遠(yuǎn)，也就是偏離原來(lái)的規(guī)律越遠(yuǎn)，這是神經(jīng)網(wǎng)絡(luò)的一大缺陷，即長(zhǎng)期泛化能力低下。

因此，堅(jiān)持實(shí)際監(jiān)測(cè)是非常有必要的，這樣可以充實(shí)輸入數(shù)據(jù)，使沉降的規(guī)律性更好的反映出來(lái)，以此提高后續(xù)預(yù)測(cè)的準(zhǔn)確性。

參考文獻(xiàn):

［1］冷建成，周國(guó)強(qiáng)，張國(guó)威，等．地基沉降下管道的有限元應(yīng)力分析［J］．石油礦場(chǎng)機(jī)械，2012，41(4):80-83．

［2］ 黎軍豐．公路軟土路基沉降預(yù)測(cè)方法綜述［J］．科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，2010，20(14):182-186．

［3］李建初，趙其華，韓剛，等．軟土路基沉降預(yù)測(cè)模型比較研究［J］．地質(zhì)災(zāi)害與環(huán)境保護(hù)，2012，23(1):25-29．

［4］ 付宏淵．高速公路路基沉降預(yù)測(cè)及施工控制［M］．北京:人民交通出版社，2007．

［5］ 飛思科技產(chǎn)品研發(fā)中心．神經(jīng)網(wǎng)絡(luò)理論與MATLAB7實(shí)現(xiàn)［M］．北京:電子工業(yè)出版社，2005．

［6］ 叢爽．面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用［M］．合肥:中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009．

中圖分類號(hào):TU433

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1009-6825(2016)17-0070-03

收稿日期:2016-04-03

作者簡(jiǎn)介:曠罛(1991-)，男，碩士，助理工程師

The application of BP neural network in a gas station settlement prediction

Kuang Chong
(Shanghai Millennium City Planning＆Engineering Design Limited Company by Share，Shanghai 201108，China)

Abstract:This paper introduced several commonly used settlement prediction method，through the detailed system calculation，established the BP neural network model suitable for settlement prediction，and taking the settlement monitoring of a gas station of“Sichuan East Gas Transmission”pipeline project as the research object，made contrast analysis on BP neural network and traditional curve method，discussed the advantages and disadvantages of various methods，cleared the feasibility of BP neural network method used for settlement prediction．

Key words:gas station，settlement prediction，BP neural network，soft foundation