一种基于BP神经网络的双桥静力触探数据的力学指标确定方法技术

一种基于BP神经网络的双桥静力触探数据的力学指标确定方法，其步骤为：①双桥静力触探数据和土的力学指标的收集与整理；②建立双桥静力触探力学指标确定BP神经网络预测模型；③对双桥静力触探力学指标确定BP神经网络预测模型进行训练；④运用已完成训练的双桥静力触探力学指标确定BP神经网络预测模型对土层力学指标进行预测。其优点是：为通过静力触探数据确定土层力学指标提供了可靠的理论方法；以大量双桥静力触探数据和土类力学指标作为训练样本，为力学指标确定BP神经网络预测模型的可靠性提供有力支撑，保证了预测结果的准确性；可使勘察工作中钻探孔数大大减少，从而缩短勘察周期，节约勘察成本，并能提高工程勘察的质量。

【技术实现步骤摘要】
一种基于BP神经网络的双桥静力触探数据的力学指标确定方法
本专利技术涉及岩土工程原位测试应用研究领域，具体地说是一种基于BP神经网络的双桥静力触探数据的力学指标确定方法。
技术介绍
传统勘察方式以钻探为主，而把静力触探作为改善和提高勘察精度的一项辅助措施，而新的勘察方式则强调勘察应以静力触探为基础和有针对性地进行钻探、室内试验和其他原位测试，它同样重视钻探、室内试验的作用，这种勘察方式的转变使钻探孔数大大减少，缩短了勘察周期，节约了勘察成本，并提高了勘察的质量。利用静力触探测试技术代替传统的勘察方式，需要对静力触探数据进行深入的挖掘和充分的利用。目前，国内外学者通过静力触探参数与土层力学指标间的统计分析已建立了大量的回归方程或经验公式，但这些回归方程受土性分类识别、形成环境及回归分析中所采用静力触探参数的可靠性影响，在工程实践中难以广泛应用；现有一些地方规范及工程地质手册主要列出了单桥静力触探数据与地基承载力的经验取值关系，并无具体的理论和方法，适用范围也不广泛。因此，如何提供一种基于双桥静力触探数据的力学指标确定方法，建立力学指标的预测模型，已成为本领域亟待解决的技术问题。
技术实现思路
本专利技术的目的是利用现有的双桥静力触探数据和地基承载力、抗剪强度、压缩模量三个力学指标，采用BP神经网络算法，研制一种基于BP神经网络的双桥静力触探数据的力学指标确定方法。本专利技术一种基于BP神经网络的双桥静力触探数据的力学指标确定方法，其具体技术方法按以下步骤实施：①、双桥静力触探数据和土的力学指标的收集与整理：通过收集整理场地工程地质勘察报告、土工试验成果资料等，收集统计双桥静力触探数据和土的力学指标；所述的双桥静力触探数据包括锥尖阻力qc和侧壁摩阻力fs；所述的土的力学指标包括地基承载力f0、抗剪强度（粘聚力c、内摩擦角）、压缩模量Es。②、建立双桥静力触探力学指标确定BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型；所述的双桥静力触探力学指标确定BP神经网络模型采用1个输入层、1个输出层和1个隐含层的网络结构，具体建立过程按下列方式实施：将沿深度的第n-2，n-1，n，n+1，n+2个锥尖阻力qc值和n-2，n-1，n，n+1，n+2个侧摩阻力fs值作为输入层，网络模型输入层由10维矢量构成：将第n个输入值对应深度点处土的力学指标作为输出层，网络模型输出层为4维矢量：Y＝[Dn,Cn,Jn,Mn,]Dn表示第n个输入值对应深度处的地基承载力，Cn表示第n个输入值对应深度处的粘聚力，Jn表示第n个输入值对应深度处的Mn表示第n个输入值对应深度处的压缩模量。③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练：运用matlab软件，设定网络训练函数类型，输出层激活函数类型，最大迭代次数epochs，期望误差最小值设定值goal和修正权值的学习效率lr，对BP神经网络模型进行训练；所述的网络训练函数类型采用traincgf函数；所述的输出层激活函数类型采用purelin函数；所述的最大迭代次数epochs设定为1000次；所述的期望误差最小值设定值goal设定为0.01；所述的修正权值的学习效率lr设定为0.05。④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型，通过土层双桥静力触探数据平均值对土层力学指标进行预测；所述的土层双桥静力触探数据平均值为各层土中所有锥尖阻力qc和侧壁摩阻力fs的算数平均值。本专利技术一种基于BP神经网络的双桥静力触探数据的力学指标确定方法的优点是：为通过静力触探数据确定土层力学指标提供了可靠的理论方法；以大量双桥静力触探数据和土类力学指标作为训练样本，为力学指标确定BP神经网络预测模型的可靠性提供有力支撑，保证了预测结果的准确性；可使勘察工作中钻探孔数大大减少，从而缩短勘察周期，节约勘察成本，并能提高工程勘察的质量。附图说明图1为一种基于BP神经网络的双桥静力触探数据的力学指标确定方法的流程图；图2为双桥静力触探数据力学指标确定BP神经网络结构图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，请参阅图1，一种基于BP神经网络的双桥静力触探数据的力学指标确定方法：①、双桥静力触探数据和土的力学指标的收集与整理：通过收集整理长三角地区各典型地质区域工程地质勘察报告、土工试验成果资料等，收集统计双桥静力触探数据和土的力学指标，共计89组，其中包含Q4al粘土28组、Q4al粉质粘土22组、Q4al粉土27组、Q4al粉砂12组；②、建立双桥静力触探力学指标确定BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型，训练样本示例见表1；表1双桥静力触探力学指标确定BP神经网络训练样本示例③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练：运用matlab软件，设定网络模型训练函数采用traincgf函数，隐含层激活函数采用tansing函数，输出层激活函数采用purelin函数，最大迭代次数epochs=1000，期望误差最小值设定值goal=0.01，修正权值的学习效率lr=0.05，利用表1的训练样本对BP神经网络模型进行训练；④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型，通过江都泰富港务有限公司原料场工程编号SJT1静力触探孔的各层土的双桥静力触探数据平均值对土层力学指标进行预测，SJT1静力触探孔采用双桥静力触探原位试验，测试深度13.0m，各层土的双桥静探数据平均值及力学指标预测结果见表2。表2江都原料场SJT1各层土的双桥静探数据平均值及力学指标预测结果本文档来自技高网...

【技术保护点】
一种基于BP神经网络的双桥静力触探数据的力学指标确定方法，其特征在于，其方法包括以下步骤：①、双桥静力触探数据和土的力学指标的收集与整理：通过收集整理场地工程地质勘察报告、土工试验成果资料等，收集统计双桥静力触探数据和土的力学指标；②、建立双桥静力触探力学指标确定BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型；③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练：运用matlab软件，设定网络训练函数类型，输出层激活函数类型，最大迭代次数epochs，期望误差最小值设定值goal和修正权值的学习效率lr，对BP神经网络模型进行训练；④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型，通过土层双桥静力触探数据平均值对土层力学指标进行预测。

【技术特征摘要】
1.一种基于BP神经网络的双桥静力触探数据的力学指标确定方法，其特征在于，其方法包括以下步骤：①、双桥静力触探数据和土的力学指标的收集与整理：通过收集整理场地工程地质勘察报告、土工试验成果资料，收集统计双桥静力触探数据和土的力学指标；②、建立双桥静力触探力学指标确定BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型；③、对双桥静力触探力学指标确定BP神经网络预测模型进行训练：运用matlab软件，设定网络训练函数类型，输出层激活函数类型，最大迭代次数epochs，期望误差最小值设定值goal和修正权值的学习效率lr，对BP神经网络模型进行训练；④、运用步骤③中已完成训练的双桥静力触探力学指标确定BP神经网络预测模型，通过土层双桥静力触探数据平均值对土层力学指标进行预测；所述的双桥静力触探力学指标确定BP神经网络模型采用1个输入层、1个输出层和1个隐含层的网络结构，具体建立过程按下列方式实施：将沿深度的第n-2，n-1，n，n+1，n+2个锥尖阻力qc值和n-2，n-1，n，n+1，n+2个侧摩阻力fs值作为输入层，网络模型输入层由10维矢量构成：

【专利技术属性】
技术研发人员：蔡清，程江涛，万凯军，于沉香，陈定安，黄静，
申请(专利权)人：中冶集团武汉勘察研究院有限公司，
类型：发明
国别省市：湖北;42