【技术实现步骤摘要】
一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法
本专利技术涉及地质检测
，特别是涉及一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法。
技术介绍
众所周知，边坡及软土地基变形预测一直是土木工程中的难点及热点问题。目前，边坡及软土地基变形预测面临着两个工程问题：工程问题一：边坡位移及失稳是工程边坡常遇到的变形现象，预测边坡变形的发展动态对边坡稳定性控制具有重要意义，然而由于边坡介质参数、构造形态及外部环境等多因素综合影响，准确预测这一复杂非线性系统的变化仍十分困难。工程问题二：随着我国工程软土地基项目的不断增加，软土地基工后沉降的判定成为地基处理及基坑加固技术研究的重要课题，然而由于软土具有强度低、压缩性高、含水率高的特点，如何准确预报这一具有长期过程的复杂动态行为是保证工程建设安全的关键。早在1921年，奥地利土力学家Terzaghi就提出一种基于固结理论的经典软土地基沉降预测方法，主要思路是根据土体沉降规律，找到与实测沉降结果相近的曲线进行拟合。然而由于软土地基沉降中存在一些不确...
【技术保护点】
1.一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法，其特征在于，包括如下步骤：/n步骤一：首先在工程边坡场地采集边坡变形数据或在承载力不能满足施工条件的软土地基获取沉降基准数据，并采用GA遗传算法对初始值数据进行初始化，并对BP神经网络的初始值进行编码；/n步骤二：确定编码后各个初始值数据的字符串表示的值和实际值之间的关系，并定位搜索空间；/n步骤三：利用GA遗传算法对BP神经网络进行训练，获取最优个体；/n步骤四：基于GA遗传算法得到的最优个体，对网络初试权值和阈值赋值，用BP算法在搜索空间中对网络的连接权和阈值再次寻优，搜索出最优解；/n步骤五：将训练好的B...
【技术特征摘要】
1.一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法，其特征在于，包括如下步骤：
步骤一：首先在工程边坡场地采集边坡变形数据或在承载力不能满足施工条件的软土地基获取沉降基准数据，并采用GA遗传算法对初始值数据进行初始化，并对BP神经网络的初始值进行编码；
步骤二：确定编码后各个初始值数据的字符串表示的值和实际值之间的关系，并定位搜索空间；
步骤三：利用GA遗传算法对BP神经网络进行训练，获取最优个体；
步骤四：基于GA遗传算法得到的最优个体，对网络初试权值和阈值赋值，用BP算法在搜索空间中对网络的连接权和阈值再次寻优，搜索出最优解；
步骤五：将训练好的BP神经网路用于边坡变形及软土地基沉降预测。
2.根据权利要求1所述的一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法，其特征在于，所述在工程边坡场地采集边坡变形数据具体为：在工程边坡场地预先布置数个GPS监测点以采集边坡变形数据，利用GPS自动采集边坡位移随时间变化的n期变形数据；
所述在承载力不能满足施工条件的软土地基获取沉降基准数据具体为：对承载力不能满足施工条件的软土地基进行加固，地基土地面位移变化作为工后沉降预测的研究对象，选取加固地基的断面不同位置作为观测点，进行前期观测，以获得沉降基准数据；
所述编码具体为：
将所述BP神经网络的所有网络结构、初始连接权、初始阈值、学习率和动量因子作为一组染色体，并采用二进制编码方法对所述BP神经网络的五个初始值分别进行编码。
3.根据权利要求1所述的一种基于GA-BP神经网络的边坡变形及软土地基沉降预测方法，其特征在于，所述步骤二具体为：
确定各连接权和阈值以及学习率和动量因子的字符串表示的值和实际值之间有如下关系：
式中：bin式由N位二进制字符串所表示的十进制整数值；[wmax,wmin]为各连接权值和阈值以及学习率和动量因子的变化范围，其中wmax为神经网络中各变化值的上界，wmin为神经网络中各变化值的下界。
4.根据权利要求1所述的基于GA-BP神经网络的边坡变形及软土地基沉降预测方法，其特征在于，所述步骤三具体为：
S31：计算每个个体的适应值；
S32：计算每个染色体的选择概率；
S33：对染色体进行交叉操作；
S34：对染色体上的基因进行变异操作；
S35：重复S31～S34，用于对网络进行训练，以获取最优个体。
5.根据权利要求4所述的基于GA-BP神经网络的边坡变形及软土地基沉降预测方法...
【专利技术属性】
技术研发人员：刘杰，唐西娅，杨庆光，吴孟桃，罗鑫，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。