膨脹土判別與分類的BP神經網絡方法研究

時間：2022-09-30 18:40:33 土木工程畢業論文我要投稿

相關推薦

膨脹土判別與分類的BP神經網絡方法研究

　　膨脹土判別與分類的BP神經網絡方法研究,主要針對膨脹土判別進行論述，歡迎大家借鑒哦!

膨脹土判別與分類的BP神經網絡方法研究

　　摘要：本文主要介紹了應用MATLAB神經網絡工具箱，建立了針對膨脹土脹縮等級進行判別和分類的BP網絡方法。結果表明，采用該方法進行判別和分類是準確和可靠的。

　　關鍵詞：膨脹土判別與分類 MATLAB BP神經網絡

　　引言

　　膨脹土(Expansive Soil)是土中粘粒成分主要由親水性礦物(主要是蒙脫石、伊利石)組成，同時具有顯著的吸水膨脹和失水收縮兩種變形特征的粘性土，并且具有長期性、反復性和潛在性的特點。由于這種土在我國有廣泛的分布，這就給在膨脹土地區進行工程建設帶來了很多困難。要鑒別某種土的膨脹性，判別指標的選取原則除了要反映決定膨脹土的主要因素以外，還要便于工程的實際應用。

　　1膨脹土及其特征

　　根據第二次國際膨脹土研究會議上的結論，膨脹土的定義為一種對于環境變化，特別是對于是濕度變化非常敏感的土。其反映是發生吸水膨脹和失水收縮，產生膨脹壓力，影響土的膨脹性的主要礦物是蒙脫石。能否充當膨脹土判別指標，主要看它是否滿足：①能反映膨脹土的本質;②指標的測定簡單便捷;③指標數據可靠，重現性好。為了合理判別膨脹土并進行分類，必須認真研究反映膨脹土基本性質的各指標間的關系，以及這些指標的組合規律。

　　2 BP網絡模型與結構

　　反向傳播網絡(Back-Propagation Network，簡稱BP網絡)是將W-H學習規則一般化，對非線性可微分函數進行權值訓練的多層網絡。

　　BP神經網絡結構體系一般由三個部分組成，即輸入層、中間隱含層與輸出層。其算法步驟如下：

　　(1)用任意小的隨機數設置全部權值和各神經元殘差的隨機數。

　　(2)給定輸入與期望輸出值

　　(3)通過神經網絡之間前向傳播計算各層節點的輸出值

　　①重復迭代計算，知道實際輸出與期望輸出的均方差小于某一給定值ε為止，網絡學習結束。

　　②用學習好的神經網絡，輸入要預測的樣本參數，就可以直接得到相應的預測結果。

　　本文根據國內外學者已有的研究成果，擬采用液限、塑限指數、自由膨脹率、<0.002mm顆粒含量以及比表面積作為膨脹土判別與分類的指標，利用MATLAB神經網絡網絡工具箱，建立一種針對膨脹土進行判別和分類的BP網絡方法，利用BP網絡映射能力，通過對已有數據的學習和訓練，建立膨脹土特征指標與膨脹土脹縮等級之間的對應關系，進而實現對未知土樣的判別與分類。

　　3基于BP網絡的膨脹土判別與分類方法

　　3.1膨脹土分類等級的量化

　　(1)自由膨脹率：是用的最多最廣泛的指標，反映土的膨脹潛在勢能。是指將固定體積的分散烘干土樣放在蒸餾水中任其自由膨脹，待其變形穩定后，求出的變形百分率;

　　(2)脹縮總率：該指標能反映土中礦物成分，粒度組成等特性;

　　(3)塑性指數：粘土呈塑性狀態的含水率變化范圍，塑性上下限含水量的差值為塑性指數;

　　(4)液限：土從流動狀態轉變為可塑狀態的界限含水率，塑態與流態的界限含水量。

　　(5)粒度組成：土中小于0.002mm膠粒成分的含量愈高，一般表明蒙脫石成分較多，分散性較好，比表面積大，親水性強，膨脹性愈大。

　　由于本方法將采用輸出層為3個神經元的BP神經網絡來處理膨脹土分類的預測問題。因此，我們將以下分類等級量化為一向量，具體形式如下表所示。

　　3.2 BP神經網絡的建立、學習和訓練

　　人工神經網絡方法是模擬人的智能的一種方法，神經元網絡系統是一種自適應的高度非線性系統。利用取樣區已知的膨脹土樣品作為典型學習樣本，在綜合分析的基礎上，確定影響膨脹土脹縮特性的主要因素作為判別參數，作為輸入層各節點的輸入值。根據不同樣品的脹縮等級，給定輸出各節點的期望輸出值，對已知樣本進行學習訓練，直到神經網絡掌握數據間的關系為止。

　　在膨脹土判別與分類中，指標的選擇必須在研究其脹縮機理的基礎上進行，選擇表征膨脹土特征的相對獨立指標，經分析后，確定判別因子為液限、塑限指數、自由膨脹率、<0.002mm顆粒含量以及比表面積。

　　具體步驟為：

　　(1)網絡的建立

　　4網絡仿真

　　通過訓練得到收斂的BP神經網絡后，就可以用測試樣本對對網絡性能進行檢查，其結果如下表。

　　由上表可以看出，神經網絡對于膨脹土的預測準確度在87.5%左右，由此可以得出，利用訓練得到的收斂BP網絡對膨脹土脹縮指標進行預測是可靠也是可行的。

　　5結束語

　　本文簡要介紹了膨脹土的性質和常用分類方法，建立了應用BP神經網絡對膨脹土進行脹縮性判別與分類的方法，得到了滿意的結果，具體來說，得到了以下幾點認識：

　　(1)神經網絡理論可以將人們對客觀世界的感受和判定與定量結合起來，提高了判別預測的準確性;

　　(2)由于神經網絡處理信息的分布式存儲方式，各輸入變量對輸出變量的影響在對樣本進行學習時已經在網絡的內部表達出來，網絡建立起來的非線性關系是非常復雜的，一般對膨脹土進行判別與分類的經驗公式是難以表達這種復雜的非線性對應關系;

　　①傳統的統計回歸方法是研究膨脹土的普遍方法，也比較有效的解決了膨脹土判別和分類的基本問題。就其回歸方法本身，其中隱含著判別因子同脹縮性之間存在著沒有確定關系的假定，而神經網絡無需建立基于某種理論的經驗統計關系;

　　②神經網絡有其獨特的聯想記憶能力，在處理復雜的判別及模式識別問題方面比傳統的統計方法具有更強的能力。