隨著我國國民經(jīng)濟發(fā)展，城市規(guī)模不斷擴大，受用地空間限制，高層建筑越來越多，建筑基坑工程也越來越多，基坑施工對周邊環(huán)境具有較大影響，其安全性也越發(fā)顯得重要。
　　摘要：基坑變形對周圍環(huán)境有重要影響，對其預測是工程中的一個難點，選用某地區(qū)33組基坑工程監(jiān)測數(shù)據(jù)，通過主成分分析確定基坑變形的主要影響因素，采用遺傳算法優(yōu)化的徑向基神經(jīng)網(wǎng)絡模型建立基坑變形預測模型，實際工程證明該模型準確可靠，具有較強的實用性。

　　關鍵詞：基坑邊形,預測,主成分分析,遺傳算法,神經(jīng)網(wǎng)絡

　　引言:基坑變形是基坑是否穩(wěn)定最直觀、最準確也的監(jiān)測指標。基坑變形受多種因素影響，由于巖土體物理力學性質(zhì)較為復雜，并且基坑附近應力場在在施工過程不斷發(fā)生改變，因此基坑變形規(guī)律復雜，其預測是工程中的一個重點和難點[3]。

　　主成分分析[4]（PrincipalComponentAnalysis，PCA）通過變量線性變換確定起主要作用的重要變量，使復雜問題大大簡化。徑向基神經(jīng)網(wǎng)絡（RadicalBasisFunction）具有較強的逼近能力，并且收斂速度較快，采用遺傳算法（GeneticAlgorithm）對其進行優(yōu)化可以實現(xiàn)全局尋優(yōu)�；�于上述思想，本文首先采用主成分分析確定基坑變形主要影響因素，而后采用遺傳算法優(yōu)化的徑向基神經(jīng)網(wǎng)絡構建基坑變形預測模型，最后通過一個工程實例驗證了該模型的實用性。

　　一、主成分分析

　　某一實際問題可能有眾多影響因素，在對其進行系統(tǒng)分析時若考慮所有因素的影響會使問題極為復雜，針對這一問題，引入主成分分析方法，主成分分析方法通過對大量數(shù)據(jù)的總結(jié)對影響因素進行概括和綜合，將所有影響因素轉(zhuǎn)化為幾個主要影響因素或者確定幾個主要影響因素而忽略其他作用較小的因素。

　　二、遺傳算法-支持向量機模型

　　1.徑向基神經(jīng)網(wǎng)絡

　　基坑變形是一個復雜的非線性問題，線性數(shù)學無法對其進行解釋，徑向基神經(jīng)網(wǎng)絡[5]可以描述復雜的非線性規(guī)律，該網(wǎng)絡由輸入層、隱含層、線性單元層和輸出層構成（見圖1），通過對訓練樣本數(shù)據(jù)的誤差分析建立輸入變量與輸出變量之間的映射關系，其預測結(jié)果具有較高的精度，該模型目前已在廣泛應用于電力、醫(yī)學、農(nóng)業(yè)、采礦等領域。

　　圖1徑向基神經(jīng)網(wǎng)絡結(jié)構圖

　　2.遺傳算法優(yōu)化徑向基神經(jīng)網(wǎng)絡原理

　　神經(jīng)網(wǎng)絡構建難點在于網(wǎng)絡參數(shù)設置，其預測精度與參數(shù)設置有很大關系，參數(shù)設置合理時模型能夠反映恰當?shù)膶嶋H情況，參數(shù)設置不合理時模型會陷入局部最優(yōu)解，預測結(jié)果與實際偏差較大。徑向基神經(jīng)網(wǎng)絡最大的優(yōu)點在于該網(wǎng)絡只有一個設計參數(shù)ε，因此其參數(shù)選擇比其他神經(jīng)網(wǎng)絡較為容易。遺傳算法[6]通過模擬生物進化過程中的自然選擇和個體競爭實現(xiàn)尋優(yōu)，具有較強的搜索能力，可以實現(xiàn)全局尋優(yōu)，采用遺傳算法優(yōu)化徑向基神經(jīng)網(wǎng)絡可以實現(xiàn)構建最優(yōu)預測模型，以學習樣本數(shù)據(jù)輸出值值與實際值之差的均方和為評價指標對BP模型參數(shù)進行評價，其優(yōu)化過程如下：（1）確定ε可能存在區(qū)間；（2）設置評價函數(shù)；（3）對ε采取二進制編碼，設置初始種群；（4）對染色體進行解碼并計算適應度；（5）根據(jù)評價準則迭代計算，直至滿足終止條件。

　　三、預測模型構建與驗證

　　基坑變形包括基坑影響范圍內(nèi)土體沉降、基坑底部土體隆起以及基坑支護結(jié)構變形等等，考慮土體沉降對周圍環(huán)境影響最重要，因此選取該位移作為基坑變形主控指標。

　　1.基坑變形主成分分析

　　基坑變形影響因素眾多，主要包括場地工程地質(zhì)條件、地下水深度、基坑深度、幾何形狀、支護結(jié)構形式、基坑開挖方式等等。采用數(shù)學建模對基坑變形預測需要對影響因素進行量化，但如果將上述因素全部量化用于構建基坑變形預測模型會使問題極為復雜，因此有必要采用主成分分析對該問題進行簡化。

　　選取某地深度為6.2至7.7m的33組以土釘墻支護的基坑監(jiān)測數(shù)據(jù)做主成分分析，確定該類型基坑變形關鍵影響因素為以下四項：土體加權平均重度、土體加權平均壓縮模量、基坑深度、施工時間，上述四項指標可以綜合反映基坑開挖過程中土體的受力特征和變形特征，最終選用上述四項指標作為徑向基神經(jīng)網(wǎng)絡的輸入向量。

　　2.預測模型構建

　　以上述33組基坑監(jiān)測數(shù)據(jù)為樣本，輸入向量為土體加權平均重度、土體加權平均壓縮模量、基坑深度、施工時間，輸出結(jié)果為基坑影響范圍內(nèi)土體沉降，采用VisualBasic編程建立遺傳算法優(yōu)化的徑向基神經(jīng)網(wǎng)絡構建預測模型。

　　3.工程實例

　　為檢驗上述預測模型的精度，采用該模型對當?shù)匾换�坑變形進行預測，該基坑深6.9m，采用土釘墻支護，該基坑實測沉降曲線與預測曲線見圖2。

　　圖2沉降曲線

　　由圖2可見，采用遺傳算法優(yōu)化的徑向基神經(jīng)網(wǎng)絡模型具有較高的預測精度，土體預測沉降量與實際觀測沉降量較為接近，該模型可以在基坑開挖前對施工影響進行預估。

　　三、結(jié)束語

　　通過主成分分析，選取土體加權平均重度、土體加權平均壓縮模量、基坑深度、施工時間四項指標作為輸入向量構建遺傳算法優(yōu)化的徑向基神經(jīng)網(wǎng)絡變形預測模型，工程實例證明上述模型具有較高的預測精度，能夠滿足工程需要，具有廣泛的應用前景。

　　參考文獻：

　　[1]曾憲明，林潤德，易平編著.基坑與邊坡事故警示錄.北京:中國建筑工業(yè)出版社，1999.

　　[2]龔曉南.巖土工程發(fā)展中應重視的幾個問題.巖土工程學報(增刊)，2006，11(I)

　　[3]陳燦壽,張尚根,余有山.深基坑支護結(jié)構的變形計算.巖石力學與工程學報，2004，23(12)

　　[4]魏旭.基于主成分分析的特征融合及其應用[D].成都：電子科技大學，2008.

　　[5]朱大齊,史慧.人工神經(jīng)網(wǎng)絡原理及應用[M].北京：科學出版社，2006.

　　[6]雷英杰,張善文,李續(xù)武,等.MATLAB遺傳算法工具箱及應用[M].西安:西安電子科技大學出版社.2005

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/nongyegongchengkexuelw/23810.html