利用BP-ANN模型进行深基坑变形预测分析的探讨

内容摘抄：

0引言
深基坑开挖过程中对其进行安全监测与预报，不仅是信息化施工的要求，更是保证建筑施工、周边建筑物及居民地安全的要求)。目前，变形预测多采用确定模型、统计模型和混合模型等方法，由于这些方法建立于独立观测、误差正态分布等假定条件下，模型均具有统计特性，其精度受因子选取质量的影响较大，预测结果的抗差能力也较差，存在一定的缺陷2。深基坑施工受开挖地质环境、支护结构等诸多因素影响，其变形具有高度的复杂性和非线性，而BP-ANN(back propagation-artificialneural network)模型可以实现并行处理与分布式存贮信息，具有自组织、自学习能力和较强的非线性和容错性，算法推导清楚，学习精度较高，特别适合解决深基坑变形预测分析等复杂非线性动态问题[4)。但是，BP-ANN模型存在不易收敛、易陷入局部最小等问题810，且尚不存在适用于确定与优化深基坑预报模型结构、参数的通用方法。
1 BP-ANN模型及其改进
BP-ANN模型的学习由正向传播和反向传播两个阶段组成。正向传播由输入向量通过输入层经隐含层逐层处理并计算每个单元的实际输出值：当实际输出值未达到期望输出值要求时，进行反向传播，利用逐层递归计算的误差调节各层权值。正向和反向传播反复运算，直到误差满足要求为止。传统的BP算法属于优化问题中标准的梯度下降法，存在收敛速度慢（甚至不收敛）、易陷入局部最小等问题，典型的改进算法如下：
l)LM(levenberg marquardt)算法此方法综合
了Newton法和标准梯度下降算法的优点，利用了目

（略）

投稿会员：怪难瘦