基于模糊BP网络的隧道施工方法选择研究

摘要

在传统BP网络的基础上,根据围岩级别与隧道施工方法之间的模糊对应关系,引入隶属函数的概念,建立模糊BP网络(模糊误差反向传播网络).对围岩级别和施工开挖方法均采用模糊技术处理,用隶属度来反映它们的模糊性,用隶属函数建立软弱围岩级别与隧道施工方法之间的学习、检验样本,采用BP网络对学习样本进行训练,对未参加学习的检验样本中任意给出的一种隧道围岩特征(包括围岩级别、围岩隶属度),网络均能进行正确识别检验,对现场的一个具体工程进行施工方法预测,以验证网络在实际工程中的应用能力.通过试算确定网络的中间层单元数和允许误差分别为16和0.01,此时网络的性能最佳,对检验样本的预测精度较高.从该文的最终研究结果来看,通过模糊化的神经网络来进行隧道施工开挖方法的选择,具有原理清楚,过程易于控制,结果误差小的优点.通过对37个学习样本的学习训练,使网络具有了识别认知能力,且学习时间较短.对6个检验样本的检验结果满足了给定的允许误差精度.充分体现了人工神经元网络处理模糊的、不确定因素众多的问题的优势.

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第一章绪论

1.1人工神经元网络的基本概念和特征

1.2本论文的研究意义

1.3神经元网络在地下工程中的应用现状

1.3.1围岩分类

1.3.2地表沉陷预测

1.3.3施工工期预测

1.3.4隧道支护时间确定

1.3.5岩体注浆效果预测

1.3.6基坑变形预测

1.3.7土钉应力预测

1.4本学位论文的研究内容及研究方案

1.4.1研究内容

1.4.2研究方案

第二章BP网络的基本原理

2.1误差反向传播训练算法原理

2.1.1神经网络的学习方式

2.1.2常用的激活函数

2.1.3BP网络的数学描述

2.1.4 BP网络的计算原理

2.1.5 BP算法实现过程

2.2 BP网络的结构设计

2.2.1训练样本的选择

2.2.2输入输出层设计

2.2.3隐含层的确定

2.2.4全局允许误差的影响

2.2.5初始随机连接权值和阈值的影响

2.3 BP算法的不足及改进

第三章采煤方式选择的人工神经元网络

3.1采煤方式选择问题介绍

3.1.1输入向量的确定

3.1.2输出向量的确定

3.1.3网络结构设计

3.1.4训练样本的选择

3.2中间层数目和单元数确定

3.3允许误差的确定

3.4结论

第四章隧道施工方法及影响方法选择的因素分析

4.1基本施工方法

4.1.1全断面一次开挖法

4.1.2台阶法

4.1.3分部开挖法

4.2影响因素分析

4.2.1围岩基本分级影响因素

4.2.2围岩基本分级及其修正

第五章软弱围岩隧道施工方法的模糊BP网络实现

5.1模糊神经网络的基本原理

5.1.1概述

5.1.2模糊集合和隶属函数

5.2围岩级别和隧道施工方法的隶属函数确定

5.2.1围岩级别的隶属函数建立

5.2.2软弱围岩隧道施工方法的隶属函数建立

5.3施工方法的模糊BP网络

5.3.1输入输出层设计

5.3.2训练样本和检验样本的建立

5.3.3中间层单元数的确定

5.3.4允许误差的确定

5.4实例预测

5.4.1 工程概况

5.4.2模糊BP网络对施工方法的预测

5.5结论

第六章结论

参考文献

致谢

附录BP网络实现程序使用说明

个人简历、在学期间的研究成果及发表的学术论文