膨胀土判别与分类的BP神经网络方法研究

时间：2022-09-30 18:40:33 土木工程毕业论文我要投稿

相关推荐

膨胀土判别与分类的BP神经网络方法研究

　　膨胀土判别与分类的BP神经网络方法研究,主要针对膨胀土判别进行论述，欢迎大家借鉴哦!

膨胀土判别与分类的BP神经网络方法研究

　　摘要：本文主要介绍了应用MATLAB神经网络工具箱，建立了针对膨胀土胀缩等级进行判别和分类的BP网络方法。结果表明，采用该方法进行判别和分类是准确和可靠的。

　　关键词：膨胀土判别与分类 MATLAB BP神经网络

　　引言

　　膨胀土(Expansive Soil)是土中粘粒成分主要由亲水性矿物(主要是蒙脱石、伊利石)组成，同时具有显著的吸水膨胀和失水收缩两种变形特征的粘性土，并且具有长期性、反复性和潜在性的特点。由于这种土在我国有广泛的分布，这就给在膨胀土地区进行工程建设带来了很多困难。要鉴别某种土的膨胀性，判别指标的选取原则除了要反映决定膨胀土的主要因素以外，还要便于工程的实际应用。

　　1膨胀土及其特征

　　根据第二次国际膨胀土研究会议上的结论，膨胀土的定义为一种对于环境变化，特别是对于是湿度变化非常敏感的土。其反映是发生吸水膨胀和失水收缩，产生膨胀压力，影响土的膨胀性的主要矿物是蒙脱石。能否充当膨胀土判别指标，主要看它是否满足：①能反映膨胀土的本质;②指标的测定简单便捷;③指标数据可靠，重现性好。为了合理判别膨胀土并进行分类，必须认真研究反映膨胀土基本性质的各指标间的关系，以及这些指标的组合规律。

　　2 BP网络模型与结构

　　反向传播网络(Back-Propagation Network，简称BP网络)是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。

　　BP神经网络结构体系一般由三个部分组成，即输入层、中间隐含层与输出层。其算法步骤如下：

　　(1)用任意小的随机数设置全部权值和各神经元残差的随机数。

　　(2)给定输入与期望输出值

　　(3)通过神经网络之间前向传播计算各层节点的输出值

　　①重复迭代计算，知道实际输出与期望输出的均方差小于某一给定值ε为止，网络学习结束。

　　②用学习好的神经网络，输入要预测的样本参数，就可以直接得到相应的预测结果。

　　本文根据国内外学者已有的研究成果，拟采用液限、塑限指数、自由膨胀率、<0.002mm颗粒含量以及比表面积作为膨胀土判别与分类的指标，利用MATLAB神经网络网络工具箱，建立一种针对膨胀土进行判别和分类的BP网络方法，利用BP网络映射能力，通过对已有数据的学习和训练，建立膨胀土特征指标与膨胀土胀缩等级之间的对应关系，进而实现对未知土样的判别与分类。

　　3基于BP网络的膨胀土判别与分类方法

　　3.1膨胀土分类等级的量化

　　(1)自由膨胀率：是用的最多最广泛的指标，反映土的膨胀潜在势能。是指将固定体积的分散烘干土样放在蒸馏水中任其自由膨胀，待其变形稳定后，求出的变形百分率;

　　(2)胀缩总率：该指标能反映土中矿物成分，粒度组成等特性;

　　(3)塑性指数：粘土呈塑性状态的含水率变化范围，塑性上下限含水量的差值为塑性指数;

　　(4)液限：土从流动状态转变为可塑状态的界限含水率，塑态与流态的界限含水量。

　　(5)粒度组成：土中小于0.002mm胶粒成分的含量愈高，一般表明蒙脱石成分较多，分散性较好，比表面积大，亲水性强，膨胀性愈大。

　　由于本方法将采用输出层为3个神经元的BP神经网络来处理膨胀土分类的预测问题。因此，我们将以下分类等级量化为一向量，具体形式如下表所示。

　　3.2 BP神经网络的建立、学习和训练

　　人工神经网络方法是模拟人的智能的一种方法，神经元网络系统是一种自适应的高度非线性系统。利用取样区已知的膨胀土样品作为典型学习样本，在综合分析的基础上，确定影响膨胀土胀缩特性的主要因素作为判别参数，作为输入层各节点的输入值。根据不同样品的胀缩等级，给定输出各节点的期望输出值，对已知样本进行学习训练，直到神经网络掌握数据间的关系为止。

　　在膨胀土判别与分类中，指标的选择必须在研究其胀缩机理的基础上进行，选择表征膨胀土特征的相对独立指标，经分析后，确定判别因子为液限、塑限指数、自由膨胀率、<0.002mm颗粒含量以及比表面积。

　　具体步骤为：

　　(1)网络的建立

　　4网络仿真

　　通过训练得到收敛的BP神经网络后，就可以用测试样本对对网络性能进行检查，其结果如下表。

　　由上表可以看出，神经网络对于膨胀土的预测准确度在87.5%左右，由此可以得出，利用训练得到的收敛BP网络对膨胀土胀缩指标进行预测是可靠也是可行的。

　　5结束语

　　本文简要介绍了膨胀土的性质和常用分类方法，建立了应用BP神经网络对膨胀土进行胀缩性判别与分类的方法，得到了满意的结果，具体来说，得到了以下几点认识：

　　(1)神经网络理论可以将人们对客观世界的感受和判定与定量结合起来，提高了判别预测的准确性;

　　(2)由于神经网络处理信息的分布式存储方式，各输入变量对输出变量的影响在对样本进行学习时已经在网络的内部表达出来，网络建立起来的非线性关系是非常复杂的，一般对膨胀土进行判别与分类的经验公式是难以表达这种复杂的非线性对应关系;

　　①传统的统计回归方法是研究膨胀土的普遍方法，也比较有效的解决了膨胀土判别和分类的基本问题。就其回归方法本身，其中隐含着判别因子同胀缩性之间存在着没有确定关系的假定，而神经网络无需建立基于某种理论的经验统计关系;

　　②神经网络有其独特的联想记忆能力，在处理复杂的判别及模式识别问题方面比传统的统计方法具有更强的能力。