利用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測加固鹽漬土強(qiáng)度

趙 軍 張亞卿 李寶來

(1.中交通力建設(shè)股份有限公司，陜西 西安 710075； 2.長安大學(xué)地質(zhì)工程與測繪學(xué)院，陜西 西安 710054；3.陜西省地震局，陜西 西安 710068)

利用人工神經(jīng)網(wǎng)絡(luò)模型預(yù)測加固鹽漬土強(qiáng)度

趙 軍1張亞卿2李寶來3

(1.中交通力建設(shè)股份有限公司，陜西 西安 710075； 2.長安大學(xué)地質(zhì)工程與測繪學(xué)院，陜西 西安 710054；
3.陜西省地震局，陜西 西安 710068)

從無機(jī)結(jié)合料摻入比、齡期、含鹽量、含水量等方面分析了影響鹽漬土加固效果的因素，基于人工神經(jīng)網(wǎng)絡(luò)模型，預(yù)測了無機(jī)結(jié)合料用于加固鹽漬土效果的力學(xué)性能指標(biāo)計算的新方法，從而預(yù)測了無機(jī)結(jié)合料加固土的無側(cè)限抗壓強(qiáng)度，以達(dá)到最佳的加固效果。

鹽漬土，加固，人工神經(jīng)網(wǎng)絡(luò)模型，無機(jī)結(jié)合料

0 引言

鹽漬土是鹽土和堿土以及各種鹽化、堿化土壤的總稱，對易溶鹽含量大于0.3%，且具有巖溶陷、鹽脹、腐蝕、吸濕等特性的土體稱為鹽漬土[1]。主要分布于內(nèi)陸干旱、半干旱地及濱海地區(qū)或一些地勢較低和地下水位較高的地段[2]。在上述地方修建工程要重視其危害性，工程施工前應(yīng)根據(jù)鹽漬土的性質(zhì)、含鹽類型、含鹽量等采取不同的處理方法。迄今為止，鹽漬土的處理方法不多，世界上處于領(lǐng)先地位的是前蘇聯(lián)，20世紀(jì)40年代起相繼有崔托維夫、別特魯夫、巴甘諾夫等蘇聯(lián)專家學(xué)者對鹽漬土的工程性質(zhì)和施工方法進(jìn)行了研究；我國在新疆、青海等地進(jìn)行過較多該類材料的研究工作。物理方法有：加鋪砂礫石層、換填土墊層、強(qiáng)夯、浸水溶解、挖排水溝降低地下水位、鋪土工布隔斷水分遷移通道等[3]。化學(xué)方法有：摻加氫氧化鈣、氯化鈣等材料，改變鹽漬土中陰離子比例，抑制鹽脹性等，提高鹽漬土的強(qiáng)度、水穩(wěn)性及耐久性[4]。處理方法大多是在鹽漬土中加入結(jié)合材料，讓它們之間產(chǎn)生一系列物理化學(xué)反應(yīng)，以達(dá)到加固鹽漬土強(qiáng)度的目的。但是影響強(qiáng)度效果的因素很多，我們無法準(zhǔn)確掌握如何達(dá)到最優(yōu)強(qiáng)化。本文通過人工神經(jīng)網(wǎng)絡(luò)中的誤差逆?zhèn)鞑ツＰ蛠眍A(yù)測鹽漬土的加固效果。

1 影響加固效果的分析

試驗中，多以加固鹽漬土的無側(cè)限抗壓強(qiáng)度來衡量加固效果。大量的試驗研究發(fā)現(xiàn)，加固效果通常受多種因素影響，以下為幾方面影響因素：

1)無機(jī)結(jié)合料摻入比。

摻入比是指固化劑的干重量與干土重量比值的百分值。通過先前試驗結(jié)果可知，水泥加固土、石灰+水泥加固土的強(qiáng)度分別隨水泥、石灰摻入比的增加而增大，不過有一個最佳摻入比，超過或小于都不會達(dá)到最佳加固效果。

2)齡期。

無機(jī)結(jié)合料與鹽漬土所發(fā)生的系列反應(yīng)的過程是緩慢而又復(fù)雜。試驗結(jié)果表明，水泥土、石灰+水泥土的加固強(qiáng)度隨齡期的增長而增長。強(qiáng)度增長效果隨著齡期的增長而逐漸緩慢。

3)含鹽量。

含鹽量是指含鹽總量與干土質(zhì)量的百分比。試驗表明，當(dāng)鹽漬土中鹽的含量小于某個值時，其加固強(qiáng)度因可溶性鹽的結(jié)晶膨脹，會提高；當(dāng)含鹽量大于該值時，鹽漬土的加固強(qiáng)度會因可溶性鹽過多的結(jié)晶膨脹作用，加固土的結(jié)構(gòu)遭到破壞，從而降低[5]。

4)含水量。

由于石灰、水泥等等無機(jī)結(jié)合料在反應(yīng)過程中需要水的參與，當(dāng)鹽漬土中水的含量達(dá)到能使其軟化的量時，加入水泥后，水與水泥發(fā)生一系列的物理化學(xué)反應(yīng)，隨著反應(yīng)的進(jìn)行，土體的強(qiáng)度得以提高。但是，含水量不同加固土體的強(qiáng)度提高幅度值也是不同的。

5)無機(jī)結(jié)合料的技術(shù)指標(biāo)。

相同無機(jī)結(jié)合料摻入比下，加固土的強(qiáng)度會隨石灰中有效氧化鈣和氧化鎂的含量、水泥的標(biāo)號的增加而提高。

2 確定分析模型

本節(jié)采用神經(jīng)網(wǎng)絡(luò)中的多層前饋誤差逆?zhèn)鞑ツＰ?Error Back Propagation，簡稱BP算法)。該模型由Rumelhart[6]和McCelland[7]等科學(xué)家小組于1986年提出，它是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋模型。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯輸入—輸出模式的映射關(guān)系，無需事前揭示這種映射關(guān)系的數(shù)理方程。它的規(guī)則是最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和達(dá)到最小[8]。

BP神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)如圖1所示，它包括輸入層、隱層和輸出層。

網(wǎng)絡(luò)的前向式拓?fù)浣Y(jié)構(gòu)中，輸入節(jié)點和輸出節(jié)點的個數(shù)是由求解問題本身決定的，需根據(jù)問題的繁雜程度選取隱層。影響加固土的因素是多方面的，在研究過程中，我們選取無機(jī)結(jié)合料的齡期、含鹽量及摻入比，3個代表性的指標(biāo)作為模型的輸入層，選用加固土的無側(cè)限抗壓強(qiáng)度作為模型的輸出層，取一個隱含層，節(jié)點數(shù)取7個(為輸入層神經(jīng)元數(shù)的2P+1個)。

3 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)

論文運用MATLAB神經(jīng)網(wǎng)絡(luò)，來實現(xiàn)多層前饋BP網(wǎng)絡(luò)對無機(jī)結(jié)合料強(qiáng)度的預(yù)測，避免了編寫計算機(jī)程序的煩惱。神經(jīng)網(wǎng)絡(luò)的實際輸出值與輸入值以及各權(quán)值和閾值有關(guān)[9]。為了達(dá)到輸出值與期望值相接近的目的，只能通過訓(xùn)練的方式得到滿足要求的網(wǎng)絡(luò)模型。訓(xùn)練時使用實測樣本數(shù)據(jù)。以下以水泥加固土為例。

表1列出了部分學(xué)習(xí)樣本的信息，從表1中我們可以發(fā)現(xiàn)，最大誤差值為6.5%，平均誤差值為2.5%，表明模型的擬合度較高，能達(dá)到我們的需求。

表1 部分學(xué)習(xí)樣本的輸入值與輸出值

再選5個樣本輸入網(wǎng)絡(luò)，所得結(jié)果如表2所示，網(wǎng)絡(luò)計算輸出值與實測值非常接近，證明運用網(wǎng)絡(luò)預(yù)測加固效果的方法可行、有效。

表2 水泥加固土強(qiáng)度的檢驗

4 預(yù)測

用訓(xùn)練完畢已掌握了“知識信息”的網(wǎng)絡(luò)進(jìn)行預(yù)測時，只需將待測的影響因子輸入網(wǎng)絡(luò)，即可得預(yù)測結(jié)果。由于神經(jīng)網(wǎng)絡(luò)已掌握了輸入與輸出兩因子之間的非線性關(guān)系，從中我們可以得到各影響因子與水泥加固土無側(cè)限抗壓強(qiáng)度的關(guān)系曲線。這樣可以運用網(wǎng)絡(luò)模型，在無需大量試驗的情況下，合理選擇或調(diào)整各設(shè)計參數(shù)，使設(shè)計達(dá)到優(yōu)化。

表3是水泥加固土在配比不同、含鹽量不同、不同齡期強(qiáng)度的預(yù)測值。從預(yù)測的結(jié)果可以看出，水泥劑量的提高并不能明顯提高水泥加固土在不同含鹽量下的強(qiáng)度，經(jīng)濟(jì)效果較差。所以后期的路用性能研究，可以不采用這些方案。

通過此方法，也可以預(yù)測試件長齡期的強(qiáng)度，這就減免了需要測量某些試件長齡期強(qiáng)度所花費的養(yǎng)護(hù)時間。

總之，通過人工神經(jīng)網(wǎng)絡(luò)預(yù)測無機(jī)結(jié)合料加固鹽漬土力學(xué)性能指標(biāo)，結(jié)果客觀。同時，大大減少了勞動時間，提高了工作效率。

表3 樣本預(yù)測值

5 結(jié)語

論文提出了基于利用人工神經(jīng)網(wǎng)絡(luò)模型來預(yù)測無機(jī)結(jié)合料用于加固鹽漬土效果的力學(xué)性能指標(biāo)計算的新方法，在此基礎(chǔ)上，預(yù)測無機(jī)結(jié)合料加固土的無側(cè)限抗壓強(qiáng)度。該成果可以應(yīng)用到任何加固土力學(xué)指標(biāo)的預(yù)測中，具有推廣性。

[1] 工程地質(zhì)手冊編寫組.工程地質(zhì)手冊[M].第4版.北京：中國建筑工業(yè)出版社，2007：498.

[2] 張冬菊.鹽漬土地區(qū)工程地基設(shè)計與防腐處理[J].青海大學(xué)學(xué)報(自然科學(xué)版)，2000,18(6)：23.

[3] 余紅發(fā)，華普校，屈 武，等.抗腐蝕混凝土電桿在西北鹽湖地區(qū)的要外暴露實驗[J].混凝土與水泥制品，2003(6)：23-26.

[4] 丁永勤，陳肖柏.摻和氯化鈉治理硫酸鹽漬土膨脹的應(yīng)用范圍[J].冰川凍土,1992,14(2)：67-68.

[5] 馬吉倩.天津市濱海新區(qū)鹽漬土路基治理技術(shù)研究[D].西安：長安大學(xué)，2009.

[6] Rumelhart DE,Hinton GE,Williams RJ.Learning representations by back-propagation errors[J].Nature,1986(323):533-536.

[7] McCulloch WS,Pitts W.A logical calculus of ideas immanent in nervous activity[J].Bulletin of Mathematical Biophysics,1943(5):115-133.

[8] 楊甲沛.基于自適應(yīng)學(xué)習(xí)速率的改進(jìn)型BP算法研究[D].天津：天津大學(xué)，2008.

[9] 徐 劼.基于神經(jīng)網(wǎng)絡(luò)和不變矩的絕緣子裂紋類型識別[D].鎮(zhèn)江:江蘇大學(xué)，2008.

The usage of artificial neural network model in predicting the strength of reinforced saline soil

Zhao Jun1Zhang Yaqing2Li Baolai3

(1.ZhongjiaoTongliConstructionCo.,Ltd,Xi’an710075,China；2.SchoolofGeologyEngineeringandGeomatics,Chang’anUniversity,Xi’an710054,China；3.SeismologicalBureauofShaanxiProvince，Xi’an710068,China)

This paper analyzed the factors influence of saline soil reinforcement effects from inorganic binder mixing ratio, age, salt content, water content and other aspects, based on artificial neural network model, predicted the calculation new method of mechanical properties indexes of inorganic binder applied to reinforcement saline soil effect, so as to predict the unconfined compression strength of inorganic binder reinforcement soil, in order to achieve the best reinforcement effect.

saline soil, reinforcement, artificial neural network model, inorganic binder

2015-02-11

趙 軍(1981- )，男，工程師； 張亞卿(1990- )，男，在讀碩士； 李寶來(1981- )，男，工程師

1009-6825(2015)12-0060-02

TU448

A