基于Hopfield網絡的水利工程軟土地基處理技術對比研究

李易達

(渤海工程項目管理有限公司，遼寧 朝陽 122000)

1 研究背景

軟土是指由黏土和粉土等細微顆粒含量多的松軟土、孔隙大的有機質土、泥炭以及松散砂等土層構成的土體，一般分布于沿海、大江大河沖積平原以及湖泊沉積地區等，具有含水量高、孔隙比大、壓縮性高、強度低、滲透性小、水穩定性等典型特征[1]。天然的軟土一般無法達到水工建筑結構物所要求的地基標準，因此在實際水利工程中，常要對軟土地基進行處理，否則可對整個水利設施的施工質量與使用安全性造成嚴重影響。地基的處理是保證水利工程質量的重要環節[2]，因此軟土地基處理技術一直是水利工程界的研究熱點。軟土地基處理可采用換土法、排水固結法、振動水沖法[3]等許多不同的技術，目前國內外并無統一的標準，而各項技術的選擇一直是軟土地基處理領域的難點。傳統的軟土地基處理技術選擇一般是基于專家判斷法，該方法較為簡單直接、成本低廉，但主觀性較強；較為先進的評價方法包括熵權法[4]、層次分析法[5]、模糊評價法[6]等，此類方法可以提升決策過程中的客觀化程度，但評價指標的選擇或指標權重的確定存在較大的不確定性；因此有必要繼續探索有效的決策方法。文章提出基于Hopfield網絡的水利工程軟土地基處理技術對比方法，并以排水固結法、化學固結法和人工材料加筋加固法3種水利工程中常用的軟土地基處理技術為例對其進行應用，分別采用6種不同的神經網絡技術對不同處理條件下的地基最終沉降值進行模擬，并與實測值進行比較，證明Hopfield網絡的模擬效果最佳，再設計并運行Hopfield網絡模擬試驗并根據試驗結果對3種軟土地基處理方式的效果進行對比，從而為水利工程軟土地基處理技術的優化選擇提供依據。

2 研究方法

2.1 軟土地基處理技術

軟土地基處理可采用換土法、排水固結法、振動水沖法[3]等許多不同的技術，文章主要關注排水固結法、化學固結法和人工材料加筋加固法3種水利工程中最常用的技術。排水固結處理技術是將軟土中所含有的水分通過沙井排水、水管排水等方式排除，從而提高軟土地基的穩固性及承載能力；化學固結法主要是指通過灌漿、深層攪拌、高壓噴射等方法將具有固化作用的液體注入軟土層，從而固化軟土顆粒、提高整個軟土地基的承載能力；人工材料加筋加固處理技術是在軟土地基表面覆蓋一層人工合成工程材料，從而有效地分散水工建筑物的重量對地基所產生的壓力，使整個地基所承受的壓強相對比較均衡。

2.2 神經網絡法

神經網絡是一種模仿生物神經網絡的結果和功能的數學模型或計算模型[7]用于對函數進行估計或近似，其實質是一種非線性的統計性數據建模工具[8]。神經網絡可分為許多不同的類型，文章主要分析其中比較常見的6種神經網絡法，分別為RBF法、Hopfield法、Elman法、自組織法、線性法和感知器法，各方法的背景介紹、模擬原理和數學公式可參見文獻[9]。文章主要采用MATLAB軟件的Neural Network Toolbox工具箱與相關腳本進行各類神經網絡分析，輸入實測的軟土地基特性和最終沉降樣本數據，運行程序則可對模型進行訓練并建立起軟土地基沉降的預測模型，之后，輸入新的軟土地基特性數據，則該模型將模擬出最終的軟土地基沉降值，而不同處理技術所對應的最終沉降值則可代表著相應技術的處理效果。該方法操作簡單、運行速度快，具有較高的實用價值，類似的研究方法已在交通公路等領域得到了有效的應用[10]，但目前在水利工程軟土地基處理技術的對比研究中幾乎未被應用過，因此有必要對其進行嘗試。

2.3 訓練樣本輸入值

為建立神經網絡模型，需準備一定數量的訓練樣本，各樣本的輸入值可分為兩部分，一部分是影響軟土地基沉降的主要因素，另一部分是軟土地基的最終沉降值。筆者查閱觀音閣水庫輸水、大伙房水庫輸水二期抗旱應急、猴山水庫、大雅河水利樞紐等水利工程建設的《工程地質勘察報告》等材料，共搜集30份樣本，其中樣本1～10對應于排水固結法處理技術，樣本11～20對應于化學固結法處理技術，樣本21～30對應于人工材料加筋加固法處理技術。除地基處理技術外，軟土地基沉降的主要參數還包括軟土層厚H1、硬層厚度H2、軟土壓縮模量E1和硬層壓縮模量E2等。為將所有數據整合至一張圖表中，對各參數進行歸一化處理，其歸一化參數值為某樣本的實際值與所有樣本中最大值之比，其中H1，H2，E1和E2的最大值分別為50.9m、3.1m、3.09MPa和9.95MPa，處理結果如圖1所示。

圖1 軟土地基沉降分析的訓練樣本輸入值

3 研究結果

3.1 神經網絡方法比選

神經網絡模型可分為許多種，而各模型之間的性能存在著一定的差異，因此有必要對各模型進行比選。采用MATLAB軟件的Neural Network Toolbox工具箱與相關腳本，輸入圖1所示的軟土地基特性參數值與最終沉降值數據，分別選取RBF法、Hopfield法、Elman法、自組織法、線性法和感知器法，運行程序，建立對應于各地基處理技術的神經網絡模型。模型的訓練效果如圖2所示，其中曲線代表各樣本的實測沉降值，各散點代表不同模型的最終沉降值擬合結果(以下稱為“模擬值”)。觀察圖2可知，各模型的模擬效果均較為接近實測值，但精確程度存在比較明顯的差異，如線性法在樣本7和12中出現了較大的偏差，而Hopfield法的模擬結果則與實測值保持高度的吻合；根據偏離實測值程度由小到大，各神經網絡模型可排序為Hopfield、Elman、RBF、自組織、感知器和線性，即在以上各類方法中，Hopfield為最佳的水利工程軟土地基最終沉降模擬工具。

圖2 最終沉降值的實測與模擬結果

3.2 Hopfield網絡法有效性評價

為進一步評價Hopfield網絡法在分析水利工程軟土地基處理技術中的有效性，做實測沉降值與Hopfield網絡模擬值之間的對比散點圖，如圖3所示。據圖3中各散點的位置可知，各散點均較為接近等值線，說明模擬結果較為精確。據圖3中左上部分的沉降值匯總數據可知，Hopfield網絡法高估了實測的最小沉降值，而低估了最大值，說明預測結果相對于實測值更為平滑，主要是因為在模擬過程中忽略了一些影響較小的要素；但平均值僅與實測值相差0.3mm，非常接近，說明Hopfield網絡在判斷平均水平方面精確度較高。根據圖3中右下部分的誤差分析數據可知，Hopfield網絡模擬結果與實測值之間的各項誤差指標均較小，滿足應用要求。綜上，Hopfield網絡可準確模擬不同地基處理情況下的最終沉降值，因此在水利工程軟土地基處理的技術對比中具有較強的有效性。

圖3 實測與Hopfield網絡模擬沉降值對比

3.3 軟土地基處理技術對比

對比各軟土地基處理技術的效果需要較多的案例，但若采取物理試驗法進行樣本的收集需要耗費大量的人力物力，在短期內難以實現。因此，文章采用經過訓練與驗證的Hopfield網絡模型進行模擬試驗，并根據試驗結果對各項地基處理技術的效果進行分析。

圖4 軟土地基沉降的Hopfield網絡模擬試驗結果

首先，采用MATLAB隨機生成120組樣本輸入數據(H1，H2，E1，E2)，即每項地基處理技術工況分別對應40組樣本；為確保生成數據的合理性，將各模擬試驗樣本的輸入值與訓練樣本中之間的差別控制在15%以內；再將生成的輸入數據分別輸入MATLAB系統并運行相應的Hopfield網絡模型，得到各樣本的最終沉降值，如圖4所示。

基于圖4所示的數據可知，排水固結法、化學固結法和人工材料加筋加固法所對應的樣本中，最小的最終地基沉降值分別為61，48和49mm，最大的最終沉降值分別為2239，2179和2223mm，而平均最終沉降值分別為791，765和772mm。各項指標的大小順序完全一致，又因為最終沉降值越小，表明地基處理技術的效果越好，因此可以認為在所研究的3種水利工程軟土地基處理技術中，化學固結法的效果最佳，人工材料加筋加固法其次，而排水固結法的效果則相對最差。

4 結論

基于Hopfield網絡法進行水利工程軟土地基處理技術的對比精確度很高，具有一定的推廣價值。采用該方法對不同技術的處理技術進行分析，結果表明化學固結法的總體效果最好，人工材料加筋加固法次之，而排水固結法的效果相對較差。研究成果可以為水利工程軟土地基處理技術的對比判斷提供有效的分析工具，但尚存在一定的不足，在以后的研究中應該收集更多的實測資料對Hopfield模型進行訓練與驗證，同時，也可以從經濟、社會以及環境等方面對各項地基處理技術進行更為全面的評價。