BP神經網絡在隧道工法設計中的應用

宋華君

摘要：將BP神經網絡應用到隧道在施工工法設計的過程中，以圍巖級別、地質構造、隧道所在地形環境、水文特征等為影響因素，建立隧道工法設計方案數據庫。在隧道工程快速發展的背景下，向智能化方向轉變能夠高效、可靠的完成設計工作，本文中將探究BP神經網絡在隧道工法設計中的應用。

關鍵詞：BP算法;神經網絡;隧道施工;工法比選

中圖分類號：TP39 文獻標識碼：A 文章編號：1007-9416（2019）02-0083-03

0 引言

隨著我國交通工程的不斷發展，隧道建設過程中的施工技術得到了極大的進步，隧道施工方法日益增多。每年新建隧道與建成隧道的數量不斷增大，傳統的隧道工法選擇受到多方面復雜因素的影響，包括圍巖級別、隧道斷面、施工條件、隧道埋深等。一方面需要豐富的隧道建設經驗，同時又需要耗費相當的精力物力進行方案的比選，難以滿足隧道工程大幅發展的時代要求。

人工神經網絡具有自學習能力、聯想存儲大數據功能已經快速尋找優化解的能力，能夠較好的解決目前隧道施工方法選擇方面的效率低下問題。運用BP神經網絡原理，引入隧道施工工法選擇中考慮的多種參數，模擬人腦的學習、分析、決策過程，計算出較為合適的隧道施工方法，隨后再由設計人員進行復核驗算，可極大提高其工作效率。

1 隧道工法選擇

1.1 隧道工程特征

隧道施工設計階段要綜合考慮隧道公路功能、等級、圍巖級別、地質構造、隧道所在地形環境、水文特征等，各因素對隧道結構的安全性具有重大影響，如工法選擇不當，則可能造成成本過高甚至隧道失穩問題。因此，在隧道設計前應對隧道選址所在地形環境、巖層信息、圍巖情況、水文條件、不良地質等進行分析，并在此基礎之上選用合適的隧道施工工法，表1為隧道工程特征。

1.2 隧道工法分類

隧道施工工法的選擇需根據隧道工程特征確定，隧道施工方法可分為基本、輔助施工方法以及支護措施。基本施工方法決定施工開挖的形式，以山嶺隧道開挖為例，主要包含臺階法、多部法和全斷面開挖法，每種基本施工方法可根據施工具體參數分為多個小類，受隧道工程特征影響，如圖1所示。因設計過程中考慮的角度不同，施工方法也有所差異，如果施工環境良好、從造價和工期考慮，應選擇全斷面法開挖;如果圍巖環境較差，以施工安全角度考慮，則應選用雙側壁導坑法施工。

1.3 隧道工法設計方案數據庫

已建隧道設計施工方案具有一定的學習借鑒價值，通過搜集大量已完成的隧道工程設計設計方案和設計資料，將這些資料進行整理和分析，建立隧道工法設計方案數據庫，為新建隧道項目提供參考，從而提高設計方案的科學性，圖2為數據庫建設的流程。

2 隧道工法比選模型

2.1 BP神經網絡算法

BP神經網絡是按照誤差逆傳播算法訓練出來的一種多層前饋網絡，其以對信息分布式存貯和并行處理為基礎，具有自學習、自組織的能力，在不需要知道數據分布形式和變量關系的情況下，通過積累線性學習，建立各影響因素之間的高度非線性映射關系，對殘缺不全和突變數據的處理有很強的容錯能力，基于大量的測試結果，對未來發展規律有較高的預測精度，圖3為包含一個隱層的BP神經網絡拓撲圖。

以MATLAB為程序平臺，借助其內部函數及工具箱，建立基于BP神經網絡算法的隧道工法選擇比選模型，根據影響因素確定網絡中的輸入層、兩個隱含層以及輸出層分別由四個神經元、十個隱含單元、三個隱含單元、三個輸出單元組成，如圖4所示。

2.2 確定學習樣本

將類似工程中已建山嶺隧道工程信息作為學習樣本，用以對類似工程中應選用哪種隧道開挖方法進行預測。表2為已建隧道項目類似工程信息構成的學習樣本，對表格中數據的值進行歸一化處理并輸入matlab程序，輸出結果（x，y，z）中的x，y，z分別代表全斷面法、臺階法和多部法對應的優選度。

將統計樣本進行歸一化處理導入已經編寫好的BP神經網絡中使用net=train（ net ，input ，output'）命令開始訓練，設置最大訓練次數epochs為5000，目標誤差為0.6*10^（-6），10輪回顯示一次結果，學習速率lr=0，05。

2.3 實例分析

新建崇禮鐵路新興堡隧道位于張家口市下花園區定方水鄉崔家莊北側，隧道起止里程為DK10+548.00～DK12+680，全長2132m，Ⅲ級長度710m，Ⅳ級長度490m，Ⅴ級長度794m，明洞138m。地層巖性主要為濕陷性黃土、弱風化砂礫巖、強風化砂礫巖等。

將該隧道應用到建立的隧道工法選擇BP神經網絡中，已有15組隧道信息作為訓練樣本，本項目暗挖段作為檢驗樣本，用以驗證該隧道工法比選模型的預測能力，表3為神經網絡輸出結果。由表可知，該隧道根據區段特征宜分別選用分步法、臺階法兩種開挖方法，實際設計施工方案中綜合采用了三臺階七步開挖法、分部法進行分段施工，具有一致性。

表3為通過15組類似工程數據樣本訓練的BP神經網絡所計算的結果，其分析結果與實際開挖方案具有較高的一致性，通過補充學習樣本，增加更多相關參量可進一步提高該模型預測的精準性。

3 結語

本文采用BP神經網絡的方法，基于MATLAB程序平臺，收集處理了15個相似已建隧道的工程信息為學習樣本，以新興堡隧道建設項目隧道開挖方法的預測與實際設計工法對比，研究結果表明基于BP神經網絡的隧道工法比選模型具有一定的可靠度，隨著數據樣本的補充，其精度可進一步提升，對輔助隧道工法初步設計，選擇合理開挖方案具有積極意義。

參考文獻

[1] 羅學東，范新宇，代貞偉，梅年峰，閆蘇濤.BP神經網絡模型在露天礦爆破振動參數預測中的應用及修正[J].中南大學學報（自然科學版），2013，44（12）：5019-5024.

[2] 陳濱掖.RBF神經網絡在低壓導線截面選擇中的應用[J].數字技術與應用，2018，36（11）：115-117+121.

[3] 李強，張海濤.復雜環境下地鐵隧道工法比選[J].江西建材，2016（22）：140-141.

[4] 劉曉慶.高速公路隧道設計方案三維智能優化方法研究[D].石家莊鐵道大學，2018.

[5] 張俊峰.基于BP神經網絡隧道施工巖爆預測研究[J].路基工程，2013（03）：200-203.

Application of BP Neural Network in Tunnel Engineering Design

SONG Hua-jun

（NO.4 Engineering Corporation Limited of CR20G， Shandong? Qingdao? 266061）

Abstract：BP neural network is applied to the tunnel in the process of construction method design. The surrounding rock grade， geological structure， tunnel location environment and hydrological characteristics are taken as the influencing factors， and the tunnel construction scheme database is established. Under the background of the rapid development of tunnel engineering， the transformation to the intelligent direction can complete the design work efficiently and reliably. In this paper， the application of BP neural network in tunnel engineering design will be explored.

Key words：BP algorithm; neural network; tunnel construction; engineering method comparison