- 相關推薦
膨脹土判別與分類的BP神經(jīng)網(wǎng)絡方法研究
膨脹土判別與分類的BP神經(jīng)網(wǎng)絡方法研究,主要針對膨脹土判別進行論述，歡迎大家借鑒哦!
摘要：本文主要介紹了應用MATLAB神經(jīng)網(wǎng)絡工具箱，建立了針對膨脹土脹縮等級進行判別和分類的BP網(wǎng)絡方法。結果表明，采用該方法進行判別和分類是準確和可靠的。
關鍵詞：膨脹土 判別與分類 MATLAB BP神經(jīng)網(wǎng)絡
引言
膨脹土(Expansive Soil)是土中粘粒成分主要由親水性礦物(主要是蒙脫石、伊利石)組成，同時具有顯著的吸水膨脹和失水收縮兩種變形特征的粘性土，并且具有長期性、反復性和潛在性的特點。由于這種土在我國有廣泛的分布，這就給在膨脹土地區(qū)進行工程建設帶來了很多困難。要鑒別某種土的膨脹性，判別指標的選取原則除了要反映決定膨脹土的主要因素以外，還要便于工程的實際應用。
1膨脹土及其特征
根據(jù)第二次國際膨脹土研究會議上的結論，膨脹土的定義為一種對于環(huán)境變化，特別是對于是濕度變化非常敏感的土。其反映是發(fā)生吸水膨脹和失水收縮，產(chǎn)生膨脹壓力，影響土的膨脹性的主要礦物是蒙脫石。能否充當膨脹土判別指標，主要看它是否滿足：①能反映膨脹土的本質;②指標的測定簡單便捷;③指標數(shù)據(jù)可靠，重現(xiàn)性好。為了合理判別膨脹土并進行分類，必須認真研究反映膨脹土基本性質的各指標間的關系，以及這些指標的組合規(guī)律。
2 BP網(wǎng)絡模型與結構
反向傳播網(wǎng)絡(Back-Propagation Network，簡稱BP網(wǎng)絡)是將W-H學習規(guī)則一般化，對非線性可微分函數(shù)進行權值訓練的多層網(wǎng)絡。
BP神經(jīng)網(wǎng)絡結構體系一般由三個部分組成，即輸入層、中間隱含層與輸出層。其算法步驟如下：
(1)用任意小的隨機數(shù)設置全部權值和各神經(jīng)元殘差的隨機數(shù)。
(2)給定輸入與期望輸出值
(3)通過神經(jīng)網(wǎng)絡之間前向傳播計算各層節(jié)點的輸出值
①重復迭代計算，知道實際輸出與期望輸出的均方差小于某一給定值ε為止，網(wǎng)絡學習結束。
②用學習好的神經(jīng)網(wǎng)絡，輸入要預測的樣本參數(shù)，就可以直接得到相應的預測結果。
本文根據(jù)國內(nèi)外學者已有的研究成果，擬采用液限、塑限指數(shù)、自由膨脹率、<0.002mm顆粒含量以及比表面積作為膨脹土判別與分類的指標，利用MATLAB神經(jīng)網(wǎng)絡網(wǎng)絡工具箱，建立一種針對膨脹土進行判別和分類的BP網(wǎng)絡方法，利用BP網(wǎng)絡映射能力，通過對已有數(shù)據(jù)的學習和訓練，建立膨脹土特征指標與膨脹土脹縮等級之間的對應關系，進而實現(xiàn)對未知土樣的判別與分類。
3基于BP網(wǎng)絡的膨脹土判別與分類方法
3.1膨脹土分類等級的量化
(1)自由膨脹率：是用的最多最廣泛的指標，反映土的膨脹潛在勢能。是指將固定體積的分散烘干土樣放在蒸餾水中任其自由膨脹，待其變形穩(wěn)定后，求出的變形百分率;
(2)脹縮總率：該指標能反映土中礦物成分，粒度組成等特性;
(3)塑性指數(shù)：粘土呈塑性狀態(tài)的含水率變化范圍，塑性上下限含水量的差值為塑性指數(shù);
(4)液限：土從流動狀態(tài)轉變?yōu)榭伤軤顟B(tài)的界限含水率，塑態(tài)與流態(tài)的界限含水量。
(5)粒度組成：土中小于0.002mm膠粒成分的含量愈高，一般表明蒙脫石成分較多，分散性較好，比表面積大，親水性強，膨脹性愈大。
由于本方法將采用輸出層為3個神經(jīng)元的BP神經(jīng)網(wǎng)絡來處理膨脹土分類的預測問題。因此，我們將以下分類等級量化為一向量，具體形式如下表所示。
3.2 BP神經(jīng)網(wǎng)絡的建立、學習和訓練
人工神經(jīng)網(wǎng)絡方法是模擬人的智能的一種方法，神經(jīng)元網(wǎng)絡系統(tǒng)是一種自適應的高度非線性系統(tǒng)。利用取樣區(qū)已知的膨脹土樣品作為典型學習樣本，在綜合分析的基礎上，確定影響膨脹土脹縮特性的主要因素作為判別參數(shù)，作為輸入層各節(jié)點的輸入值。根據(jù)不同樣品的脹縮等級，給定輸出各節(jié)點的期望輸出值，對已知樣本進行學習訓練，直到神經(jīng)網(wǎng)絡掌握數(shù)據(jù)間的關系為止。
在膨脹土判別與分類中，指標的選擇必須在研究其脹縮機理的基礎上進行，選擇表征膨脹土特征的相對獨立指標，經(jīng)分析后，確定判別因子為液限、塑限指數(shù)、自由膨脹率、<0.002mm顆粒含量以及比表面積。
具體步驟為：
(1)網(wǎng)絡的建立
4網(wǎng)絡仿真
通過訓練得到收斂的BP神經(jīng)網(wǎng)絡后，就可以用測試樣本對對網(wǎng)絡性能進行檢查，其結果如下表。
由上表可以看出，神經(jīng)網(wǎng)絡對于膨脹土的預測準確度在87.5%左右，由此可以得出，利用訓練得到的收斂BP網(wǎng)絡對膨脹土脹縮指標進行預測是可靠也是可行的。
5結束語
本文簡要介紹了膨脹土的性質和常用分類方法，建立了應用BP神經(jīng)網(wǎng)絡對膨脹土進行脹縮性判別與分類的方法，得到了滿意的結果，具體來說，得到了以下幾點認識：
(1)神經(jīng)網(wǎng)絡理論可以將人們對客觀世界的感受和判定與定量結合起來，提高了判別預測的準確性;
(2)由于神經(jīng)網(wǎng)絡處理信息的分布式存儲方式，各輸入變量對輸出變量的影響在對樣本進行學習時已經(jīng)在網(wǎng)絡的內(nèi)部表達出來，網(wǎng)絡建立起來的非線性關系是非常復雜的，一般對膨脹土進行判別與分類的經(jīng)驗公式是難以表達這種復雜的非線性對應關系;
�、賯鹘y(tǒng)的統(tǒng)計回歸方法是研究膨脹土的普遍方法，也比較有效的解決了膨脹土判別和分類的基本問題。就其回歸方法本身，其中隱含著判別因子同脹縮性之間存在著沒有確定關系的假定，而神經(jīng)網(wǎng)絡無需建立基于某種理論的經(jīng)驗統(tǒng)計關系;
�、谏窠�(jīng)網(wǎng)絡有其獨特的聯(lián)想記憶能力，在處理復雜的判別及模式識別問題方面比傳統(tǒng)的統(tǒng)計方法具有更強的能力。
綜上所述，人工神經(jīng)網(wǎng)絡具有智能化及計算機化的特點，有望成為膨脹土工程地質領域進行預測判定的有效方法，具有較好的實用價值。
參考文獻
[1]施斌，李生林，杜延軍，中國膨脹土工程地質研究，自然，1997，19(2);82～86.
[2]叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡理論與應用[M].合肥：中國科技大學出版社，1998.
【膨脹土判別與分類的BP神經(jīng)網(wǎng)絡方法研究】相關文章：
基于改進BP的神經(jīng)網(wǎng)絡模型參考自適應控制10-06
BP神經(jīng)網(wǎng)絡在無人機成本估算中的應用10-07
樂器分類體系研究10-06
基于魚群神經(jīng)網(wǎng)絡的信息安全性評價與研究論文10-08
通貨膨脹預期對我國經(jīng)濟的影響分析及對策研究10-08
楚辭研究方法10-08
新探級數(shù)收斂的判別方法數(shù)學論文摘要10-08
黑翅土白蟻防治方法11-15