神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座

1同濟(jì)大學(xué)地下系顧劍波1332719BP神經(jīng)網(wǎng)絡(luò)在巖土工程上應(yīng)用神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第1頁2

BP神經(jīng)網(wǎng)絡(luò)介紹

BP神經(jīng)網(wǎng)絡(luò)算法

BP神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)

目錄

實(shí)際工程案例分析

結(jié)論與提議神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第2頁3

BP神經(jīng)網(wǎng)絡(luò)介紹

神經(jīng)元解剖圖

神經(jīng)網(wǎng)絡(luò)基本模型神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第3頁4

BP（BackPropagation）網(wǎng)絡(luò)是1986年由Rumelhart和McCelland為首科學(xué)家小組提出，是一個(gè)按誤差逆?zhèn)鬏斔惴ㄓ?xùn)練多層前饋網(wǎng)絡(luò)，是當(dāng)前應(yīng)用最廣泛神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系數(shù)學(xué)方程。當(dāng)前，在人工神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用中，決大部分神經(jīng)網(wǎng)絡(luò)模型是采取BP網(wǎng)絡(luò)和它改變形式。BP網(wǎng)絡(luò)主要用于：

BP神經(jīng)網(wǎng)絡(luò)介紹

◆函數(shù)迫近◆模式識(shí)別◆分類◆數(shù)據(jù)壓縮神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第4頁5基本BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)b1bia1c1cqcjahbpan………………Wp1WiqWpjW1qW1jWij11W11WpqWi1Vh1VhiV1iVn1VniV1pVhpVnp輸出層LC隱含層LB輸入層LAWV神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第5頁6（1）輸入層不計(jì)在層數(shù)之內(nèi)，它有個(gè)神經(jīng)元．設(shè)網(wǎng)絡(luò)共有L層；輸出層為第L層；第k層有個(gè)神經(jīng)元．假設(shè)：(2)設(shè)表示第k層第i神經(jīng)元所接收信息wk(i,j)表示從第k-1層第j個(gè)元到第k層第i個(gè)元權(quán)重，表第k層第i個(gè)元輸出

BP神經(jīng)網(wǎng)絡(luò)算法多層前饋網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第6頁7（3）設(shè)層與層間神經(jīng)元都有信息交換（不然，可設(shè)它們之間權(quán)重為零）；但同一層神經(jīng)元之間無信息傳輸．(4)設(shè)信息傳輸方向是從輸入層到輸出層方向；所以稱為前向網(wǎng)絡(luò)．沒有反向傳輸信息．

（5）表示輸入第j個(gè)分量．

BP神經(jīng)網(wǎng)絡(luò)算法神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第7頁8在上述假定下網(wǎng)絡(luò)輸入輸出關(guān)系能夠表示為：其中表示第k層第i個(gè)元閾值.神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第8頁9輸入數(shù)據(jù)求實(shí)際輸出與期望輸出之間誤差誤差是否滿足要求調(diào)整神經(jīng)網(wǎng)（經(jīng)過修改權(quán)值）否結(jié)束開始

BP神經(jīng)網(wǎng)絡(luò)算法層與層之間怎樣傳遞：傳遞函數(shù)誤差判別公式：性能函數(shù)怎樣調(diào)整權(quán)值：訓(xùn)練函數(shù)與偏差學(xué)習(xí)函數(shù)三個(gè)主要概念是正向傳遞反向傳遞神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第9頁10

BP神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)newff創(chuàng)建前向BP網(wǎng)絡(luò)格式：net=newff(PR,[S1S2...SNl],{TF1TF2...TFNl},BTF,BLF,PF)

其中：PR——R維輸入元素R×2階最大最小值矩陣；

Si——

第i層神經(jīng)元個(gè)數(shù)，共N1層；

TFi——

第i層傳遞函數(shù)，默認(rèn)‘tansig’；

BTF——BP網(wǎng)絡(luò)訓(xùn)練函數(shù)，默認(rèn)‘trainlm’;BLF——BP權(quán)值/偏差學(xué)習(xí)函數(shù)，默認(rèn)’learngdm’PF——

性能函數(shù)，默認(rèn)‘mse’；（誤差）神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第10頁11（1）purelin——

線性傳遞函數(shù)；（2）tansig——

雙曲正切S型（sigmoid）傳遞函數(shù)；（3）logsig——

對(duì)數(shù)S型（sigmoid）傳遞函數(shù)；1、傳遞函數(shù)：（1）（2）（3）神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第11頁122、訓(xùn)練函數(shù)：trainlm——Levenberg-MarquardtBP算法訓(xùn)練函數(shù)；trainbfg——BFGS擬牛頓BP算法訓(xùn)練函數(shù)；trainrp

——

含有彈性BP算法訓(xùn)練；traingd

——

梯度下降是BP算法訓(xùn)練;traingda

——

梯度下降自適應(yīng)lrBP算法訓(xùn)練；traingdm——梯度下降動(dòng)量BP算法訓(xùn)練；traingdx——梯度下降動(dòng)量和自適應(yīng)lrBP算法訓(xùn)練；BP權(quán)值偏差/學(xué)習(xí)函數(shù)與性能函數(shù)普通取默認(rèn)值！神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第12頁13實(shí)際工程案例分析

紫金港路位于友好杭州示范區(qū)關(guān)鍵區(qū)域，南鄰西溪國(guó)家濕地公園，北接浙江大學(xué)新校區(qū)，作為區(qū)塊內(nèi)主要南北向骨架道路交通地位十分主要。

紫金港隧道工程全長(zhǎng)2.65公里，其漢字一西路北側(cè)約0.5公里為地面道路，然后自南向北依次下穿余杭塘河、余杭塘路(規(guī)劃)、浙大南通道(規(guī)劃)、俞家河、浙大北通道(擬建)、族濱漾、育英路(規(guī)劃)、留石快速路，在穿越留石快速路后接地面道路，下穿隧道全長(zhǎng)2.16公里。隧道為雙向四車道，中間隔斷，等級(jí)為城市主干道。地下立交三維模型神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第13頁14R-R擋墻剖面圖目標(biāo)?。。〗?jīng)過歷史觀察得到R-R擋墻位移數(shù)據(jù)來預(yù)估今后一周擋墻位移實(shí)際工程案例分析神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第14頁15第一步：數(shù)據(jù)處理，選取9月份（1號(hào)~30號(hào)）R-R擋墻位移觀察值整理成一張excel表第二步：輸入、輸出層設(shè)計(jì)輸入層：3+1，即經(jīng)過前兩天以當(dāng)日位移數(shù)據(jù)（3）來預(yù)測(cè)明天擋墻位移（1）輸出層：輸出明天擋墻位移第三步：隱層設(shè)計(jì)層數(shù)：1層神經(jīng)元：8個(gè)（經(jīng)過調(diào)試，8個(gè)比很好）采取技術(shù)：多步預(yù)測(cè)技術(shù)，時(shí)間窗口滾動(dòng)技術(shù)實(shí)際工程案例分析神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第15頁16

MATLAB程序Data=xlsread(‘SepData’);%讀入9月份擋墻位移實(shí)測(cè)值數(shù)據(jù)P=[];T=[];Step=7;%預(yù)測(cè)步長(zhǎng)選為7fori=1:18P=[P,Data(:,i+1:i+3)'];End%得到輸入向量，采取多步預(yù)測(cè)技術(shù)fori=5:22T=[T,Data(:,i)'];End%得到目標(biāo)向量，即期望輸出Pr=minmax(P);%獲取輸入向量最大最小值net=newff(Pr,[8,1],{‘logsig’,‘purelin’},‘traingd’);%創(chuàng)建BP網(wǎng)絡(luò)net.trainparam.show=50;%每次循環(huán)50次net.trainParam.epochs=6000;%最大循環(huán)6000次net.trainParam.lr=0.05;%設(shè)置學(xué)習(xí)速率net.trainparam.goal=0.05;%期望目標(biāo)誤差最小值net=train(net,P,T);%對(duì)網(wǎng)絡(luò)進(jìn)行重復(fù)訓(xùn)練p=Data(:,22:24)';fori=1:Stepp(i+3,:)=sim(net,p(i:i+2,:));End%得到預(yù)估值，采取時(shí)間窗口滾動(dòng)技術(shù)

采取9月1日~9月20日實(shí)測(cè)結(jié)果作為訓(xùn)練樣本，訓(xùn)練BP網(wǎng)絡(luò)采取9月21、22、23日數(shù)據(jù)作為樣本數(shù)據(jù)預(yù)測(cè)9月24~30日擋墻位移值神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第16頁17

工程實(shí)例9月24日實(shí)測(cè)數(shù)據(jù)與預(yù)估數(shù)據(jù)對(duì)比圖神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第17頁189月30日實(shí)測(cè)數(shù)據(jù)與預(yù)估數(shù)據(jù)對(duì)比圖神經(jīng)網(wǎng)絡(luò)在巖土工程上的應(yīng)用專家講座第18頁19

結(jié)論與提議