[发明专利]一种模糊神经网络模型及深基坑变形智能预测方法

说明书

技术领域

本发明涉及一种基于多变量相空间重构的模糊神经网络模型、以及利用该模糊神经网络模型对深基坑变形进行智能预测的方法。

背景技术

90年代以来，国家基础工程建设及城市高层住房建设的迅猛发展，导致深基坑开挖的坑壁稳定及其环境效应监测成为日益关注的问题。由于深基坑工程施工无法摆脱空间、时间、自然环境、人为等众多因素的影响，工程事故的概率仍然偏高，危害较大。

影响深基坑变形的因素很多且互为关联、相互制约，例如基坑开挖深度、土层分布及土的物理学参数、水文条件（包括地下水位和承压水等）、基坑面积、基坑长宽比、围护结构刚度等。因此，实时地采集和有效处理这些相互关联的数据，及时判断各种数据是否异常，提前给出安全控制措施，是确保深基坑工程安全的必然途径。

发明内容

本发明目的是：深基坑变形预测一直是土木工程研究的热点问题之一。能够准确地、持续地预报深基坑变形情况，对于基坑工程的设计者和管理者来说极为重要。鉴于深基坑变形问题属于一类带有时序变化的多变量非线性系统，预测结果的模糊性和不确定性是其固有的属性，所以预测总是趋向于带有某种程度的误差，难以精确化。针对这一类带有模糊特性的变化系统，模糊推理逻辑为变化预测提供了一种可能的解决方案。此外，对于该系统兼有多变量、非线性和时变性的特征，引入一种基于多变量相空间重构技术的神经网络智能计算方法，对其变化进行建模。综合以上分析，本发明提出了一中基于多变量相空间重构的模糊神经网络模型、以及利用该模糊神经网络模型对深基坑变形进行智能预测的方法。

本发明的技术方案是：一种基于多变量相空间重构的模糊神经网络模型，包括模糊化接口、模糊规则知识库、模糊推理机和反模糊器四个功能模块，其中：模糊化接口将检测输入变形变量的清晰值根据其模糊度划分和隶属度函数转换成合适的模糊值；模糊规则知识库中存储有关基坑变形领域知识和要求的控制目标，每一条模糊规则知识在基坑变形预测推理中的权重，由人工神经网络的学习机制来动态调整；模糊推理机模拟人基于模糊概念的推理能力，利用模糊规则库中的模糊“if-then”规则，将已有事实转换成某种推理结果；反模糊器将模糊结果转化为实际用于深基坑变形预测的清晰量。

一种利用上述模糊神经网络模型对深基坑变形进行智能预测的方法，包括以下五个步骤：

步骤一、选取基坑变形动态变化的主要影响因素，

影响基坑变形的因素包括开挖深度D、地下水位W、测点深度H1、桩的刚度EI、桩的入土深度H2、基坑开挖面以上的土的粘聚力的加权平均值基坑开挖面以上的土的内摩擦角的加权平均值基坑开挖面以上的土的重度的加权平均值基坑开挖面以下的土的粘聚力的加权平均值基坑开挖面以下的土的内摩擦角的加权平均值以及基坑开挖面以下的土的重度的加权平均值根据具体问题和数据收集难易程度选取变量序列；

步骤二、确定延滞时间τ和嵌入维数m，

对于基坑应力动态的多变量时间序列的时间延迟τ和嵌入维数m的选取，需针对各变量子序列{x_i，n}，采用单变量时间序列确定延迟时间和嵌入维数的方法来分别选取各变量子序列的延滞时间τ_i和各变量子序列的嵌入维数m_i，然后利用所得的参数按照式（1）对基坑变形动态的多变量时间序列进行相空间重构得到N-J₀+1个相点V_n，