[发明专利]一种基于BP神经网络的双桥静力触探数据的土层量化分层方法

权利要求书

1.一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，其特征在于，所述方法包括以下步骤：

①、双桥静力触探数据和土类分层信息的收集与整理：通过收集整理场地工程地质勘察报告、土工试验成果资料等，收集统计双桥静力触探孔沿深度的静力触探数据和土类分层信息；

②、建立双桥静力触探土质量化分层BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型；

③、对双桥静力触探土质量化分层BP神经网络预测模型进行训练：运用matlab软件，设定网络训练函数类型，输出层激活函数类型，最大迭代次数epochs，期望误差最小值设定值goal和修正权值的学习效率lr，对BP神经网络模型进行训练；

④、运用步骤③中已完成训练的双桥静力触探土质量化分层BP神经网络预测模型，通过双桥静力触探数据对土质类型进行预测；

⑤、根据工程需要确定分层精度，对预测结果进行并层处理，最终得到土质量化分层结果。

2.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，其特征在于：所述的双桥静力触探数据，包括：锥尖阻力q_c和侧壁摩阻力f_s；所述的土类划分信息，包括：粘土、粉质粘土、粉土和粉砂。

3.根据权利要求1所述的一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，其特征在于：所述的双桥静力触探土质量化分层BP神经网络模型采用1个输入层、1个输出层和1个隐含层的网络结构，具体建立过程按下列方式实施：

将沿深度的第n-2，n-1，n，n+1，n+2个锥尖阻力q_c值和n-2，n-1，n，n+1，n+2个侧摩阻力f_s值作为输入层，网络模型输入层由10维矢量构成：

X=[qcn-2,qcn-1,qcn,qcn+1,qcn+2,fsn-2,fsn-1,fsn,fsn+1,fsn+2]]]>

将第n个输入值对应深度点处的土质类型作为输出层，网络模型输出层为1维矢量构成：

Y＝[Tⁿ]Tⁿ∈{0,1,2，3}

Tⁿ表示第n个输入值对应深度处的土质类型，考虑到数值表达上的一致性，将土质类型输出结果值域转化为整数型，即分别以0、1、2、3代表粘土、粉质粘土、粉土和粉砂。