[发明专利]一种基于神经网络的基坑开挖监测预警方法

权利要求书

1.一种基于神经网络的基坑开挖监测预警方法，其特征在于，包括如下步骤：

⑴基坑位移监测点的布置

根据《建筑基坑工程监测技术规范》GB50497-2009和《基坑工程施工监测规程》(DG/TJ08-2001-2006)，在监测基坑开挖面以外3倍开挖深度(3H)的稳定无变形区域布置M个位移监测基准点，在基坑坡顶部位或围护墙顶沿基坑周边布设L个位移监测点，位移监测基准点和位移监测点共同形成开挖面的位移变形监测控制网，随着基坑的开挖监测基坑坡顶在不同开挖深度的水平位移和竖向位移；

⑵基坑坡顶不同开挖深度的水平和竖向位移的确定

取坡顶周边的一段为例，此段上监测点的个数为N，

水平位移数据：X_Hi(h_j)(i＝1,2,…,N；j＝1,2,…,n)，

竖向位移数据：X_Vi(h_j)(i＝1,2,…,N；j＝1,2,…,n)，

其中，N表示基坑此段上所设监测点的个数，n表示监测过程中所取监测位移的总次数；

⑶基坑坡顶不同开挖深度的水平和竖向位移均值的确定

用N个监测点的水平和竖向位移均值作为该段基坑在开挖过程中的变形量，可用式(1)和(2)表示

水平位移均值

竖向位移均值

令作为后面建模程序的原始数据；

⑷基于基坑位移的BP神经网络模型的确立

①BP神经网络模型的确立

根据BP神经网络预测方法建模原理，确定BP网络模型由三部分组成，包括输入层、隐含层和输出层，输入层单元个数为一，由开挖深度向量组[h₁,h₂,…,h_n]表示；输出层单元个数为一，由基坑位移向量组[Y_H(h₁),Y_H(h₂),…，Y_H(h_n)]或[Y_V(h₁),Y_V(h₂),…,Y_V(h_n)]表示；输入层到隐含层的权值和阈值分别为w_jk和θ_jk，隐含层到输出层的权值和阈值分别为v_kj和γ_kt；

②BP神经网络模型确立的算法

1)根据BP神经网络模型图，中间隐含层各个神经元的净输入和输出分别用式(1)和(2)表示：

b_k＝f(S(k))＝1/(1+e^-S(k))(k＝1,2,…,p) (2)

其中，j为输入向量组中元素的个数，k为隐含层单元的个数；

2)输出层各个神经元的净输入和实际输出分别用式(3)和(4)表示：

c_t＝f(S(t))＝1/(1+e^-S(t))(t＝1,2,…,n) (4)

其中，t为输出向量组中元素的个数；

3)根据给定的期望输出Y(h_j)，计算输出层各个神经元的校正误差d_t，用式(5)表示：

d_t＝(Y(h_j)-c_t)f′(S(t))(t＝1,2,…,n) (5)

4)隐含层各个神经元的校正误差e_k，用式(6)表示：

5)修正隐含层至输出层的连接权V和输出层神经元的阈值γ，其中α为学习速率，0＜α＜1

Δv_kt＝α·d_t·b_k(k＝1,2,…,p；t＝1,2,…,n) (7)

Δγ_kt＝α·d_t(t＝1,2,…,n) (8)

6)修正输入层至隐含层的连接权W和隐含层神经元的阈值θ，其中β为学习速率，0＜β＜1

Δw_jk＝β·e_k·h_j(j＝1,2,…,n；k＝1,2,…,p) (9)

Δθ_jk＝β·e_k(k＝1,2,…,p) (10)

随机选取下一个学习模式对提供给网络，直至全部学习模式对训练完毕，判断网络全局误差是否满足精度要求，若满足则结束，否则继续；

⑸深基坑变形预测中神经网络程序的编制

根据步骤⑷确定的BP神经网络模型，并运用MATLAB神经网络工具箱可求出基坑位移预测值，把开挖深度向量组[h₁,h₂,…,h_n]作为输入样本，把位移向量组[Y_H(h₁),Y_H(h₂),…，Y_H(h_n)]或[Y_V(h₁),Y_V(h₂),…,Y_V(h_n)]作为目标矢量调入到工具箱可得到网络输出，即为下一开挖深度h_n+1的位移预测值；

⑹基坑分步开挖的监测点水平与竖向位移均值预测

步骤⑸编制的BP神经网络程序根据开挖h₁,h₂,…,h_n深度时的位移实测值得出了开挖h_n+1深度的位移预测值，再根据开挖h₁,h₂,…,h_n,h_n+1深度的位移实测值可得出开挖深度h_n+2的预测值，建模与预测同时进行，一直预测下去，直至可反映基坑变形的规律；具体地：

(S1)利用基坑开挖h₁,h₂,…,h_n深度时的监测位移值建立神经网络预报模型；利用预报模型得出了基坑开挖h_n+1深度的水平位移均值预测数据和竖向位移均值预测数据此位移可以为信息化施工设计提供主要参考数据；

(S2)继续施工，监测并计算得出基坑开挖h_n+1深度的水平位移均值实际数据Y_H(h_n+1)和竖向位移均值实际数据Y_V(h_n+1)，并与(S1)中求出的水平位移均值预测数据和竖向位移均值预测数据做比较，得出相对误差和当相对误差在±5％之内时，说明此预测模型可靠，继续下一步的预测分析；当相对误差在±5％之外时，分析其原因并调整权值和阈值，重新建立预测模型，直至相对误差满足要求；

(S3)再利用开挖h₁,h₂,…,h_n+1深度时的监测位移值重新建立神经网络模型，预测开挖h_n+2深度的水平位移均值和竖向位移均值

(S4)再继续施工，监测并计算得出基坑开挖h_n+2深度的水平位移均值实际数据Y_H(h_n+2)和竖向位移均值实际数据Y_V(h_n+2)，并与(S3)中求出的水平位移均值预测数据和竖向位移均值预测数据做比较，得出相对误差和当相对误差在±5％之外时，分析其原因并调整权值和阈值，重新建立预测模型，直至相对误差满足要求；当相对误差在±5％之内时，说明此步预测模型可靠，继续下一步的预测分析；

⑺基坑稳定性的分析与评价

步骤⑹中监测点位移预测值经过调整达到了误差要求，然后再与不同等级预警值做比较，如果监测点位移预测值小于蓝色预警等级报警值，则基坑稳定，按原方案开挖；如果监测点位移预测值超过的蓝色报警值，则表明基坑进入不稳定初级阶段，此时应发布蓝色预警，引起施工人员注意，提前加强加固措施；如果监测点位移预测值超过的橙色报警值，表明基坑进入不稳定中级阶段，此时应发布橙色预警，同时调整开挖方案，施工人员进一步优化加固措施；如果监测点位移预测值超过的红色报警值，表明基坑即将失稳，在进行下一步开挖后会产生过大位移从而导致基坑侧壁失稳，此时应停止开挖，进一步强化加固措施并做好及时撤离人员准备。