[發(fā)明專利]基于LHS的BP神經(jīng)網(wǎng)絡參數(shù)標定方法

在審

• 申請?zhí)枺?/td>: 201911281215.4
• 申請日: 2019-12-11
• 公開（公告）號: CN111159935A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計）人: 錢建固;徐巍;吳安海
• 申請（專利權(quán)）人: 同濟大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/13;G06N3/04;G06F119/14
• 代理公司: 上?？坡蓪＠硎聞账?特殊普通合伙) 31290
• 代理人: 葉鳳

本發(fā)明公開了一種基于LHS的BP神經(jīng)網(wǎng)絡參數(shù)標定方法，并將其應用到土體力學參數(shù)的標定中，包含以下步驟：建立有限元模型；參數(shù)敏感度分析；確定待標定參數(shù)及其范圍；LHS抽樣；建立訓練集和驗證集；訓練BP神經(jīng)網(wǎng)絡；驗證BP神經(jīng)網(wǎng)絡；土體力學參數(shù)標定。本發(fā)明利用了LHS抽樣能夠構(gòu)造出數(shù)量少卻極具代表性樣本的特點和BP神經(jīng)網(wǎng)絡強大的非線性映射能力，給土體力學參數(shù)標定帶來了新的模式。這種標定方法既避免了基于梯度優(yōu)化算法易陷入局部最優(yōu)的缺點也彌補了隨機優(yōu)化算法需要大量有限元計算的不足，可以較好地應用到土體力學參數(shù)標定中，并且可以推廣到其他需要進行參數(shù)標定的領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明屬于優(yōu)化分析、參數(shù)標定領(lǐng)域，具體是將一個獨特的采樣方法和一種智能算法結(jié)合起來進行參數(shù)標定，在提高準確度的同時，減少了樣本的數(shù)量，提升了效率。

背景技術(shù)

生產(chǎn)過程普遍存在著一些參數(shù)標定問題，需要通過實測結(jié)果反推參數(shù)，這在數(shù)學上可以歸結(jié)成一個優(yōu)化問題。

上世紀70年代，一些參數(shù)標定技術(shù)開始應用于工程實際，從最初的傳統(tǒng)優(yōu)化算法到現(xiàn)在的智能優(yōu)化算法。傳統(tǒng)優(yōu)化算法的主要思想都是由迭代算法而來的，主要有Powell法、梯度法、共軛梯度法、牛頓法、DFP法等等。這些優(yōu)化算法都是從單個初始值迭代求解最優(yōu)解，容易誤入局部最優(yōu)解。傳統(tǒng)的最優(yōu)化方法有較大的局限性。它往往要求目標函數(shù)是凸的、高階連續(xù)可微的，可行域是凸集，而且其處理非確定性信息的能力很差，優(yōu)化結(jié)果與初始值的選擇密切相關(guān)。這些弱點限制了傳統(tǒng)優(yōu)化算法在復雜系統(tǒng)中的應用。

近些年來，一些隨機優(yōu)化算法(遺傳算法、粒子群算法、禁忌搜索和蟻群算法等)被引入到參數(shù)標定領(lǐng)域，隨機優(yōu)化算法的尋優(yōu)能力要強于梯度算法，其缺點就是需要進行大量的計算，這將耗費大量算力和時間。在實際工程中運用代價較大。

巖土工程領(lǐng)域同樣存在著參數(shù)標定問題，尤其是在有限單元法的應用過程中。有限元計算結(jié)果的準確性很大程度上取決于土體參數(shù)選取的準確性。由于土體的高度非線性和離散性，從室內(nèi)試驗或現(xiàn)場試驗獲得的土體力學參數(shù)與實際力學參數(shù)相比，有著較大的差異，這導致有限元計算結(jié)果和實測結(jié)果相差甚遠，所以要對土體參數(shù)進行標定，這樣有限元的計算結(jié)果才會更加準確。需要找到一種更加高效的參數(shù)標定方法，克服傳統(tǒng)梯度算法和隨機優(yōu)化算法的缺點。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡參數(shù)標定技術(shù)，并將其應用到巖土工程領(lǐng)域的參數(shù)標定問題中。

為了達成上述目的，本發(fā)明采用了如下技術(shù)方案，基于Latin hypercubesampling(LHS)的BP神經(jīng)網(wǎng)絡參數(shù)標定技術(shù)的步驟(巖土工程領(lǐng)域的應用)如下：

(1)建立有限元模型；

(2)參數(shù)敏感度分析；

(3)確定待標定參數(shù)及其范圍；

(4)LHS抽樣；

(5)建立訓練集和驗證集；

(6)訓練BP神經(jīng)網(wǎng)絡；

(7)驗證BP神經(jīng)網(wǎng)絡，若不通過，則調(diào)整神經(jīng)網(wǎng)絡的結(jié)構(gòu)并繼續(xù)訓練神經(jīng)網(wǎng)絡；

(8)根據(jù)監(jiān)測數(shù)據(jù)，利用訓練完畢的BP神經(jīng)網(wǎng)絡，進行土體力學參數(shù)的標定。

進一步的，所述步驟(1)中，建立對應工程類型的有限元模型，比如基坑、隧道和旁壓試驗等，有限元模型可以由通用有限元軟件ABAQUS建立。

進一步的，所述步驟(2)中，采用CSS(composite scaled sensitivity)指標評價參數(shù)的敏感性。

進一步的，所述步驟(3)中，選取敏感度大的參數(shù)作為待標定的參數(shù)，并根據(jù)當?shù)氐牡乜辟Y料大致確定參數(shù)的范圍。