[發明專利]基于遺傳算法優化的BP神經網絡的回彈模量確定方法

有效

• 申請號: 202010049669.5
• 申請日: 2020-01-16
• 公開（公告）號: CN111259602B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 張軍輝;胡健坤;彭俊輝
• 申請（專利權）人: 長沙理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/14
• 代理公司: 西安知誠思邁知識產權代理事務所(普通合伙) 61237
• 代理人: 麥春明

1.基于遺傳算法優化的BP神經網絡的回彈模量確定方法，其特征在于，具體按照以下步驟進行：

步驟S1、選取土樣，測定影響土樣的回彈模量的各項物理指標，并測量所選土樣的回彈模量真實值；

步驟S2、依據測定的影響土樣的回彈模量的各項物理指標，建立BP神經網絡回彈模量確定模型；

步驟S3、基于多種群遺傳算法，優化BP神經網絡回彈模量確定模型；

步驟S4、采用步驟S3優化后的BP神經網絡回彈模量確定模型，確定待測土樣的回彈模量值；

所述步驟S1測定的影響土樣的回彈模量的各項物理指標包括土樣的液限、塑限、塑性指數、最大干密度、最佳含水率、細粒含量和基質吸力；

所述步驟S2得到的是以土樣的物性參數、狀態參數和應力參數為輸入、回彈模量為輸出的BP神經網絡回彈模量確定模型；

所述土樣的物性參數包括土樣的液限、塑限、塑性指數、最大干密度、最佳含水率、細粒含量，所述土樣的狀態參數包括其壓實度、基質吸力，所述土樣的應力參數包括其圍壓和偏應力；

所述步驟S2建立的BP神經網絡回彈模量確定模型是包含一個輸入層、一個隱含層和一個輸出層的三層神經網絡模型，其中，輸入層的節點數為10，隱含層的節點數為21，輸出層的節點數為1；

所述步驟S3是在給定的BP神經網絡的權值和閾值區間內，采用多種群遺傳算法優化尋求BP神經網絡的最佳權值和閾值，即通過多種群遺傳算法得到使BP神經網絡輸出的回彈模量值與其真實值的誤差范數最小、精確度最高的權值和閾值；

所述采用多種群遺傳算法尋求BP神經網絡的最佳權值和閾值的具體過程如下：

步驟S31、對BP神經網絡輸入層的參數進行歸一化，并在給定的區間內，對BP神經網絡的權值和閾值進行編碼，隨機生成多個關于權值和閾值的初始種群，初始種群中每個個體基因為一組權值和閾值的隨機組合u₁,u₂,u₃…u_t；

步驟S32、將當前的多個種群作為父代種群，對父代種群內部同時展開包括選擇、交叉、變異、重組的遺傳操作，進行遺傳算法優化，形成子代種群；

步驟S33、對形成的子代種群進行移民操作，依次使用當前子代種群中的最優個體覆蓋其他子代種群的最劣個體；

步驟S34、使用函數y＝f(u₁,u₂,u₃…u_t)對子代種群中的個體按照y越小u₁,u₂,u₃…u_t越優的評價標準進行優劣性評價，確定最優個體即最優組u₁,u₂,u₃…u_t，其中，f為預測誤差范數。

2.根據權利要求1所述的基于遺傳算法優化的BP神經網絡的回彈模量確定方法，其特征在于，所述步驟S1回彈模量真實值的測量，是先采用YAW-2000B微機控制電液伺服壓力試驗機分5層靜壓制得所需土樣試件，然后采用重復三軸加載試驗方法對土樣試件進行重復三軸加載，最后測量土樣試件產生的應力和回彈應變值，計算得到回彈模量值。

3.根據權利要求1所述的基于遺傳算法優化的BP神經網絡的回彈模量確定方法，其特征在于，所述基質吸力是通過壓力板儀測定，并采用Fredlund-Xing模型對測定結果進行擬合分析得到土-水特征曲線，即得到不同含水率和不同壓實度下路基土的基質吸力值；

所述Fredlund-Xing模型為：

上式中，θ_ω為體積含水率，θ_s為飽和含水率，ψ為土體基質吸力，ψ_r為殘余含水率對應的基質吸力，a、b和c均為Fredlund-Xing模型的擬合參數。