[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

本發明實施例提供了一種基于遺傳算法優化的BP神經網絡的回彈模量確定方法，先選取土樣，測定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；并測量所選土樣的回彈模量真實值；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；然后基于多種群遺傳算法，優化BP神經網絡回彈模量確定模型，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；最后采用基于多種群遺傳算法優化的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。該方法準確性和效率高，泛化性強。

技術領域

本發明屬于道路工程技術領域，涉及一種基于遺傳算法優化的BP神經網絡的回彈模量確定方法。

背景技術

回彈模量作為路基土抗變形能力的表征參數，描述了路基土在不同荷載作用下的非線性應力應變特性，同時能夠反應行車荷載作用下的動態特征。回彈模量在路面設計中尤為重要，在路面結構設計和性能評價中得到廣泛應用。目前，我國《公路水泥混凝土路面設計規范》(JTG D40-2015)、《公路瀝青路面設計規范》(JTG D50-2017)都以回彈模量作為設計中的重要參數。

路基土回彈模量值的確定方法可分為三類：(1)根據FWD(Falling WeightDeflectometer，落錘式彎沉儀)等無損檢測技術得到檢測數據進行反算；(2)室內條件下采用重復三軸試驗直接對試樣進行測試；(3)建立路基土回彈模量確定模型。現場彎沉盆反算局限于改建道路設計，重復三軸試驗設備操作繁雜且耗時較長，不適用于工程使用。因此，建立確定模型的方法具有簡單、高效的特點，是現今獲得回彈模量值的主要方法。

雖然采用傳統方法建立的回彈模量確定模型，能夠實現多種土樣回彈模量的同時確定，但精度低、確定偏差大的問題仍然存在。隨著計算機技術的發展，有研究者采用人工智能的方法對回彈模量進行確定，此種確定方式不僅可以省略建模過程，而且同時能夠省去繁雜的參數擬合。如中國專利(CN 104142279)所公開的一種路基土動態回彈模量確定系統及方法，其不能反映基質吸力等對回彈模量的影響，但有研究者已經證明此參數對回彈模量值得影響較大，不可缺少。因此，因為參數的缺少，其確定精度較差；并且此確定方法只能確定一種土樣的回彈模量，針對不同土樣需要重新建立新的確定方法，操作繁瑣，耗時耗力，泛化性不佳。

發明內容

本發明實施例的目的在于提供一種基于遺傳算法優化的BP神經網絡的回彈模量確定方法，以解決現有采用傳統方法建立的回彈模量確定模型的建立過程繁瑣、精度低、確定偏差大的問題，以及現有回彈模量確定方法僅能確定一種土樣的回彈模量、泛化性不佳的問題。

本發明所采用的技術方案是，基于遺傳算法優化的BP神經網絡的回彈模量確定方法，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；