[發明專利]一種基于BAS-BP模型的深基坑開挖地表沉降預測方法

在審

• 申請號: 202010979780.4
• 申請日: 2020-09-17
• 公開（公告）號: CN112035941A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 黃超;楊帆
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 上海思牛達專利代理事務所(特殊普通合伙) 31355
• 代理人: 雍常明

1.一種基于BAS-BP模型的深基坑開挖地表沉降預測方法，其特征在于，包括以下步驟：

預先建立BAS-BP模型作為深基坑開挖地表沉降預測模型，并進行訓練，其中包括以下步驟：

標定天牛須方向的n維隨機向量并對向量做歸一化處理；

建立天牛左右須空間坐標；

判斷左右須氣味強度，更新天牛坐標；

標定步長因子；

建立適應度函數；

獲取建筑基坑工程點數據信息并作為訓練完成BAS-BP模型的輸入進行預測；

獲取預測結果進行可視化呈現并作為深基坑開挖地表沉降預測。

2.根據權利要求1所述的基于BAS-BP模型的深基坑開挖地表沉降預測方法，其特征在于，所述BAS-BP模型，包括以下步驟：

標定天牛須方向的n維隨機向量并對向量做歸一化處理，表示為：

其中，rands()為隨機函數，n為空間維度；

建立天牛左右須空間坐標，表示為：

其中，為第t次迭代時左須坐標，為第t次迭代時右須坐標，x^t為第t次迭代時天牛質心坐標，d₀為兩須之間的距離；

判斷左右須氣味強度，即f(x_l)和f(x_r)強度，以此更新天牛坐標，其f(·)為適應度函數，表示為：

其中，x_t+1為第t+1次迭代質心坐標，和為第t次質心和左右須坐標，θ^t為第t次迭代時步長因子，和為第t次迭代時左右須適應度函數；

標定步長因子，其初始步長因子為θ，則第t+1次步長可表示為：

θ^t+1＝θ^t·λ

其中，λ為步長衰減因子；

建立適應度函數，以均方根誤差MSE作為適應度評價函數，表示為：

其中，N為訓練樣本數量，y_i為第i個訓練樣本輸出值，Y_i為第i個訓練樣本實際值。

3.根據權利要求2所述的基于BAS-BP模型的深基坑開挖地表沉降預測方法，其特征在于，還包括以下步驟：

天牛位置初始化，隨機給定天牛的初始位置，計算其適應度函數值，并保存在bestX，bestY中，其中bestX為最佳的天牛初始位置，bestY為天牛初始位置的最佳適應度函數值；

更新天牛左右須位置坐標，并獲取兩須的適應度函數f(x_l)和f(x_r)，對比強度大小調整訓練網絡的權值和閾值，并計算在當前位置下的適應度函數值，若適應度函數值優于bestY，更新bestX和bestY。

4.根據權利要求3所述的基于BAS-BP模型的深基坑開挖地表沉降預測方法，其特征在于，還包括以下步驟：

預先標定BAS-BP模型為M-N-P，M為輸入層神經元數量，N為隱含層神經元數量，P為輸出層神經元數量，空間維度n＝MN+NP+N+P。

5.根據權利要求4所述的基于BAS-BP模型的深基坑開挖地表沉降預測方法，其特征在于，還包括以下步驟：

判斷迭代是否達到最大次數，適應度函數值是否滿足設定精度，其中包括將迭代停止獲得的bestX中的解作為權值和閾值最優解代入BP神經網絡中進行二次學習，最終形成BAS-BP神經網絡模型。