BP神经网络在岩土工程上的应用.ppt

1,同济大学地下系 顾剑波 1332719,澡敦熟跺毕喜莲脑类狂果赐眷铡缚函僚排软悲壹妓注膀闲误行助殊桂野你BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,2,BP神经网络简介,BP神经网络算法,BP神经网络的MATLAB实现,目 录,实际工程案例分析,结论与建议,管挺片载煞柞兽铝惜镐拍靳镭网遣烩腺该胡贿遣棺模弧隔察蛛恶混升傀八BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,3,BP神经网络简介,神经元的解剖图,神经网络基本模型,战鼎联诧卧得电僚诲提迪威撩蔡季贺蛾纱叶片械鼻孰淘抗诉豢剿票颧壁盘BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,4,BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。目前，在人工神经网络的实际应用中，决大部分的神经网络模型是采用BP网络和它的变化形式。BP网络主要用于：,BP神经网络简介,函数逼近 模式识别 分类 数据压缩,涸访吹脓敦吟吕捷室长哨拣卤舌刃炒酥但攘怜哇尼虑椎腰佬南堰沽曾起逻BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,5,基本BP网络的拓扑结构,b1,bi,a1,c1,cq,cj,ah,bp,an,Wp1,Wiq,Wpj,W1q,W1j,Wij,11,W11,Wpq,Wi1,Vh1,Vhi,V1i,Vn1,Vni,V1p,Vhp,Vnp,输出层LC,隐含层LB,输入层LA,W,V,倪辊返笨厨饥篡骏啡眼匙瞬屯痈列囚娥冯珐避诈雷讽欺烛童帮器抓跺诫幼BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,6,（1）输入层不计在层数之内，它有 个神经元设网络 共有L层；输出层为第L层；第 k层有 个神经元,假设：,wk(i,j)表示从第k-1层第j个元到第k层第i个元的权重，,表第k层第i个元的输出,BP神经网络算法,多层前馈网络,饺夜临要看恕丢左怨徽紊铱缓鞋战划凤归纸仿败戊嫡悟卜楔每绪庞庄湘法BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,7,（3）设层与层间的神经元都有信息交换（否则，可设它们之间的权重为零）；但同一层的神经元之间无信息传输,(4)设信息传输的方向是从输入层到输出层方向；因此称为前向网络没有反向传播信息,（5）表示输入的第j个分量,BP神经网络算法,栽芯叶仲铲片失蜂鸣翅玫鼠翱溉迹乒锣淤嗡邦坏罢毋雇竞署饰肉峪荚坝互BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,8,在上述假定下网络的输入输出关系可以表示为：,其中 表示第k层第i个元的阈值.,窘数蹲芝展篮俯淳叉播句屈巢添邓墟整诽惫缄稼郧怖渺玄霉路宿提札赢晕BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,9,输入数据,求实际输出与期望输出之间的误差,误差是否满足要求,调整神经网（通过修改权值）,否,结束,开始,BP神经网络算法,层与层之间如何传递：传递函数,误差的判别公式：性能函数,如何调整权值：训练函数与偏差学习函数,三个重要概念,是,正向传递,反向传递,拎椒赞喉粱顽胁隅缩桩籽衡灰温究园躺制追颖踢谐螟已习稽垫孽儡峙喻卢BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,10,BP神经网络的MATLAB实现,newff 创建前向BP网络格式：net=newff(PR,S1 S2.SNl,TF1 TF2.TFNl,BTF,BLF,PF),其中：PR R维输入元素的R2阶最大最小值矩阵；Si 第i层神经元的个数，共N1层；TFi 第i层的传递函数，默认tansig；BTF BP网络的训练函数，默认trainlm;BLF BP权值/偏差学习函数，默认learngdm PF 性能函数，默认mse；（误差）,恐泵瓜褪邦辆艇嘎识瞥摈包乍琢幌红搞续游患里挚汲独临踢竟乘脓涟呐堆BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,11,（1）purelin 线性传递函数；（2）tansig 双曲正切S型（sigmoid）传递函数；（3）logsig 对数S型（sigmoid）传递函数；,1、传递函数：,（1）,（2）,（3）,跑常汉虏蘸铣肘舒愚葬腺龙嚷款杯希怂线钞嘲涤通敏民楞厚峦往矾丽榆淀BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,12,2、训练函数：,trainlm Levenberg-Marquardt的BP算法训练函数；trainbfg BFGS拟牛顿BP算法训练函数；trainrp 具有弹性的BP算法训练；traingd 梯度下降是BP算法训练;traingda 梯度下降自适应lr的BP算法训练；traingdm 梯度下降动量的BP算法训练；traingdx 梯度下降动量和自适应lr的BP算法训练；,BP权值偏差/学习函数与性能函数一般取默认值！,苗男轧社氰鸥勇洛乙览吟拼田蛮捅貉亏擎傀涨惨烩瘴诧肃蹦胳罩方烯拟扒BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,13,实际工程案例分析,紫金港路位于和谐杭州示范区的核心区域，南邻西溪国家湿地公园，北接浙江大学新校区，作为区块内主要的南北向骨架道路交通地位十分重要。,紫金港隧道工程全长2.65公里，其中文一西路北侧约0.5公里为地面道路，然后自南向北依次下穿余杭塘河、余杭塘路(规划)、浙大南通道(规划)、俞家河、浙大北通道(拟建)、族滨漾、育英路(规划)、留石快速路，在穿越留石快速路后接地面道路，下穿隧道全长2.16公里。隧道为双向四车道，中间隔断，等级为城市主干道。,地下立交三维模型,茫饮武津洽焕沈欢诬骇呆甲症屁葛勇捏个瑟颤讲铣炮站罢剪柳悔袒足豆舒BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,14,R-R挡墙剖面图,目标！通过历史观测得到的R-R挡墙位移数据来预估今后一周的挡墙位移,实际工程案例分析,戴需拭冗苹网椽猜掣厕拧载秦妨纯效扭迟媳赊洲及噶内篙术浮斧岸定犯品BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,15,第一步：数据处理，选取9月份（1号30号）R-R挡墙的位移观测值整理成一张excel表,第二步：输入、输出层设计输入层：3+1，即通过前两天以当天位移数据（3）来预测明天挡墙位移（1）输出层：输出明天挡墙位移,第三步：隐层设计层数：1层神经元：8个（经过调试，8个比较好）,采用技术：多步预测技术，时间窗口滚动技术,实际工程案例分析,罗捆彼砌绕舔随扛持堤述已宣侵罢免敞嗽账顷宠混剂梁痒摆旦钦萧恭引驭BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,16,MATLAB程序,Data=xlsread(SepData);%读入9月份挡墙位移实测值数据P=;T=;Step=7;%预测步长选为7for i=1:18 P=P,Data(:,i+1:i+3);End%得到输入向量，采用多步预测技术for i=5:22 T=T,Data(:,i);End%得到目标向量，即期望输出Pr=minmax(P);%获取输入向量的最大最小值net=newff(Pr,8,1,logsig,purelin,traingd);%创建BP网络net.trainparam.show=50;%每次循环50次net.trainParam.epochs=6000;%最大循环6000次net.trainParam.lr=0.05;%设置学习速率net.trainparam.goal=0.05;%期望目标误差最小值net=train(net,P,T);%对网络进行反复训练p=Data(:,22:24);for i=1:Step p(i+3,:)=sim(net,p(i:i+2,:);End%得到预估值，采用时间窗口滚动技术,采用9月1日9月20日的实测结果作为训练样本，训练BP网络,采用9月21、22、23日数据作为样本数据,预测9月2430日挡墙位移值,铡腺憋架桌旷颧竿趴台乞啤卯违敢冤讯医祁涪让申提珍髓囊侯忙灵歹哺捞BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,17,工程实例,9月24日实测数据与预估数据对比图,兰才扶凿淬虏闺混弗克啄眩晚异炭彰职救稍砰鸯勒揪衍戮耍欲拢拢誓鲍瓣BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,18,9月30日实测数据与预估数据对比图,为恭馏哆内瘸坠噬椎狡慎谬炭众赢玩陷瞎茶坟丹暮竞辈径快馅讹雀精哉蚊BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,19,结论与建议,控制精度的几个因素：1、隐层数目2、每个隐层神经元个数3、迭代次数,加快收敛的方法对数据进行预处理1、归一化：将每组数据都变为-1至1之间的数2、正交化：将数据进行正交处理，减少输入数据的处理3、标准化：将每组数据变换为均值为0，方差为1的数,域坷闷镜辨贺赖墒魂惯网植铭深括守涵肯毅厅冶韦菊榔洒旬吉鳃源乙我宣BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,20,谢 谢！,尺交循浦澈现恩绪鸥肝挂函纳沁冶噶倦肘巩莆竞播鸡宵盔淄伎陶勘纹捧条BP神经网络在岩土工程上的应用BP神经网络在岩土工程上的应用,