基于BP神经网络的深基坑变形预测研究

【摘 要】 为了探究深基变形规律，提高深基坑变形预测精度。本文采用最近比较热门的BP神经网络对某深基坑工程中的现场沉降进行拟合和预测处理，运用Python语言编程进行实现。结果表明，采用BP神经网络进行预测时，精度较高，满足工程实际要求，有助于指导深基坑施工。

【关键词】 深基坑 变形预测 BP神经网络

0 引言

随着国民经济的迅猛发展，国内不断涌现大量的高楼和地铁，深基坑随之出现。深基坑深度通常为6米以上，个别已经超过30米。由于深基坑工程通常出现在较发达城市，多建于繁华地段，故受到众多因素影响，如：地下管线、水文地质、周边环境以及地面交通流量等。于是，使得深基坑变形规律复杂，若以传统预测法进行预测，则无法满足深基坑施工要求。

于是，单红喜[1]、高兵[2]、方林胜[3]、崔栋歌[4]等均采用BP神经网络对深基坑进行变形预测，结果较优。本文在前人基础上，运用Python语言，建立BP神经网络模型，对深基坑进行变形预测分析，为深基坑的设计和施工提供指导依据。

1 BP神经网络预测模型构建

基于BP神经网络的深基坑变形预测模型的构建主要有以下几个步骤：

（1）监测数据获取。采用测量机器人在深基坑相应控制点上进行数据采集，采集数据在整理之后方采用。

（2）数据预处理。由于人为或环境等因素影响，数据可能存在噪声点或异常数据，所以在分析及处理之前，要进行异常值检验，检验后并剔除，在进行插值处理。只有经过预处理的数据才能进行后续预测。

（3）样本数据归一化。归一化的作用是降低网络模型训练难度，加快网络收敛，减少训练时间。

（4）数据集划分。将归一化好的数据进行划分，分为训练集和测试集。训练集用于网络训练，测试集则用来和预测数据进行对比，验证预测精度。

（5）网络训练。设置好相应的参数，如：隐藏层数、输入输出神经元数量、学习率等。再将训练集数据放入输入层，进行网络训练，直到训练误差满足要求，方可结束。若训练误差不满足条件，则网络会通过反向传播算法进行误差修正，即通过损失函数计算出训练误差，再由反向传播算法，通过修正各神经元权值以调节误差，直至误差满足限差。

（6）网络预测。通过网络训练得到的BP神经网络最佳收敛参数，直接求解预测结果，在将数据反归一化，便求得实际预测值。

2 工程实例

本文以徐州地铁2号线某深基坑现场沉降数据为例，结合BP神经网络模型，对其变形规律进行预测分析。

共有25期监测数据，采用前20期数据用于模型训练，后5期数据用于预测。原始数据如表1。

从监测值可以看出，深基坑现场沉降值变化缓慢，且一直处在地面一直处在沉降过程中，故应该在其达到允许限差前进行监测和预测。对后5期变形预测结果见表2。

由表2可以看出，BP神经网络预测模型精度较高，在深基坑变形预测方面，发挥出期较强的非线性拟合能力以及超强的非线性泛化能力，完全满足深基坑施工要求。

3 结论

研究表明，BP神经网络在深基坑变形预测方面具有良好的预测效果，相比于其它传统预测模型有着无可比拟的优势，具有高精度、快速、智能化和預测步数较长等特点。适合用于深基坑的变形预测与分析，能为深基坑施工过程提供保障，以便其安全运营。但BP神经网络对初始参数等依赖性大，极易造成网络局部最优解，为防止此类情况发生，应和其它智能算法结合使用。

【参考文献】

[1] 单红喜.基于BP神经网络的深基坑沉降预测[J].山西建筑，2017，43（28）：78-79.

[2] 高兵，尚美珺.基于BP神经网络的深基坑围护变形预测分析[J].门窗，2017（08）：207.

[3] 方林胜，何国伟，罗长明，熊梦馨.灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用[J].施工技术，2017，46（S1）：57-60.

[4] 崔栋歌. 深基坑变形监测与预测研究[D].湘潭：湖南科技大学，2017.

作者简介：许宁（1994-），男，汉族，江西宜春人，硕士研究生，江西理工大学测绘与建筑工程学院，测绘科学与技术。