[发明专利]一种注浆成型扩底桩桩径的优化测定方法

权利要求书

1.一种注浆成型扩底桩桩径的优化测定方法，其特征在于，具体包括以下步骤：

步骤一：影响扩底桩抗拔承载力的主要因素的确定；

步骤二：注浆成型扩底桩最优扩径比的确定；

步骤三：注浆成型扩底桩承载力BP神经网络模型的确定；

步骤四：注浆成型扩底桩承载力BP神经网络模型参数的确定；

步骤五：注浆成型扩底桩抗拔承载力与桩径关系曲线的确定；

步骤六：注浆成型扩底桩桩径的确定；

所述步骤一影响扩底桩抗拔承载力的主要因素分别为土层液性指数I_L、桩侧土有效内摩擦角加权平均值扩径部分土层的变形模量E_S、桩长l、非扩底部分桩径d、扩底高度h、扩底部分桩径与非扩底部分桩径之比D/d及扩大头上部直径渐变段的扩展角β；D/d用λ表示；

所述步骤二中注浆成型扩底桩最优扩径比通过以下公式确定，

其中，ρ_t为扩径比λ＝t对应的单桩极限抗拔承载力较扩径比λ＝t-0.2对应的单桩极限抗拔承载力的增长率；T_t为扩径比λ＝t对应的单桩极限抗拔承载力；T_t-0.2为扩径比λ＝t-0.2对应的单桩极限抗拔承载力；当单桩极限抗拔承载力提高效率达到最大值时对应的扩径比即为最优扩径比λ′；

所述步骤三BP神经网络模型由输入层、隐含层和输出层构成；

所述输入层为8个节点，由桩长向量组[l₁,l₂,…,l_n]、非扩底部分桩径向量组[d₁,d₂,…,d_n]、扩底高度向量组[h₁,h₂,…,h_n]、扩底部分桩径与非扩底部分桩径之比向量组[λ₁,λ₂,…,λ_n]、土层液性指数向量组[I_L1,I_L2,…,I_Ln]、桩侧土有效内摩擦角加权平均值向量组扩径部分土层的变形模量向量组[E_s1,E_s2,…,E_sn]、扩大头上部直径渐变段的扩展角向量组[β₁,β₂,…,β_n]八个因素表示；隐含层为单隐含层；输出层单元个数为1，由注浆成型扩底桩抗拔承载力向量组表示；输入层到隐含层的权值和阈值分别为w_jk和θ_jk，隐含层到输出层的权值和阈值分别为v_kj和γ_kt；

所述步骤四BP神经网络模型参数的确定方法，具体为：

(1)试算法确定隐含层神经元结点数

首先确定隐含层神经元结点数范围[12，22]；将样本数据输入Matlab中编制的试算法训练程序，对隐含层神经元结点数[12，22]进行试算；选择均方误差和收敛步数最小时对应的隐含层神经元结点数即为最终网络的隐含层神经元结点数；

(2)BP人工神经网络权值和阈值的确定

1)样本数量根据Ν≥2n确定，由公式(2)、(3)确定训练样本和检验样本的数量：

N为样本的总数量；T₁训练样本的数量；T₂检验的样本的数量；[]表示取整运算；

2)首先在(0,1)区间内随机取值对权值和阈值进行初始化，再对训练样本数据进行归一化处理，然后通过公式(4)传递给隐含层神经元，隐含层神经元根据公式(5)进行输出：

b_k＝f(S(k))＝1/(1+e^-S(k))(k＝1,2,…,p) (5)

其中，P_j为输入向量组，j为输入向量组中元素的个数，k为隐含层单元的个数；

3)隐含层神经元输出值通过公式(6)传递给输出层神经元，输出层神经元根据公式(7)进行输出：

4)根据公式(8)计算网络误差e：

其中，t为输出向量组中元素的个数；

当网络误差e＜0.0006时，满足精度要求，终止网络训练；当网络误差e≥0.0006时，不满足精度要求，需要根据下列步骤5)、6)对网络的权值和阈值进行修正；

5)根据期望输出T_UKt和网络实际输出利用公式(9)计算输出层神经元的校正误差d_t：

根据公式(10)计算隐含层神经元的校正误差e_k：

6)根据公式(11)、(12)修正隐含层至输出层的连接权值v_kt和输出层神经元的阈值γ_kt，其中α为学习速率，0＜α＜1

v_kt(i+1)＝v_kt(i)+α·d_t·b_k(k＝1,2,…,p；t＝1,2,…,n) (11)

γ_kt(i+1)＝γ_kt(i)+α·d_t(t＝1,2,…,n) (12)

根据公式(13)、(14)修正输入层至隐含层的连接权值W_jk和隐含层神经元的阈值θ_jk，其中β为学习速率，0＜β＜1

w_jk(i+1)＝w_jk(i)+β·e_k·P_j(j＝1,2,…,n；k＝1,2,…,p) (13)

θ_jk(i+1)＝θ_jk(i)+β·e_k(k＝1,2,…,p) (14)

7)随机选取下一个学习模式返回第3)步继续进行训练，直至网络误差e满足精度要求，终止网络训练，该神经网络的权值和阈值得到确定；

(3)神经网络程序的编制

根据上述确定BP神经网络模型，并运用Matlab神经网络工具箱，对注浆成型扩底桩抗拔承载力神经网络预测程序进行编制；

所述步骤五注浆成型扩底桩抗拔承载力与桩径关系曲线的确定方法具体为：

经过现场地质条件勘察，确定土层性质参数；根据扩底桩承载特性的研究成果和《建筑地基基础设计规范》(GB50007-2011)中桩基础的设计规定，确定桩长l、扩底高度h＝0.6D＝1.2d、扩底部分桩径与非扩底部分桩径之比λ′、扩大头上部直径渐变段的扩展角β＝90°；根据《建筑地基基础设计规范》(GB50007-2011)初步设计非扩底部分桩径d′，并输入已训练完成的神经网络预测模型进行抗拔承载力预测，根据抗拔承载力预测值与设计值的误差，选择合理的间距在非扩底部分桩径初步设计值d′邻域进行取值(d′-10μ,…,d′-μ,d′,d′+μ,…,d′+10μ)，并输入已训练完成的神经网络预测模型进行抗拔承载力预测，根据神经网络预测模型输出的抗拔承载力与非扩底部分桩径的关系，绘制注浆成型扩底桩非扩底桩径与抗拔承载力关系曲线；

利用线性插值法确定注浆成型扩底桩抗拔承载力设计值对应的非扩底部分桩径d，根据注浆成型扩底桩非扩底部分桩径d和最优扩径比λ′，确定扩底部分桩径D：

D＝λ′d (16)；

所述线性插值法具体步骤为：

(1)根据步骤五绘制的曲线图所确定的注浆成型扩底桩抗拔承载力设计值，确定出对应的非扩底部分桩径d所在的区间[d′+kμ,d′+(k+1)μ](k＝0,1,2,3,4,5,6,7,8,9)；

(2)根据公式(15)确定区间[d′+kμ,d′+(k+1)μ](k＝0,1,2,3,4,5,6,7,8,9)中曲线对应的抗拔承载力线性方程，

分别为非扩底部分桩径d′+kμ对应的抗拔承载力，d′+(k+1)μ对应的抗拔承载力；

(3)将注浆成型扩底桩抗拔承载力设计值T_UK代入公式(15)计算对应的非扩底部分桩径d，并将非扩底部分桩径d输入神经网络预测模型得出其抗拔承载力预测值，利用公式计算其与设计值的相对误差，如果误差在5％以内，该非扩底部分桩径d符合设计要求；如果误差小于0或大于5％，该非扩底部分桩径d不符合设计要求，适当调整桩径d，重复输入神经网络预测模型进行误差检验，直至误差符合要求，确定出注浆成型扩底桩非扩底部分桩径d。