[发明专利]一种基于BAS-BP的桩基水平承载力预测方法

权利要求书

1.一种基于BAS-BP神经网络模型的桩基水平承载力的预测方法，其特征在于：按下述步骤进行：

a、获取桩基水平承载力试验数据，并对所述桩基水平承载力试验数据进行归一化处理形成数据集，并将数据集随机划分为训练集和测试集；

b、初始化BP神经网络模型参数和天牛须算法参数，构建用于桩基水平承载力预测的BAS-BP神经网络模型；随机生成神经网络初始连接权值和阈值作为天牛的初始空间位置，并计算此时的适应度值，BAS算法通过迭代更新寻找到最优初始连接权值和阈值，并得到最优适应度值，构建最优BAS-BP神经网络模型；并设定神经网络的输入层与隐含层之间的传递函数为tansig，隐含层与输出层之间的传递函数为purelin，设定神经网络采取trainlm作为训练函数调整计算过程中的阈值和权值；

c、采取训练集训练BAS-BP神经网络模型的初始连接权值和阈值，直至训练误差达到预设精度，获得最优神经网络连接权值和阈值，再将训练集中的训练样本和测试集中的测试样本导入到训练好的BAS-BP神经网络模型进行桩基水平承载力预测。

2.根据权利要求1所述的基于BAS-BP神经网络模型的桩基水平承载力的预测方法，其特征在于：所述步骤a中的桩基水平承载力试验数据包括：桩长、桩径、荷载偏心距和土体不排水抗剪强度，对所述桩基水平承载力试验数据进行归一化处理，其归一化处理公式如下：

其中，x_i表示第i个数据；x_min和x_max分别代表数据集中最小值和最大值；x_i’为归一化后的数据。

3.根据权利要求2所述的基于BAS-BP神经网络模型的桩基水平承载力的预测方法，其特征在于：所述步骤a中，构造训练集和测试集的输入输出矩阵：

式中，input为训练集或测试集的输入矩阵；output为训练集或测试集的输出矩阵；D、L、e、S_u、Q分别代表桩径、桩长、荷载偏心距、土体不排水抗剪强度和桩基水平承载力。

4.根据权利要求1所述的基于BAS-BP神经网络模型的桩基水平承载力的预测方法，其特征在于：所述步骤b中，所述BP神经网络包括输入层、隐含层和输出层，各层节点数分别为M、N、1；确定BP神经网络各层的传递函数以及神经网络的训练函数，取对数S型函数为输入层神经元传递函数，隐含层与输出层神经元传递函数为线性函数，purline，设定神经网络采取trainlm作为训练函数调整计算过程中的阈值和权值；

采取预测值和真实值的均方误差作为BAS-BP神经网络模型的适应度函数：

式中，N为训练集样本个数，tsim(i)和y(i)分别为BAS-BP神经网络的预测值和真实值。

5.根据权利要求1所述的基于BAS-BP神经网络模型的桩基水平承载力的预测方法，其特征在于：所述步骤b中，初始化BP神经网络模型参数，具体包括确定神经网络隐含层个数、隐含层神经元个数、神经网络传递函数和训练函数、神经网络训练精度、神经网络迭代次数、BAS算法步长以及BAS算法迭代次数参数。