[发明专利]一种基于BP神经网络的双桥静力触探数据的土层量化分层方法

摘要

一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，其步骤为①、双桥静力触探数据和土类分层信息的收集与整理；②、建立双桥静力触探土质量化分层BP神经网络预测模型；③、对双桥静力触探土质量化分层BP神经网络预测模型进行训练；④、运用已完成训练的双桥静力触探土质量化分层BP神经网络预测模型对土质类型进行预测；⑤、确定分层精度,对预测结果进行并层处理，最终得到土质量化分层结果。其优点是为土质量化分层提供可靠理论依据，避免了传统勘察中土类分层的随意性和人为性；也为土层量化分层BP神经网络预测模型的可靠性提供有力支撑，保证了预测结果的准确性，在今后工程地质勘察中减少大量钻孔工作，大大节约勘察投资成本。

主权项

一种基于BP神经网络的双桥静力触探数据的土层量化分层方法，其特征在于，所述方法包括以下步骤：①、双桥静力触探数据和土类分层信息的收集与整理：通过收集整理场地工程地质勘察报告、土工试验成果资料，收集统计双桥静力触探孔沿深度的双桥静力触探数据和土类分层信息；②、建立双桥静力触探土质量化分层BP神经网络预测模型：基于BP神经网络算法，利用步骤①的数据信息建立预测模型；③、对双桥静力触探土质量化分层BP神经网络预测模型进行训练：运用matlab软件，设定网络训练函数类型，输出层激活函数类型，最大迭代次数epochs，期望误差最小值设定值goal和修正权值的学习效率lr，对双桥静力触探土质量化分层BP神经网络预测模型进行训练；④、运用步骤③中已完成训练的双桥静力触探土质量化分层BP神经网络预测模型，通过双桥静力触探数据对土质类型进行预测；⑤、根据工程需要确定分层精度，对预测结果进行并层处理，最终得到土质量化分层结果；所述的双桥静力触探土质量化分层BP神经网络预测模型采用1个输入层、1个输出层和1个隐含层的网络结构，具体建立过程按下列方式实施：将沿深度的第n‑2，n‑1，n，n+1，n+2个锥尖阻力qc值和n‑2，n‑1，n，n+1，n+2个侧摩阻力fs值作为输入层，网络模型输入层由10维矢量构成：X=[qcn-2,qcn-1,qcn,qcn+1,qcn+2fsn-2,fsn-1,fsn,fsn+1,fsn+2]]]>将第n个输入值对应深度点处的土质类型作为输出层，网络模型输出层为1维矢量构成：Y＝[Tn] Tn∈{0，1，2，3}Tn表示第n个输入值对应深度处的土质类型，考虑到数值表达上的一致性，将土质类型输出结果值域转化为整数型，即分别以0、1、2、3代表粘土、粉质粘土、粉土和粉砂。