进化神经网络预测房屋爆破振动破坏程度研究

郑松鹏 黄志波 李辉 汪勇志

(福建农林大学 金山学院 福建福州 350002)

0 引言

在爆破振动作用下，建筑物结构会出现不同程度的响应与破坏。随着爆破工程作业环境愈来愈复杂，由此导致的纠纷不断增多。房屋在爆破振动作用下的损害状况的预测与防治成为了当前的研究热点和难点。

目前，常用的爆破振动危害预测方法的预测结果与现场实际的结果，在很多情况下误差较大[1-2]。为此，急需建立能够对爆破振动房屋危害程度较为精确的预测方法。史秀志[1-2]、董陇军[3]基于神经网络利用判别分析法建立了爆破振动房屋危害程度预测方法，并对被保护建构筑物的安全状况进行了预测研究。由于神经网络有一定的适用范围和局限性，不能完全达到全局的最优。遗传算法具有搜索全局最优解和隐含并行性的优点，将遗传算法引入人工神经网络形成的进化神经网络方法已在其他领域获得应用，并被证明该法能克服单纯神经网络的缺陷[4-6]。

基此，本文尝试建立基于进化神经网络方法的爆破振动对房屋破坏程度的预测模型。工程实例证明该法在预测爆破振动对房屋破坏等级方面是可行的。

1 进化神经网络

BP神经网络具有模拟人类部分形象思维的能力。它采用类似于“黑匣子”的方法, 通过学习和记忆, 找出输入与输出之间的特征关系,特别适用于参数变量和目标函数之间无数学表达式的复杂工程问题中。遗传算法模拟了自然界生物进化过程中的“优胜劣汰, 适者生存”的法则, 将复制、杂交、变异等概念引入到算法中, 通过构造一组初始可行解群体并对其操作, 使其逐渐移向最优解。它是一种全局最优化方法, 特别适用于多极值点的优化问题。克服了传统优化方法易于陷入局部最优解的缺点, 搜索具有隐含并行性, 可以较快地搜索到全局最优解。

运用神经网络强大的自适应、自组织、自学习的能力以及具备的高度非线性映射性、泛化性和容错性的特点，将遗传算法的全局寻优能力与BP算法的局部寻优能力相结合，搜索神经网络结构, 并用最佳推广预测学习算法训练网络结构，形成进化神经网络[7]。

2 进化神经网络民房破坏程度预测模型

2.1 房屋破坏程度影响因素及量化

影响爆破振动对房屋破坏程度的因素很多，除了爆破振动特征参量外，还有房屋结构形式及强度、房屋所处的场地条件等。结合爆破振动作用下民房的破坏机制[8-10]，选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量、场地条件这10个主要影响因素作为民房破坏程度的评判因子。根据爆破振动对房屋的破坏特征, 可以把房屋的破坏程度分为3个等级：基本完好；轻微损伤；破坏。输出参量破坏等级标准及数据量化如表1所示[2]。

其中，爆破振动幅值、爆破振动主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度可以采用实测值直接输入；屋盖形式、圈梁构造柱、施工质量、场地条件属于状态参量，需要将其进行数量化处理。其取值标准如表2 所示[3]。故每一个学习样本为一个11维向量，前10个分量影响爆破振动对房屋破坏程度的因素值，后1个分量为房屋破坏等级。

表1 房屋破坏等级划分标准及数据量化表

表2 部分状态参量数据量化表

2.2 预测步骤

首先，应用神经网络建立影响爆破振动对房屋破坏程度的因素与房屋的破坏等级之间的映射关系, 实现对于任一组给定的爆破振动对房屋破坏程度的影响因素值, 均可以通过该网络的推广预测能力求出其相应的房屋破坏等级。然后，应用遗传算法具有搜索全局最优解和隐含并行性的优点，对房屋破坏等级进行搜索寻优，确定最终的破坏等级。具体步骤如图1所示。

图1 进化神经网络预测模型建立步骤

3 工程应用实例

3.1 工程概况

铜绿山矿露天采场已有40多年的开采历史，附近居民称自己的住宅因爆破振动而出现损坏，要求铜绿山矿赔偿。为此，对周围典型民房进行爆破振动监测，并对破坏情况进行宏观调查记录。

3.2 建立训练样本

基于典型民房的爆破振动监测数据及破坏情况调查记录资料，按照上述2.1的方法量化民房破坏程度的10个评判因子形成训练样本，如表3所示。

3.3 房屋破坏等级预测结果

利用表3中的训练样本对进化的神经网络进行训练。经过试算确定3层神经网络，进化到第四代时最佳适应值为0.000 114 608，如图2所示，经过7500次训练，训练误差到达0.001，如图3所示，建立既有较高精度的模型。用训练好的模型预测房屋破坏等级，其预测结果如表4所示。不仅符合房屋实际破坏等级，而且能进一步反映房屋在某破坏等级下的严重程度，进而精确评价房屋的破坏等级。

表3 训练样本

图2 最佳适应值变化 图3 训练过程误差变化

4 结论

将遗传算法的全局寻优能力与BP算法的局部寻优能力相结合形成的进化神经网络应用于预测爆破振动对民房破坏程度，可以克服其他单一优化方法易陷入局部最优和房屋破坏评判因子与房屋破坏等级之间的映射关系难以确定的缺点。模型实例预测证明, 基于文中10个评判因子建立的预测模型对爆破振动对民房破坏程度预测简单实用、准确可靠。其量化的结果为精确评判房屋破坏等级提供依据。