基于BP神经网络的桩体极限承载力计算方法及系统

本发明涉及岩土材料数据模拟，尤其涉及一种基于bp神经网络的桩体极限承载力计算方法。

背景技术：

1、物理模型试验通常是用来对复杂工程进行简化、抽象分析的工具，可以帮助捕捉到工程现象的主要特征，从而更好地理解和解释实际工程。实际工程中遇到的岩溶地质条件，其地下往往埋藏多个溶洞。

2、随着数值模拟的快速发展，工程领域中也原来越多的运用到了数值分析软件，并且发挥着重要作用。随后，各种数值计算软件也因为有限单元法的出现而得到了更新和升级，数值模拟技术在建筑工程中的角色更是进一步被凸显出来。数值模拟的基本思路是需将土体、桩体进行网格单元划分并通过力学因素赋值的方法进行设置，优点是快速、便捷和不受试验场地影响。

3、然而，计算结果的可行性和有效性在很大程度上与岩体力学因素选取的正确与否有关。岩土材料具有典型的不均匀性和各向异性，再加上人为操作的主观性以及模型试验开展过程中受到的客观干扰，这些影响的综合作用使得模型试验材料的实际力学因素与预期设计值势必存在一定的偏差。在开展系统的数值模拟分析工作之前，必须对岩土体的真实物理力学因素有一个准确的把握，这是确保模拟分析结果准确性的关键步骤。

技术实现思路

1、本发明提供一种基于bp神经网络的桩体极限承载力计算方法，用以解决现有技术中数值模拟技术在建筑工程中的缺陷，实现提高模拟分析结果准确性。

2、本发明提供一种基于bp神经网络的桩体极限承载力计算方法，包括：通过工程试验，确定对基桩承载沉降影响显著的敏感性参数；采集敏感性参数及相应敏感性参数下的桩基极限承载力，构建训练样本，形成样本数据集；构建bp神经网络模型并利用样本数据集训练，保存好训练参数，得到极限承载力预测模型；采集待计算的桩基的敏感性参数，输入到极限承载力预测模型中，得到桩体极限承载力；其中，通过有限元模拟工程桩数据，形成样本数据集包括：确定对基桩承载沉降影响显著性的敏感性参数方法如下：确定桩基参数；根据桩基参数设计正交试验表；根据正交试验表进行桩基沉降试验或者对桩基沉降进行有限元分析，记录桩基沉降量；对桩基沉降影响因素进行分析，得到敏感性参数。

3、根据本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，采用极差分析法确定对桩基沉降影响因素，得到敏感性参数。

4、根据本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，所述桩基参数包括弹性模量、粘聚力、泊松比、内摩擦角、膨胀角。

5、根据本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，构建训练样本的方法如下：采用工程桩试验或者有限元仿真分析获取敏感性参数下的桩基极限承载力；以敏感性参数作为输入，桩基极限承载力作为标签，构建训练样本。

6、根据本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，构建bp神经网络模型并利用样本数据集训练的方法如下：构建bp神经网络模型，确定输入层的节点个数 n、隐含层节点个数 l，输出层的节点个数m，将输入层与隐含层之间的连接权值、隐含层与输出层之间的连接权值、隐含层的阈值a、输出层的阈值b初始化，得到bp神经网络模型的初始结构；将样本数据集输入到bp神经网络模型中，通过连接权值和阈值来计算隐含层至输出层的输入值；

7、

8、式中：表示输入层到第j个隐含层节点的阈值；f为传递函数；根据隐含层的输出值h、连接权值和阈值b，计算出神经网络的预测输出值o；

9、

10、式中：表示隐含层到第k个输出层节点的阈值，表示隐含层到第k个输出层节点的预测输出值，表示隐含层第j个节点的输出值；通过得出的预测输出值o和期望输出值y计算预测误差e；

11、

12、表示隐含层到第k个输出层节点的误差，通过预测误差e反过来更新网络连接权值、和阈值a、b；直至预测误差e满足设定阈值，完成训练。

13、根据本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，通过预测误差e反过来更新网络连接权值、、和阈值a、b的计算公式如下：

14、

15、

16、

17、

18、式中：η为学习的速率，表示更新后的输入层与隐含层之间的连接权值，表示更新后的隐含层与输出层之间的连接权值，表示更新后的输入层到第j个隐含层节点的阈值，表示更新后的隐含层到第k个输出层节点的阈值。

19、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于bp神经网络的桩体极限承载力计算方法。

20、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于bp神经网络的桩体极限承载力计算方法。

21、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于bp神经网络的桩体极限承载力计算方法。

22、本发明提供的一种基于bp神经网络的桩体极限承载力计算方法，通过确定对基桩承载沉降影响显著的敏感性参数后，采集敏感性参数及相应敏感性参数下的桩基极限承载力，构建训练样本，形成的样本数据集更加准确。构建并利用样本数据集训练bp神经网络模型，使bp神经网络模型与极限承载力更适配后得到极限承载力预测模型。使用极限承载力预测模型预测待计算的桩基的极限承载力，对实际工程建设提供参考基础。

技术特征：

1.一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，采用极差分析法确定对桩基沉降影响因素，得到敏感性参数。

3.根据权利要求1所述的一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，所述桩基参数包括弹性模量、粘聚力、泊松比、内摩擦角、膨胀角。

4.根据权利要求1所述的一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，构建训练样本的方法如下：

5.根据权利要求1所述的一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，构建bp神经网络模型并利用样本数据集训练的方法如下：

6.根据权利要求5所述的一种基于bp神经网络的桩体极限承载力计算方法，其特征在于，通过预测误差e反过来更新网络连接权值、、和阈值a、b的计算公式如下：

7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于bp神经网络的桩体极限承载力计算方法。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于bp神经网络的桩体极限承载力计算方法。

9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述一种基于bp神经网络的桩体极限承载力计算方法。

技术总结本发明提供一种基于BP神经网络的桩体极限承载力计算方法，属于岩土材料数据模拟技术领域。包括：确定对基桩承载沉降影响显著的敏感性参数；采集敏感性参数及相应敏感性参数下的桩基极限承载力，构建训练样本；构建并利用样本数据集训练BP神经网络模型；采集待计算的桩基的敏感性参数，输入到极限承载力预测模型中，得到桩体极限承载力。本发明通过采集敏感性参数及相应敏感性参数下的桩基极限承载力，构建训练样本，形成的样本数据集更加准确。构建并利用样本数据集训练BP神经网络模型，使BP神经网络模型与极限承载力更适配后得到极限承载力预测模型。使用极限承载力预测模型预测待计算的桩基的极限承载力，对实际工程建设提供参考基础。技术研发人员：刘永莉,邓亮,马强,何欢,林伟青,王娇,习磊,朱志政受保护的技术使用者：湖北工业大学技术研发日：技术公布日：2024/9/26