人工神经网络在岩石工程系统RES中的应用杨英杰张清(北方交通大学北京)提要从岩石工程实例数据出发,采用作者提出的基于人工神经网络的相对作用强度RSE和GRSE,研究了各种相关参数对岩石工程稳定性的不同影响。研究结果表明,人工神经网络从实际数据中自行学习能够更好地反映岩石工程现场的实际,所建立的相互作用矩阵能够体现现场实际参数间相互动态的、非线性的相互作用,更加适合于岩石工程系统理论的实际应用。关键词岩石工程系统人工神经网络相互作用矩阵岩石工程稳定性中图分类号TU45由于自然岩体的复杂性,岩石工程的稳定性受到多种因素的制约,这些因素间的关系非常复杂,很难用传统的确定性模型来解决。考虑到现代岩石工程的复杂特性,Hudson教授提出了岩石工程系统RES1(RockEngineeringSystem)的理论,其中的关键就是相互作用矩阵;而作者所提出的神经网络的相对作用强度RSE2(RelativeStrengthofEffect)则可以将建立相互作用矩阵这个复杂的工作交由机器来完成。本文首先简单介绍岩石工程系统RES与相对作用强度RSE,然后将以一组岩石工程实例来说明人工神经网络在岩石岩石工程系统RES与相对作用强度RSE1岩石工程系统RES即是将整个岩石工程看作为一个大的系统,综合考虑岩石工程的评估、勘查、设计、施工、维护和使用的全过程。其核心就是所考虑范围的广泛性,理论上它包容了所有相关的岩石工程作用参数。在RES中,所有这些都是通过岩石工程相互作用矩阵来进行研究的。所谓RES的相互作用矩阵就是指以岩石工程主要影响因素(作用参数)为主对角线元素,以这些因素间两两相对的作用关系为主对角线两边相应位置的其它元素,由这样排列的元素所形成的“矩阵”。所谓的相对作用强度RSE则是指神经网络输入节点对输出节点相对作用的强弱,根据考虑范围的不同可以分为整体相对作用强度GRSE(GlobalRelativeStrengthofEffecGRSEki=C∑∑∑WjnkWjn-1jnWjn-2jn-1Wjn-3n-2(1)Wij1jnjn-1j1RSEki=C′∑∑∑WjnkG(ek)Wjn-1jnG(ej)njnWjn-2jn-1G(ejjn-1j1)Wjn-3jn-2G(e)WijG(ej)(2),jn分n-1n-211式中,C和C′分别是使同一输出的GRSE或RSE的最大值为1的规范化系数;j1,j2,收到修改稿日期:1996211201杨英杰副教授北方交通大学土建系邮编:68铁道学报第19卷概念参数的对应网络计算值表3影响参数对应内部值影响参数对应内部值影响参数对应内部值开挖深度浅中等深原岩强度强弱岩体结构整体一组节理或弱面两组节理或弱面三组节理或弱面随机分布节理或弱面破碎散体平均高跨比s/a>0.1s/a<0.1不连续面的紧密程度紧密打开不连续面的连续性连续不连续不连续面的类型节理嵌入矿床劈裂或片状不连续面的填充无硬粘土软粘土其它低摩擦性材料砂类不连续面表面平整度平面曲面不规则面不连续面粗糙度非常光滑光滑粗糙不连续面倾角接近30°接近60°接近90°不连续面走向接近30°接近60°接近90°剪切带及填充ABCDE岩体质量指标RQD很好(90%～100%)好(75%～90%)一般(50%～75%)较差(25%～50%)很差(<25%)地下水状况干或小流量(<5L/min)中等流量大流量或高水压失稳位置顶板硐壁顶梁两腰塑性区全断面工程状态稳定失稳0,100.510,1100,110.90.780.660.450.2500,1100,1100,1100,110.6500,100.250.450.6810,110.500,100.510,100.510,100.510,110.750.500.2500,110.750.50.2500,100.510,100.20.40.60.810,110别指第1,2,,n隐层上相应的节点;i和k是相应的输入输出节点序号;e是相应隐层节点或输出节点上在相应的输入状态下的节点值;G是相应节点的激励函数的导函数;W则是相应脚标所示的层间节点的连接权值。由GRSE和RSE,就可以建立相应的相互作用矩阵,以RSE为例RSEaaRSEabRSEanRSEbaRSEbbRSEbnRSEnaRSEnbRSEnn(3)RSE=岩石工程稳定性作用参数的RSE分析2以文献3提供的95个有关岩石工程稳定影响因素的工程实例样本来建立网络。由于有95个样本,可以提供较多的检测样本,故取其中49个样本为训练样本集,如表1所示,其余46个样本则专门用作检测样本,如表2所示。在这两个表中,每一列代表一个样本,“3”表示相应的项为真,而“1”则表示相应的项为假。从列上可以观察某一个样本各参数的状态,第2期人工神经网络在岩石工程系统RES中的应用69可以考察某一个参数在样本中...