matlab中nnt,基于MATLAB的边坡稳定性评价方法

· 24· 路基工程 2009年第 3期 (总第 144期) 基于 MATLAB的边坡稳定性评价方法木 刘勇健 刘义建2 陈昌文 (1，广东工业大学 广东广州 510006；2，湖南省地质矿产勘查开发局407队 湖南怀化 418000) 摘 要 针对边坡变形破坏的复杂性 ，建立 了基 于 MATLAB的边坡稳 定性评 价神经 网络模型 ，对 面向MATLAB神经网络设计中的若干问题进行了探讨。研究表明基于四种快速算法的边坡稳定性评价 模型均可满足 工程的要 求。 关键词 神经 网络 边坡 工程 稳定性评 价 MATLAB 0 引言 边坡稳定的传统分析方法主要有极 限平衡 法和数 值分析法。极限平衡法侧重于理论分析 ，精度依赖于 使用者的经验；数值分析法的计算精度取决于岩土本 构模型和输入参数 的准确性 。然 而 ， “参 数不准 ”和 “模型不准”已成为数值分析两大 “瓶颈”。人工神 经网络 为解决这类问题提供 了一条新途径 ⋯．I 。 人工神经 网络是由大量处理单元组成非线性系 统 ，具有 良好 的 自适 应性 、自组织性 、很 强 的学 习 、 容错和抗干扰功能。它避开未知 系统的复杂机理 ，直 接根据样本蕴含的信息对系统进行高效建模。然而， 网络模型的实 现需要研 究人员 具有较 高 的编程 能力 ， 这 在 一定 程 度上 影 响 神经 网络技 术 的使用 和 推 广。 MATLAB软件 中的神经 网络工具箱 (简称 NNT) ， 为解决这一难题创造 了便 利条件 ，能大量减少程 序编 辑和调试时间 ，从而 集 中精力 思考 解决 问题 的模 型 ， 提高了工作效率。本文结合工程实例，在 MATLAB环 境下建立了边坡稳定性评价的神经网络模型，并对相 关问题进行探讨。 1 BP神经网络设计 1．1 模型参数分析 (1)网络的层数 和节 点数。BP神 经 网络是 基于 误差反向传播 的多层前 向神经 网络 ，最基本 的 BP网 络 由输 入层 、隐含层和输 出层组成 。根据 Kolmogorov 定理 ，在一定条件下 ，存在一个 三层 网络 ，能 以 (s >0)均方差 的精度逼 近任意 连续 函数 ，因此 ，采 用 三层网络结构模型就能满足解决一般 问题 的需 要。输 入层和输出层 的节点数根据实际问题确定 。隐含 层的 节点数有一定技巧 ，如果节点太多训 练速度太慢 、太 少可能导致不收敛 ，可通过试算法或遗传算 法确定节 点数 ，优化网络结构 。 (2)数据预处理。在样本学习前应根据变量的类 型作相应的预处理。因 BP算法的 s形激励函数在 自 变量接近 0或 1时曲线平缓 ，收敛 速度较慢 ，则可将 输入变量 变换在 [0．1，0．9]之间 ，这 样 s形 函数 在 该 区间内变化梯度增大 ，网络收敛速度提高 ，网络性 能改善。归一化公式为 广东省 自然科学基金项 目 (6021462)。 刘勇健，女 ，副教授 ，博士研究生。 X =0．1+0．8 ( —X i )／ ( 一X i ) (1) 式中 为真实值 ， ⋯、 分别为真实值中的最大 值与最小值， 为归一化后的取值。 1．2 快速训练函数 MATLAB具 有丰富函数 库 ，使开发者从 繁杂的 程序代 码 中解放 出来，被誉 为第 四代计 算语 言。 Matlab7神经网络工具箱提供 了多种训练函数，下面 对几种快 速算法进行分析对 比。 1．2．1 自适应调整学习率算法 自适应调整学习率算法首先计算 网络的输出误 差，然后在每次训练结束后，利用此时的学习率计算 网络的权值和阈