CBR和ANN在隧道工程喷锚支护设计系统中的应用.pdfVIP

CBR和ANN在隧道工程喷锚支护设计系统中的应用+ 魏莉萍乔春生张清 (北方交通大学土建学院岩土所) ● 【提要】本文将基于事例推埋(简称CBR)和神经元啊络【简称ANN)有机结合，形成喷锚支护智能 综合设计系统。 该系统避免了．传统工程类比法查表的繁琐工作，全面考虑，工程、地质、岩体结构 等各凼素对支护设计的综合影响．使喷锚支护殴计过程更加切合工程实际，奉史以实例实现，得到较 好的支护设计效果。 一、问题的提出 隧道工程是一项复杂的人类实践活动，而喷锚支护的设计又是隧道工程建造过程中 的一项重要内容。在长期的实践中，人们积累了丰富的设计经验和知识。传统的喷锚 支护设计方法仍处于单纯依赖工程类比，查表选取支护参数的定性设计阶段，有很大的 局限性叽 目前专家系统、神经元网络等人工智能方法已被引入土术工程领域12]Pl。专家系统 由于过分依赖专家经验而成为其在实际应用中的一个“瓶颤”，神经元网络则依赖数据 形成的联结网络，至今，还未形成公认普遍有效的人工智能设计方法。 基于工程事例推理(case—based 成功事例库，通过寻找与当前问题相似的事例，调整事例的解，来得到当前问题的答案， 具有很好的前景”】。 但CBR中的事例提取及改写技术仍然是CBR应用中的一个问题。 本文利用三层神经元网络的映射作用，生成喷锚支护设计参数的影响因素权值：然 后将该权值用于CBR中事例提取及改写：最后，通过专家经验规则调整得到喷锚支护的 设计参数值，完成隧道工程喷锚支护设计系统。 二、基于事例推理CBR CBR的基本组成参见圈l。 概括地讲，CBR的基本组成部分为 (1)收集已有的成功事例，形成事例库： (2)提取相似事例(组)： (3)再用事例(组)，得新问题初解： (4)改写新问题初解(在必要时)： 国家自然科学基金资助项目 ·76· (5)保留新问题的解，将其作为新的事例。 对丁一个新问题CBR通过同忆已有的事例，在事例库中提取与新问题条”相似的 事例，将相似事例的解作为新问题的初解，然后依据一定的规律调整．改写相似事例 的解，来得到新问题的解。井将新问题及其答案纳入事例库，为将米的问题提供历史事 例。 罔i CBR的摹奉组成 在CBR推理过程中，提取和改写显然是CBR的关键步骤，其效率直接影响推理系统 的正确性．提取相似事例一般采用最近邻法。 最近邻法的基本原理是： 设事例库有Ⅳ个事例，每一个事例』{有m项属性，备属性的取值为P。，(f=1—Ⅳ 产l—m)，新闻题备属性的取值为P。，|J1fJ提取与新问题属性取值最接近的事例I， DMI=m{n昌(乞(p。，～P，，)) (1) 产I 。 即提取两事例各属性之间的取值差值之和为最小的事例作为最相似的事例。这种方 法是将各属性按等权进行处理的。在实际中，各属性的作_}}j是不一样的，阒此，本文考 虑各属性的权值影响，利用神经元网络计算相似度，利用所得的相似度进行事例提取。 由于所提取的事例与新问题之间有一定的差异，冈此，需要改写新问题的初解。一 般采用基于规则的修正方法，由于规则在实际中往往很难得到，因此，本文将神经元网 络弭j于事例改写。即利用由神经元网络得剑的相似度进行事例改写。 三、基于神经元网络的CBR方法 在CBR中，相似性度量是整个过程的一个基础，设两事例分别为：0，=加。P12．．·· 本文构造两对象之间相似度8D的计算公式为： ·77· SDr吼砚，=Fr。M∞“02，，2