基于GA_BP神经网络的地铁车站深基坑变形预测研究

（河南科技大学应用工程学院，河南 三门峡 472000）

0 引言

地铁车站深基坑工程由于开挖工期长、施工难度大、地质条件和周边环境复杂、施工过程中各种不确定的因素多等特点，致使地铁车站深基坑工程施工具有很高的风险性，为了保证工程施工顺利实施，开展变形监测和预测工作具有重要的意义。近年来，诸多学者运用时间序列、灰色系统、ARMA模型、BP 神经网络等多种方法进行基坑监测数据的处理及预测。BP 神经网络在非线性映射、自适应学习、输入输出灵活等方面具有优良性能，因而被广泛应用于基坑变形预测。但通过研究发现，BP 神经网络在应用过程中出现收敛速度慢、容易陷入局部极小值、隐含层神经元不确定等不足，而导致预测结果不理想。基于此，本文以郑州市地铁5 号线某车站深基坑变形监测实测数据为基础，利用GA 遗传算法在全局寻优上的强大搜索能力，优化BP神经网络，避免预测过程陷入局部极小，通过工程实证分析，表明GA_BP组合预测模型能够有效提高预测精度。

1 变形预测BP 神经网络

1.1 变形预测BP 神经网络模型简介

变形预测BP 神经网络是一种人工神经网络的误差逆向传播训练算法[1]，其学习过程由信号的正向传播和误差的反向传播两个过程构成，正向传播时，在输入层输入样本数据，经过隐含层处理后，传向输出层，若输出层的实际输出与变形监测实际值不符时，则转向误差反向传播阶段，将输出误差通过隐含层向输入层传播，并将误差分摊给各层的神经元，获取各层神经元的误差信号，作为修正各个神经元权值的重要依据[2]。……