基于MEC-BP神经网络的基坑水平位移反演分析

李步遥，司马军,2

(1.武汉大学 土木建筑工程学院，湖北 武汉430072；2.岩土与结构工程安全湖北省重点试验室，湖北 武汉430072)

近年来，随着城市轨道交通建设的快速发展，地铁车站开挖深度越来越大，对基坑变形的设计要求也越来越高。由于岩土材料性质的复杂性和敏感性、取样的扰动性以及施工条件的不确定性，岩土参数的室内试验结果与现场实际情况往往有较大差别[1]，基坑工程岩土设计参数的选择面临着极大挑战。为了降低工程风险同时避免投资浪费，许多学者根据现场监测结果展开了岩土参数反演分析研究[1−2]。为了克服传统优化算法的不足，神经 网 络 法[3−4]、遗 传 算 法(GA)[4−6]、粒 子 群 算 法[7]、进化差分算法[8]等人工智能方法在反分析问题中得到了大量应用。其中，BP神经网络具有学习能力强、可塑性好等优点，但传统BP神经网络易陷入局部最优；主要原因是BP神经网络初始权值和阈值的选择具有随机性，影响了模型性能。思维进化算法(Mind Evolutionary Computation，MEC)[9]借鉴了遗传算法中群体和进化的思路，引入了反映人类思维特点的趋同与异化过程，改进了传统进化算法早熟、收敛速度慢等缺点，具有极强的全局寻优能力。一些学者利用MEC定向搜索最优初始权值和阈值来优化BP神经网络性能，建立MEC-BP神经网络[10]，应用于岩土渗透系数反演[11]、桩身轴力预测[12]等问题，取得了较好的效果。然而，目前鲜有学者将MEC-BP神经网络方法应用于基坑工程。鉴此，本文将MEC-BP神经网络运用到深基坑工程反分析问题中，提出根据实测水平位移反演土层参数的方法，并采用文献算例进行了验证；……