基于遗传算法的BP神经网络在轻质路基沉降预测中的应用

沈璐　陈修和　陶文斌　李健斌

摘 要：为更好地掌握轻质路基施工过程中的沉降变形情况，选取宁芜保通线部分轻质路基沉降监测数据，在BP（back propagation）神经网络模型的基础上，采用遗传算法对其进行优化，并将优化后的模型应用于轻质路基沉降预测。结果表明：遗传算法优化的BP神经网络在全局搜索能力和收敛能力方面具有明显优势；在轻质路基沉降预测任务中，多数预测结果的相对误差集中在更低的范围内，监测点1和监测点2预测结果的模型评价指标MAE、RMSE、MAPE分别为0.017 mm、0.021 mm、0.679%和0.013 mm、0.016 mm、1.395%，预测结果拟合程度高，误差小，模型泛化能力强。因此，遗传算法优化的BP神经网络的沉降预测模型具有可靠的预测效果与预测精度，在实际工程中可行性较高，可作为轻质路基沉降预测和预警的一种辅助手段。

关键词：轻质路基；地基沉降；预测；遗传算法；BP神经网络

中图分类号：TU447 DOI：10.16375/j.cnki.cn45-1395/t.2024.02.005

0 引言

在道路施工的过程中，路基沉降大小直接影响道路的稳定状态，特别是对于存在深厚软土等特殊土的地基，路基沉降更是重要的评价指标。因此，在路基施工过程中对其进行动态监测尤为重要。传统路基位移沉降监测方法仅对实时监测数据进行分析，忽视对可能发生位移的预警，当事故发生时只能进行事后补救，错过加固的最佳时机，造成经济损失，甚至延误施工进度。为了快速获取路基变形情况，在已有监测数据的基础上进行后期沉降的预测十分关键。

近年来随着计算机技术的快速发展，神经网络开始被应用于灾害预警和岩土工程领域[1-4]。……