神经网络模型的应用

人工神经网络（ANN：Artificial Neural Network）技术在岩土工程领域已大量应用，其中应用最广泛的就是反向传播BP（Back Propagation Network）网络模型。

曾洪飞［166］（2007）采用土体的含水率、密度、孔隙比与塑性指数等作为输入向量，压缩系数作为输出向量，建立了神经网络模型，研究结果表明利用神经网络预测土体的力学性质指标是可行的；张高峰等［167］（2006）建立了具有9个输入向量、2个输出向量的BP神经网络模型，对土抗剪强度指标进行了预测，结果表明BP网络可以较准确地预测土体抗剪强度指标，预测值和试验值吻合较好，具有较高的可靠性；许传华等［168］（2002）通过选取工程岩体抗剪强度参数建立BP网络模型，并利用大量工程资料对网络进行训练和测试，研究结果表明此神经网络方法与常用的经验公式方法相比能较好地预测出岩体力学参数；骆以道［169］（2001）以非饱和土的含水率、密度等简单易得的试验数据作为输入向量，以抗剪强度作为输出向量，建立了ANN模型，该模型的预测结果基本满足工程要求；刘勇健等［170］（2001）研究了人工神经网络在水泥加固土力学性能预测中的应用；龚羊庆等［171］（2004）分析了红土的物理性质指标对其抗剪强度指标的影响，建立了红土抗剪强度指标的BP网络模型，表明红土抗剪强度指标的预测值与试验值接近，其精度高于线性回归所得的结果；杨玉婷等［111，172］（2010，2012）研究了云南红土抗剪强度指标的神经网络模型研究，等等。

实践证明，根据土体的基本物性指标，利用BP神经网络模型来预测其抗剪强度指标具有以下优点：建模时，避免烦琐计算；通过大量数据的学习，客观寻找数据间的规律，不受仪器局限性和试验过程中人为操作的影响。

本节应用Rumelhart D等［173］（1986）提出的反向传播BP网络模型，根据水泥加固红土的试验数据，建立水泥加固红土抗剪强度指标的神经网络模型。

神经网络模型有多种形式，其中误差逆传播网络（BP网络）模型是神经网络的一种。BP网络模型是一种多层、前馈神经网络模型，它最大特点就是仅仅借助样本数据，无须建立系统的数学模型，就可对系统实现大量输入节点到输出节点的高度非线性映射。因此，在建立水泥加固红土抗剪强度的神经网络模型前，首先应该明确影响水泥加固红土抗剪强度指标的因素。