抗剪强度神经网络模型的预测和评价

以模型训练符合要求为基础，对表4－7中16～25共10组样本数据进行预测。程序代码如下：

P＿test＝［P＿test］ T＿test＝［T＿test］

Y＝sim（net，P＿test）

figure

plot（1：10，Y（1，：）－T＿test（1，：））

hold on

plot（1：10，Y（2，：）－T＿test（2，：），＇－＊＇）

hold off

预测结果可得到归一化的黏聚力和内摩擦角的预测值。与实测值对比，表明黏聚力的预测值和实测值差值的绝对值在0.1以内，而内摩擦角的预测值和实测值差值的绝对值一半在0.1以内，一半超出了0.1，最大值接近0.3，说明该模型对黏聚力的预测效果比内摩擦角的预测效果好。

根据归一化公式可得到反归一化公式：

式中符号同式（4－7）。

利用反归一化公式（4－8）就可以将归一化的预测结果还原为正常的抗剪强度指标。

图4－29给出了利用神经网络模型对水泥加固红土抗剪强度指标的预测结果，并给出了实测对比值，图4－30给出了水泥加固红土抗剪强度指标的预测误差。

图4－29和图4－30表明：

（1）经过训练而建立起来的神经网络模型预测得到的抗剪强度指标与实测值接近，具有较高的精度。由此可以证明，通过试验结果建立的神经网络模型，用于求解水泥加固红土的力学参数是可行的。

（2）图4－29（a）中，水泥加入比例分别为15%、20%时，黏聚力的预测线与实测线接近，对应图4－30（a）的误差线靠近坐标轴，说明本节建立的水泥加固红土抗剪强度的神经网络模型对黏聚力的预测效果较好。图4－29（b）中，水泥加入比例为15%时，内摩擦角的预测线与实测线接近，对应图4－30（b）的误差线靠近坐标轴，说明预测结果较好；而水泥加入比例为20%时，内摩擦角的预测线与实测线相距较远，对应图4－30（b）的误差线远离坐标轴，说明预测结果较差。

图4－29　水泥加固红土抗剪强度指标的预测－实测对比

图4－30　水泥加固红土抗剪强度指标的预测误差

（3）当试样养护时间按0d，3d，7d，14d，28d延长，水泥加入比例为15%时，水泥加固红土黏聚力的预测误差在－4.2%～3.2%之间变化，内摩擦角的预测误差在－3.1%～1.5%之间变化；水泥加入比例为20%时，黏聚力的预测误差在－4.6%～13.4%之间变化，内摩擦角的预测误差在－11.4%～－7.6%指标变化。可见，水泥加入比例为15%时，水泥加固红土黏聚力的预测误差和内摩擦角的预测误差都小于水泥加入比例为20%时的对应误差，说明水泥加入比例小时，该神经网络模型的预测效果较好。