一種土層錨桿錨固力影響因素敏感性的測定方法
【專利摘要】本發(fā)明公開了一種土層錨桿錨固力影響因素敏感性的測定方法，包括步驟：一、土層錨桿錨固力預(yù)測模型選擇及其輸入量與輸出量確定：將M個土層錨桿錨固力的影響因素和土層錨桿錨固力分別作為土層錨桿錨固力預(yù)測模型的M個輸入量和輸出量；二、訓(xùn)練樣本集獲?。菏占疦個土層錨桿的原位測試數(shù)據(jù)，并將各土層錨桿的原位測試數(shù)據(jù)作為一個訓(xùn)練樣本；三、土層錨桿錨固力預(yù)測模型建立及訓(xùn)練；四、多水平多因素正交試驗(yàn)，過程如下：土層錨桿設(shè)計(jì)參數(shù)輸入、正交表建立、正交試驗(yàn)樣本獲取、錨固力預(yù)測、錨固力預(yù)測值整理和敏感性確定。本發(fā)明方法步驟簡單、設(shè)計(jì)合理且實(shí)現(xiàn)方便、使用效果好，能簡便、快速且準(zhǔn)確完成土層錨桿錨固力影響因素的敏感性測定過程。
【專利說明】一種土層錨桿錨固力影響因素敏感性的測定方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于土層錨桿錨固力影響因素分析【技術(shù)領(lǐng)域】，尤其是涉及一種土層錨桿錨固力影響因素敏感性的測定方法。
【背景技術(shù)】
[0002]土層錨桿的錨固力取決于錨固段的長度、錨桿直徑、孔徑、灌漿體強(qiáng)度、錨桿的傾角、土體的性質(zhì)等多種因素，這些影響因素不可避免地存在著不確定性。實(shí)際使用過程中，上述不確定因素可能出現(xiàn)的擺幅對土層錨桿錨固力的影響有多大，以及錨桿錨固力對何種因素的影響最為敏感往往是工程關(guān)心的重要問題之一。
[0003]1986年，Hohenbichler進(jìn)行了可靠度對隨機(jī)變量的敏感性研究，此后Madsen,Bjerager以及Karamchandani等人對此作了進(jìn)一步研究。國內(nèi)目前對錨固工程的參數(shù)敏感性方面的研究較少，報(bào)道可見的文獻(xiàn)資料也主要局限于各種參數(shù)對錨固工程穩(wěn)定性及變形的敏感性分析，針對土層錨桿錨固力的敏感性研究較少，幾乎沒有該方面比較完善的研究資料。已有的敏感性研究方法也只局限于有限元法，這種方法明顯的缺點(diǎn)就是當(dāng)參數(shù)較多時(shí)計(jì)算量很大，另一方面多個參數(shù)的組合很難確定。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題在于針對上述現(xiàn)有技術(shù)中的不足，提供一種土層錨桿錨固力影響因素敏感性的測定方法，其方法步驟簡單、設(shè)計(jì)合理且實(shí)現(xiàn)方便、使用效果好，能簡便、快速且準(zhǔn)確完成土層錨桿錨固力影響因素的敏感性測定過程。
[0005]為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是:一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于該方法包括以下步驟:
[0006]步驟一、土層錨桿錨固力預(yù)測模型選擇及其輸入量與輸出量確定:選用BP神經(jīng)網(wǎng)絡(luò)模型作為土層錨桿錨固力預(yù)測模型，將M個影響土層錨桿錨固力的不同影響因素作為所述土層錨桿錨固力預(yù)測模型的輸入量，并將土層錨桿錨固力作為所述土層錨桿錨固力預(yù)測模型的輸出量；
[0007]所述輸入量的數(shù)量為M個,M個所述輸入量分別記作Xp x2、…、xM;所述輸出量記作y ;M為正整數(shù)且M≥3 ；
[0008]步驟二、訓(xùn)練樣本集獲取:收集N個土層錨桿的原位測試數(shù)據(jù)，并將各土層錨桿的原位測試數(shù)據(jù)均存儲至與數(shù)據(jù)處理器相接的數(shù)據(jù)存儲單元內(nèi)；每個所述土層錨桿的原位測試數(shù)據(jù)均包括該土層錨桿的M個影響因素的數(shù)值與錨固力的實(shí)測值，N個所述土層錨桿的原位測試數(shù)據(jù)組成訓(xùn)練樣本集；
[0009]所述訓(xùn)練樣本集中包括N個訓(xùn)練樣本，每個訓(xùn)練樣本記作{xu、x21、…、xM1、yJ，其中Xl1、X21、…、xMi分別為N個土層錨桿中第i個所述土層錨桿的M個影響因素的數(shù)值，Yi為第i個所述土層錨桿的錨固力實(shí)測值；其中，i為正整數(shù)且i = 1、2、…、N ;
[0010]步驟三、土層錨桿錨固力預(yù)測模型建立及訓(xùn)練:所述數(shù)據(jù)處理器調(diào)用Matlab軟件建立所述土層錨桿錨固力預(yù)測模型，并采用步驟二中所建立的訓(xùn)練樣本集對所建立的土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練；訓(xùn)練完成后，獲得訓(xùn)練好的土層錨桿錨固力預(yù)測模型；
[0011]對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練前，先對訓(xùn)練次數(shù)和訓(xùn)練目標(biāo)誤差進(jìn)行設(shè)定；
[0012]步驟四、多水平多因素正交試驗(yàn):通過對當(dāng)前所設(shè)計(jì)土層錨桿的設(shè)計(jì)參數(shù)進(jìn)行多水平多因素正交試驗(yàn)，確定影響當(dāng)前所設(shè)計(jì)土層錨桿錨固力的M個所述影響因素的敏感性，過程如下:
[0013]步驟401、土層錨桿設(shè)計(jì)參數(shù)輸入:通過與所述數(shù)據(jù)處理器相接的參數(shù)輸入單元，輸入當(dāng)前所設(shè)計(jì)土層錨桿的設(shè)計(jì)參數(shù)，該設(shè)計(jì)參數(shù)中包括當(dāng)前所設(shè)計(jì)土層錨桿的M個所述影響因素的設(shè)計(jì)值；
[0014]步驟402、正交表建立:所建立的正交表中包含步驟一中M個所述影響因素，且對M個所述影響因素均進(jìn)行S個水平試驗(yàn)；其中，S為正整數(shù)且S≥3 ;
[0015]每個所述影響因素的S個試驗(yàn)水平均為對該影響因素的設(shè)計(jì)值進(jìn)行S次不同幅度的調(diào)整后，獲得的試驗(yàn)值；
[0016]步驟403、正交試驗(yàn)樣本獲取:根據(jù)步驟401中所輸入的設(shè)計(jì)參數(shù)，并結(jié)合步驟402中所建立的正交表，獲得對當(dāng)前所設(shè)計(jì)土層錨桿進(jìn)行多水平多因素正交試驗(yàn)時(shí)所用的所有試驗(yàn)樣本；每個所述試驗(yàn) 樣本中，均包括當(dāng)前所設(shè)計(jì)土層錨桿的M個所述影響因素的試驗(yàn)值；
[0017]步驟404、錨固力預(yù)測:所述數(shù)據(jù)處理器調(diào)用步驟三中訓(xùn)練好的土層錨桿錨固力預(yù)測模型，對步驟403中所有試驗(yàn)樣本所對應(yīng)的錨固力進(jìn)行預(yù)測，并獲得M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值；
[0018]步驟405、錨固力預(yù)測值整理:根據(jù)步驟404中所獲得的M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值，計(jì)算得出每個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值；其中，M個所述影響因素中第j個影響因素的第t個試驗(yàn)水平的錨固力預(yù)測值平均值記作Mjt，j和t均為正整數(shù)，j = 1、2、…、M，t = l、2、…、S;
[0019]之后，根據(jù)計(jì)算得出的M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值，計(jì)算得出每個所述影響因素的極差；其中，M個所述影響因素中第j個影響因素的極差記作Λ Mjt, AMjt = M_x-M>in，式中Miliax為第j個影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值中的最大值，Millin為第j個影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值中的最小值；
[0020]步驟五、敏感性確定:根據(jù)步驟405中計(jì)算得出的M個所述影響因素的極差，對M個所述影響因素的敏感性進(jìn)行確定；其中，極差越大的影響因素越敏感，對所設(shè)計(jì)土層錨桿的錨固力影響程度越大，各影響因素的極差大小決定該影響因素對所設(shè)計(jì)土層錨桿的錨固力影響程度。
[0021]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟一中M =5。
[0022]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟三中所述土層錨桿錨固力預(yù)測模型訓(xùn)練完成后，還需采用測試樣本集對訓(xùn)練好的土層錨桿錨固力預(yù)測模型進(jìn)行測試；所述測試樣本集為由步驟二中所述訓(xùn)練樣本集中的多個訓(xùn)練樣本組成的樣本集或按照步驟二中所述訓(xùn)練樣本集的獲取方法重新建立的樣本集。
[0023]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:5個所述影響因素分別為錨固段長度、錨桿直徑、孔徑、灌漿體強(qiáng)度和錨桿傾斜角度。
[0024]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:對所述土層錨桿錨固力預(yù)測模型進(jìn)行測試時(shí)，所述數(shù)據(jù)處理器調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中的sim函數(shù)進(jìn)行測試，并生成各訓(xùn)練樣本對應(yīng)的錨固力預(yù)測值，之后將各檢測樣本對應(yīng)的錨固力預(yù)測值與該檢測樣本的錨固力實(shí)測值進(jìn)行差值比較，得出該檢測樣本對應(yīng)的預(yù)測誤差；待所述訓(xùn)練樣本集內(nèi)各訓(xùn)練樣本均測試完成后，獲得所述訓(xùn)練樣本集內(nèi)各訓(xùn)練樣本對應(yīng)的預(yù)測誤差；之后，根據(jù)各訓(xùn)練樣本對應(yīng)的預(yù)測誤差，對訓(xùn)練好的土層錨桿錨固力預(yù)測模型的預(yù)測精度進(jìn)行分析。
[0025]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟三中對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練時(shí)，所述數(shù)據(jù)處理器調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中的“trainlm”函數(shù)進(jìn)行訓(xùn)練。
[0026]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟三中對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練之前，所述數(shù)據(jù)處理器先調(diào)用歸一化處理模塊對所述訓(xùn)練樣本集中各訓(xùn)練樣本內(nèi)的數(shù)據(jù)進(jìn)行歸一化處理；訓(xùn)練完成后，所述數(shù)據(jù)處理器還需調(diào)用反歸一化處理模塊對訓(xùn)練過程中對生成的預(yù)測值進(jìn)行反歸一化處理；
[0027]步驟404中進(jìn)行錨固力預(yù)測之前，所述數(shù)據(jù)處理器先調(diào)用所述歸一化處理模塊對步驟403中所有試驗(yàn)樣本內(nèi)的數(shù)據(jù)進(jìn)行歸一化處理，待調(diào)用所述土層錨桿錨固力預(yù)測模型所有試驗(yàn)樣本所對應(yīng)的錨固力進(jìn)行預(yù)測后，還需調(diào)用所述反歸一化處理模塊對所生成的預(yù)測值進(jìn)行反歸一化處理。
[0028]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟三中建立所述土層錨桿錨固力預(yù)測模型時(shí)，所建立的土層錨桿錨固力預(yù)測模型包含一個輸入層、一個隱含層和一個輸出層，所述輸入層包括分別與M個所述影響因素相對應(yīng)的M個節(jié)點(diǎn)，所述隱含層包含(2M+1)個節(jié)點(diǎn)，所述輸出層包含一個節(jié)點(diǎn)。
[0029]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟402中S =5。
[0030]上述一種土層錨桿錨固力影響因素敏感性的測定方法，其特征是:步驟402中每個所述影響因素的5個試驗(yàn)水平均為對該影響因素的設(shè)計(jì)值上調(diào)20%、上調(diào)10%、上調(diào)0%、下調(diào)10%和下調(diào)20%后，獲得的試驗(yàn)值。
[0031]本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn):
[0032]1、方法步驟簡單、設(shè)計(jì)合理且實(shí)現(xiàn)方便。
[0033]2、設(shè)計(jì)合理，本發(fā)明基于土層錨桿錨固力原位測試試驗(yàn)，綜合考慮錨桿直徑、錨固段長度、傾角以及灌漿體強(qiáng)度、孔徑等錨固力影響因素，利用人工神經(jīng)網(wǎng)絡(luò)(artificialneural network)的誤差反向傳播(back propagation, BP)算法及MATLAB人工神經(jīng)網(wǎng)絡(luò)工具箱，建立錨固力預(yù)測模型；在此基礎(chǔ)上，采用正交表試驗(yàn)理論分析了錨固力對各影響因素的敏感性，能為相應(yīng)錨固加固工程的實(shí)際應(yīng)用提供參考依據(jù)。
[0034]3、使用效果好且實(shí)用價(jià)值高，基于人工神經(jīng)網(wǎng)絡(luò)的BP算法，綜合考慮錨桿直徑、灌漿體強(qiáng)度、錨固段長度、孔徑、錨桿傾角等影響因素，建立了土層錨桿錨固力預(yù)測的智能模型。結(jié)合錨桿加固工程的原位測試數(shù)據(jù)，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練、誤差分析，從而驗(yàn)證了所建立預(yù)測模型的適用性和可行性。利用訓(xùn)練好的預(yù)測模型，并結(jié)合正交表試驗(yàn)理論設(shè)計(jì)了多組正交試驗(yàn)，對土層錨桿錨固力影響因素的敏感性進(jìn)行分析。采用基于正交試驗(yàn)的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)方法，該方法可從任意網(wǎng)絡(luò)開始，利用正交試驗(yàn)原理改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)，提高網(wǎng)絡(luò)性能，直至最終設(shè)計(jì)出較優(yōu)或最優(yōu)的神經(jīng)網(wǎng)絡(luò)。并利用正交試驗(yàn)的極差分析法獲得最優(yōu)決策，揭示神經(jīng)網(wǎng)絡(luò)各層間交互作用的強(qiáng)弱。
[0035]綜上所述，本發(fā)明方法步驟簡單、設(shè)計(jì)合理且實(shí)現(xiàn)方便、使用效果好，能簡便、快速且準(zhǔn)確完成土層錨桿錨固力影響因素的敏感性測定過程。
[0036]下 面通過附圖和實(shí)施例，對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
【專利附圖】

【附圖說明】
[0037]圖1為本發(fā)明的方法流程框圖。
[0038]圖2為本發(fā)明所建立土層錨桿錨固力預(yù)測模型的結(jié)構(gòu)示意圖。
[0039]圖3為本發(fā)明進(jìn)行模型訓(xùn)練時(shí)訓(xùn)練誤差隨訓(xùn)練次數(shù)變化的變化曲線圖。
【具體實(shí)施方式】
[0040]如圖1所示的一種土層錨桿錨固力影響因素敏感性的測定方法，包括以下步驟:
[0041]步驟一、土層錨桿錨固力預(yù)測模型選擇及其輸入量與輸出量確定:選用BP神經(jīng)網(wǎng)絡(luò)模型作為土層錨桿錨固力預(yù)測模型，將M個影響土層錨桿錨固力的不同影響因素作為所述土層錨桿錨固力預(yù)測模型的輸入量，并將土層錨桿錨固力作為所述土層錨桿錨固力預(yù)測模型的輸出量。
[0042]所述輸入量的數(shù)量為M個,M個所述輸入量分別記作Xp x2、…、xM;所述輸出量記作y ;M為正整數(shù)且M≥3。
[0043]實(shí)際使用時(shí)，所選用的M個所述影響因素均為對土層錨桿錨固力影響較大的重要
影響因素。
[0044]本實(shí)施例中，步驟一中M = 5。5個所述影響因素分別為錨固段長度、錨桿直徑、孔徑、灌漿體強(qiáng)度和錨桿傾斜角度。其中，錨固段長度、錨桿直徑和孔徑的單位均為mm，灌漿體強(qiáng)度的單位為MPa，錨桿傾斜角度的單位為。，孔徑為土層錨桿的錨固孔孔徑。
[0045]實(shí)際使用時(shí)，可以根據(jù)具體需要，對M的取值大小和M個所述影響因素分別進(jìn)行調(diào)整。也就是說，可以根據(jù)具體需要，對所選用的影響因素進(jìn)行相應(yīng)調(diào)整，可選用其它的影響因素。
[0046]步驟二、訓(xùn)練樣本集獲取:收集N個土層錨桿的原位測試數(shù)據(jù)，并將各土層錨桿的原位測試數(shù)據(jù)均存儲至與數(shù)據(jù)處理器相接的數(shù)據(jù)存儲單元內(nèi)；每個所述土層錨桿的原位測試數(shù)據(jù)均包括該土層錨桿的M個影響因素的數(shù)值與錨固力的實(shí)測值，N個所述土層錨桿的原位測試數(shù)據(jù)組成訓(xùn)練樣本集。
[0047]所述訓(xùn)練樣本集中包括N個訓(xùn)練樣本，每個訓(xùn)練樣本記作{xu、x21、…、xM1、yJ，其中Xl1、X21、…、xMi分別為N個土層錨桿中第i個所述土層錨桿的M個影響因素的數(shù)值，Yi為第i個所述土層錨桿的錨固力實(shí)測值；其中，i為正整數(shù)且i = 1、2、…、N。
[0048]N個所述訓(xùn)練樣本中的M個影響因素的數(shù)值組成輸入矩陣，所述輸入矩陣為NXM矩陣。
[0049]本實(shí)施例中，N= 15。實(shí)際使用時(shí)，可以根據(jù)具體需要，對N的取值大小進(jìn)行相應(yīng)調(diào)整。
[0050]本實(shí)施例中，所建立的訓(xùn)練樣本集詳見表1:
[0051]表1訓(xùn)練樣本集內(nèi)各訓(xùn)練樣本的數(shù)據(jù)表
[0052]
【權(quán)利要求】
1.一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于該方法包括以下步驟: 步驟一、土層錨桿錨固力預(yù)測模型選擇及其輸入量與輸出量確定:選用BP神經(jīng)網(wǎng)絡(luò)模型作為土層錨桿錨固力預(yù)測模型，將M個影響土層錨桿錨固力的不同影響因素作為所述土層錨桿錨固力預(yù)測模型的輸入量，并將土層錨桿錨固力作為所述土層錨桿錨固力預(yù)測模型的輸出量； 所述輸入量的數(shù)量為M個,M個所述輸入量分別記作XpX2、…、xM ;所述輸出量記作y ；M為正整數(shù)且M≥3 ； 步驟二、訓(xùn)練樣本集獲取:收集N個土層錨桿的原位測試數(shù)據(jù)，并將各土層錨桿的原位測試數(shù)據(jù)均存儲至與數(shù)據(jù)處理器相接的數(shù)據(jù)存儲單元內(nèi)；每個所述土層錨桿的原位測試數(shù)據(jù)均包括該土層錨桿的M個影響因素的數(shù)值與錨固力的實(shí)測值，N個所述土層錨桿的原位測試數(shù)據(jù)組成訓(xùn)練樣本集； 所述訓(xùn)練樣本集中包括N個訓(xùn)練樣本，每個訓(xùn)練樣本記作{xn、x21、…、xM1、yj，其中Xli> X2i>…、xMi分別為N個土層錨桿中第i個所述土層錨桿的M個影響因素的數(shù)值，第i個所述土層錨桿的錨固力實(shí)測值；其中，i為正整數(shù)且i = 1、2、…、N ; 步驟三、土層錨桿錨固力預(yù)測模型建立及訓(xùn)練:所述數(shù)據(jù)處理器調(diào)用Matlab軟件建立所述土層錨桿錨固力預(yù)測模型，并采用步驟二中所建立的訓(xùn)練樣本集對所建立的土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練；訓(xùn)練完成后，獲得訓(xùn)練好的土層錨桿錨固力預(yù)測模型； 對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練前，先對訓(xùn)練次數(shù)和訓(xùn)練目標(biāo)誤差進(jìn)行設(shè)定; 步驟四、多水平多因素正交試驗(yàn):通過對當(dāng)前所設(shè)計(jì)土層錨桿的設(shè)計(jì)參數(shù)進(jìn)行多水平多因素正交試驗(yàn)，確定影響當(dāng)前所設(shè)計(jì)土層錨桿錨固力的M個所述影響因素的敏感性，過程如下: 步驟401、土層錨桿設(shè)計(jì)參數(shù)輸入:通過與所述數(shù)據(jù)處理器相接的參數(shù)輸入單元，輸入當(dāng)前所設(shè)計(jì)土層錨桿的設(shè)計(jì)參數(shù)，該設(shè)計(jì)參數(shù)中包括當(dāng)前所設(shè)計(jì)土層錨桿的M個所述影響因素的設(shè)計(jì)值； 步驟402、正交表建立:所建立的正交表中包含步驟一中M個所述影響因素，且對M個所述影響因素均進(jìn)行S個水平試驗(yàn)；其中，S為正整數(shù)且S≥3; 每個所述影響因素的S個試驗(yàn)水平均為對該影響因素的設(shè)計(jì)值進(jìn)行S次不同幅度的調(diào)整后，獲得的試驗(yàn)值； 步驟403、正交試驗(yàn)樣本獲取:根據(jù)步驟401中所輸入的設(shè)計(jì)參數(shù)，并結(jié)合步驟402中所建立的正交表，獲得對當(dāng)前所設(shè)計(jì)土層錨桿進(jìn)行多水平多因素正交試驗(yàn)時(shí)所用的所有試驗(yàn)樣本；每個所述試驗(yàn)樣本中，均包括當(dāng)前所設(shè)計(jì)土層錨桿的M個所述影響因素的試驗(yàn)值； 步驟404、錨固力預(yù)測:所述數(shù)據(jù)處理器調(diào)用步驟三中訓(xùn)練好的土層錨桿錨固力預(yù)測模型，對步驟403中所有試驗(yàn)樣本所對應(yīng)的錨固力進(jìn)行預(yù)測，并獲得M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值； 步驟405、錨固力預(yù)測值整理:根據(jù)步驟404中所獲得的M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值，計(jì)算得出每個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值；其中，M個所述影響因素中第j個影響因素的第t個試驗(yàn)水平的錨固力預(yù)測值平均值記作Mjt，j和t均為正整數(shù)，j = 1、2、…、M，t = l、2、…、S; 之后，根據(jù)計(jì)算得出的M個所述影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值，計(jì)算得出每個所述影響因素的極差；其中，M個所述影響因素中第j個影響因素的極差記作AMjt, AMjt = Miliax-Millin，式中M_x為第j個影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值中的最大值，Mjfflin為第j個影響因素的S個不同試驗(yàn)水平的錨固力預(yù)測值平均值中的最小值； 步驟五、敏感性確定:根據(jù)步驟405中計(jì)算得出的M個所述影響因素的極差，對M個所述影響因素的敏感性進(jìn)行確定；其中，極差越大的影響因素越敏感，對所設(shè)計(jì)土層錨桿的錨固力影響程度越大，各影響因素的極差大小決定該影響因素對所設(shè)計(jì)土層錨桿的錨固力影響程度。
2.按照權(quán)利要求1所 述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟一中M = 5。
3.按照權(quán)利要求1或2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟三中所述土層錨桿錨固力預(yù)測模型訓(xùn)練完成后，還需采用測試樣本集對訓(xùn)練好的土層錨桿錨固力預(yù)測模型進(jìn)行測試；所述測試樣本集為由步驟二中所述訓(xùn)練樣本集中的多個訓(xùn)練樣本組成的樣本集或按照步驟二中所述訓(xùn)練樣本集的獲取方法重新建立的樣本集。
4.按照權(quán)利要求2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:5個所述影響因素分別為錨固段長度、錨桿直徑、孔徑、灌漿體強(qiáng)度和錨桿傾斜角度。
5.按照權(quán)利要求3所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:對所述土層錨桿錨固力預(yù)測模型進(jìn)行測試時(shí)，所述數(shù)據(jù)處理器調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中的sim函數(shù)進(jìn)行測試，并生成各訓(xùn)練樣本對應(yīng)的錨固力預(yù)測值，之后將各檢測樣本對應(yīng)的錨固力預(yù)測值與該檢測樣本的錨固力實(shí)測值進(jìn)行差值比較，得出該檢測樣本對應(yīng)的預(yù)測誤差；待所述訓(xùn)練樣本集內(nèi)各訓(xùn)練樣本均測試完成后，獲得所述訓(xùn)練樣本集內(nèi)各訓(xùn)練樣本對應(yīng)的預(yù)測誤差；之后，根據(jù)各訓(xùn)練樣本對應(yīng)的預(yù)測誤差，對訓(xùn)練好的土層錨桿錨固力預(yù)測模型的預(yù)測精度進(jìn)行分析。
6.按照權(quán)利要求1或2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟三中對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練時(shí)，所述數(shù)據(jù)處理器調(diào)用Matlab神經(jīng)網(wǎng)絡(luò)工具箱中的“trainlm”函數(shù)進(jìn)行訓(xùn)練。
7.按照權(quán)利要求1或2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟三中對所述土層錨桿錨固力預(yù)測模型進(jìn)行訓(xùn)練之前，所述數(shù)據(jù)處理器先調(diào)用歸一化處理模塊對所述訓(xùn)練樣本集中各訓(xùn)練樣本內(nèi)的數(shù)據(jù)進(jìn)行歸一化處理；訓(xùn)練完成后，所述數(shù)據(jù)處理器還需調(diào)用反歸一化處理模塊對訓(xùn)練過程中對生成的預(yù)測值進(jìn)行反歸一化處理； 步驟404中進(jìn)行錨固力預(yù)測之前，所述數(shù)據(jù)處理器先調(diào)用所述歸一化處理模塊對步驟403中所有試驗(yàn)樣本內(nèi)的數(shù)據(jù)進(jìn)行歸一化處理，待調(diào)用所述土層錨桿錨固力預(yù)測模型所有試驗(yàn)樣本所對應(yīng)的錨固力進(jìn)行預(yù)測后，還需調(diào)用所述反歸一化處理模塊對所生成的預(yù)測值進(jìn)行反歸一化處理。
8.按照權(quán)利要求1或2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟三中建立所述土層錨桿錨固力預(yù)測模型時(shí)，所建立的土層錨桿錨固力預(yù)測模型包含一個輸入層、一個隱含層和一個輸出層，所述輸入層包括分別與M個所述影響因素相對應(yīng)的M個節(jié)點(diǎn)，所述隱含層包含(2M+1)個節(jié)點(diǎn)，所述輸出層包含一個節(jié)點(diǎn)。
9.按照權(quán)利要求1或2所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟402中S = 5。
10.按照權(quán)利要求9所述的一種土層錨桿錨固力影響因素敏感性的測定方法，其特征在于:步驟402中每個所述影響因素的5個試驗(yàn)水平均為對該影響因素的設(shè)計(jì)值上調(diào).20%、上調(diào)10%、上調(diào)0%、下調(diào)10%和下調(diào)20%后，獲得的試驗(yàn)值。
【文檔編號】G06N3/02GK103927458SQ201410181912
【公開日】2014年7月16日 申請日期:2014年4月30日 優(yōu)先權(quán)日:2014年4月30日
【發(fā)明者】郝建斌, 汪班橋, 姚婕, 黃毓挺, 李金和 申請人:長安大學(xué)