基于pso算法的bp神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性評(píng)價(jià)中的應(yīng)用

1、第9卷第2期2009年6月溫州職業(yè)技術(shù)學(xué)院學(xué)報(bào)JournalofWenzhouVocational＆TechnicalCollegeVol.9No.2Jun.200920081130許敏（1980—），女，江蘇無錫人，無錫職業(yè)技術(shù)學(xué)院講師，碩士.[收稿日期][作者簡介]許敏(無錫職業(yè)技術(shù)學(xué)院，江蘇無錫214073)[摘要]傳統(tǒng)的用于邊坡穩(wěn)定性分析的方法較多，但計(jì)算過程復(fù)雜，計(jì)算量大。采用粒子群優(yōu)化（PSO）算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾

2、值，可以克服存在的缺陷，減少迭代次數(shù)，具有良好的泛化性能，在邊坡穩(wěn)定性評(píng)價(jià)上具有一定的應(yīng)用價(jià)值。[關(guān)鍵詞]PSO；BP神經(jīng)網(wǎng)絡(luò)；邊坡穩(wěn)定性[中圖分類號(hào)]TP183[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]16714326(2009)02004903基于PSO算法的BP神經(jīng)網(wǎng)絡(luò)在邊坡穩(wěn)定性評(píng)價(jià)中的應(yīng)用ApplicationofBPNeuralwkinSlopeStabilityEvaluationontheBasisofPSOAlgithm0引言邊坡穩(wěn)

3、定性問題一直是巖土工程的一個(gè)重要研究內(nèi)容，邊坡穩(wěn)定性的分析、評(píng)價(jià)及其發(fā)展趨勢的預(yù)報(bào)都具有重要的工程實(shí)際意義，而邊坡穩(wěn)定性評(píng)價(jià)結(jié)果的正確與否直接關(guān)系到邊坡工程的成敗[1]。目前，在工程中用于邊坡穩(wěn)定性評(píng)價(jià)的方法較多，但由于影響邊坡穩(wěn)定性的因素繁多，導(dǎo)致計(jì)算過程復(fù)雜計(jì)算量大。為此，筆者提出一種新的邊坡穩(wěn)定性評(píng)價(jià)模型，將粒子群優(yōu)化(ParticleSwarmOptimization，簡稱PSO)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，采用PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)

4、的連接權(quán)值與閾值，從而在提高誤差精度的同時(shí)加快訓(xùn)練收斂的速度。1PSO算法PSO算法主要用于求解優(yōu)化問題。該算法將每個(gè)個(gè)體看作N維搜索空間中的一個(gè)粒子，采取速度—位置搜索模型。速度…決定粒子在搜索空間單位迭代次數(shù)的位移。每個(gè)粒子的位置…就是1個(gè)潛在解，將xi代入目標(biāo)函數(shù)就可以計(jì)算出其適應(yīng)值，衡量其優(yōu)劣。每一次迭代，粒子通過動(dòng)態(tài)跟蹤個(gè)體極值Pi和全局極值Pg來更新其速度和位置。…是粒子從初始到當(dāng)前迭代次數(shù)搜索產(chǎn)生的最優(yōu)解…是粒子種群目前的

5、最優(yōu)解。粒子根據(jù)以下公式[2]更新其速度和位置：(1)(2)其中，…，為種群規(guī)模；…，為搜索空間的維數(shù)；為第i個(gè)粒子的第d次迭代中飛行速度的第k維分量；為第i個(gè)粒子第k次迭代中位置的第d維分量；Pid為粒子i最好位置的第d維分量；Pgd為整個(gè)粒子種群最好位置的第d維分量；r1和r2是[0，1]范圍XUMin(WuxiVocationalTechnicalCollegeWuxi214073China)Abstract:Thetraditi

6、onalmethodofslopestabilityanalysisiscomplexincalculationlargeincomputingcapacity.TheapplicationofParticleSwarmOptimization(PSO)tooptimizetheconnectingweightthresholdofneuralwkcanavoidtheweaknessesdecreasetheiterativetime

7、swhichhasagoodgeneralizationcapacityisofcertainpracticalvalueinslopestabilityevaluation.Keywds:PSOBPneuralwksSlopestability第9卷第2期51置。步驟8：算法停止條件的判斷。對(duì)迭代產(chǎn)生的新的粒子種群進(jìn)行適應(yīng)度評(píng)價(jià)，判斷算法是否達(dá)到最大迭代次數(shù)或者達(dá)到規(guī)定的誤差標(biāo)準(zhǔn)，如果條件滿足則進(jìn)入步驟9；否則迭代次數(shù)增1后返回步驟4

8、繼續(xù)迭代。步驟9：生成最優(yōu)解。算法停止迭代時(shí)，全局極值對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)權(quán)值與連接結(jié)構(gòu)即為訓(xùn)練問題的最優(yōu)解。由上可知，粒子向量各元素的值由BP神經(jīng)網(wǎng)絡(luò)中的權(quán)值和閾值組成，粒子的適應(yīng)度函數(shù)也是根據(jù)BP算法的均方誤差得到，從而實(shí)現(xiàn)了PSO算法與BP算法的充分融合，使BP神經(jīng)網(wǎng)絡(luò)得到最優(yōu)化[5]。3應(yīng)用實(shí)例在Window2003環(huán)境下，利用VisualBasic語言自編的源程序，應(yīng)用PSO優(yōu)化的BP算法對(duì)文獻(xiàn)[1]中已有明確結(jié)論的18個(gè)邊坡實(shí)例進(jìn)

9、行分析。將前15個(gè)邊坡作為訓(xùn)練樣本，后3個(gè)邊坡作為測試樣本，選用巖石容重、粘聚力、內(nèi)摩擦角、邊坡角、邊坡高度、空隙水壓力等作為評(píng)價(jià)指標(biāo)。邊坡的穩(wěn)定狀態(tài)用1表示穩(wěn)定，0表示破壞。根據(jù)以上PSO算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型，確定輸入6個(gè)神經(jīng)元，分別代表6項(xiàng)評(píng)價(jià)指標(biāo)，隱含層神經(jīng)元10個(gè)，輸出層神經(jīng)元1個(gè)。PSO每個(gè)粒子的維數(shù)dimsize為81維，種群規(guī)模popsize為30，wmax=0.9，wmin=0.4=2，=2，連接權(quán)值在[5，5]之間，

10、MSE小于104，或最大迭代次數(shù)為20000次，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為6:10:1，學(xué)習(xí)速率η為0.05，動(dòng)量因子α為0.9。分別采用傳統(tǒng)BP算法和基于PSO的BP算法來訓(xùn)練該組數(shù)據(jù)，并比較兩種算法的性能。（1）迭代次數(shù)比較。當(dāng)達(dá)到誤差時(shí)，使用傳統(tǒng)BP算法訓(xùn)練網(wǎng)絡(luò)的迭代次數(shù)明顯多于使用PSO優(yōu)化的BP算法訓(xùn)練網(wǎng)絡(luò)的次數(shù)。當(dāng)最終達(dá)到誤差104時(shí)，使用BP算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)為13114次，而基于PSO的BP算法訓(xùn)練網(wǎng)絡(luò)的迭代次數(shù)為4060次

11、，如圖1所示。很顯然，使用基于PSO的BP算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)可以明顯減少迭代次數(shù)。（2）輸出結(jié)果比較。在選用3個(gè)樣本做測試時(shí)，評(píng)價(jià)模型，優(yōu)化神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值，找到全局最優(yōu)的網(wǎng)絡(luò)參數(shù)，從而優(yōu)化了神經(jīng)網(wǎng)絡(luò)，克服了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)的缺陷。實(shí)驗(yàn)證明，基于PSO的BP算法與傳統(tǒng)的BP算法相比，明顯減少了迭代次數(shù)，具有良好的泛化性能，是一種有效的綜合評(píng)價(jià)方法，在邊坡穩(wěn)定性評(píng)價(jià)上具有一定的應(yīng)用價(jià)值。兩種算法對(duì)測試數(shù)據(jù)的輸出結(jié)果也不相同（見表1

12、）。從表1可以看出，應(yīng)用PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果更趨于期望輸出值，且更精確，基于PSO的BP算法要比傳統(tǒng)的BP算法的泛化能力高許多。4結(jié)論邊坡穩(wěn)定性問題的評(píng)價(jià)，通過應(yīng)用PSO算法，建立圖1BP算法和基于PSO的BP算法的誤差—迭代次數(shù)比較表1BP算法和基于PSO的BP算法的測試數(shù)據(jù)結(jié)果比較樣本123樣本理想輸出100BP算法輸出0.98070.00850.0104基于PSO的BP算法輸出0.99350.00450.00041傳統(tǒng)

13、的BP算法誤差0.0190.00850.0104基于PSO的BP算法誤差0.00650.00450.00041[1]劉沐宇，朱瑞賡.基于模糊相似優(yōu)先的邊坡穩(wěn)定性評(píng)價(jià)范例推理方法[J].巖石力學(xué)與工程學(xué)報(bào)，2002，21(8):11881193.[2]JKennedyRCEberhart.ParticleSwarmOptimization[J].IEEEInternationalConferenceonNeuralwksPerthAust