深基坑支护结构选型决策方法与应用分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇深基坑支护结构选型决策方法与应用分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要：深基坑支护是建筑设计中的一个重要部分，尤其支护结构类型的确定是深基坑支护结构设计中的重点。文章对深基坑支护结构的设计特点进行分析，阐述支护结构选型方法及建立模型，并分析其具体应用，有效地解决深基坑支护结构选型问题。
随着建筑行业的不断发展，高层建筑逐渐得到快速的发展，而对于基坑的开挖深度也在不断的增加，加之地形因素的影响，传统的开挖支护结构选型与设计方法已经远远不能够满足当前建筑的需要。深基坑支护结构选型问题越来越困扰着设计工作人员，如何选择合理的支护结构选型方法是从业人员关注的重要问题。由于深基坑支护系统的相关设计属于一个系统化的工程，而支护方案的好与坏常常与基坑特点和周边环境以及地质条件等因素有着密切的联系。传统的支护结构设计存在有较大的缺陷，一旦出现事故便会造成极大的社会影响。因此，本文对深基坑支护结构选型方法进行分析，并具体的实际应用。
1深基坑支护结构选型方法分析
深基坑支护结构的设计过程中，重点在于支护结构的选型，如何合理的选择模型是设计人员比较关注的重点。下面阐述设计中常见的几种选型方法，分析如下。
1.1遗传算法模型分析
在深基坑支护的设计过程中，遗传算法比较常见，这种选型方法上能够有效的减小因素匹配与取值上的相关波动，从而有效的隐蔽过程进行分析，并增加演化过程的自适应性。这种算法能够有效的对支护工程方案与细部结构间更好的协同，并有效的获取环境影响最小的优化方案。同时，这种算法能够有效嵌入各种面向对象系统中，从而避免传统遗传算法上的局限性，能够最大限度的搜集需要优化的问题，从而提高全局的最佳优化效果。
1.2灰色系统理论模型分析
灰色系统理论主要是将深基坑支护的相关指标作为灰色系统，并采取灰色关联分析法进行建立支护体系的相关模型。这种理论方法能够有效的利用相关数据与信息，并依据相关的要求及各个因素之间的发展的相似度与相异度进行权衡因素之间的关系。然后，采取相关的数据分析，有效地分析因素之间的序列，更好的做出决策。同时，这种选型方法能够有效的揭示了事物关联的特征与程度，并能够有效的解决设计中参数不具备与不充分的问题。
1.3模糊数学法模型分析
在基坑支护设计的过程中采取模糊数学法的方法主要有两种，即层次分析法与模糊综合评判法。前者主要是将多个指标进行综合分析，这种方法比较简单，且具有较高的灵活性与逻辑性以及简洁性，从而更好的对因素进行定量化分析，有效的避免主观因素的影响，使得整个评价更加科学化与准确化以及公正化。这种方法的核心目标是能够有效的对方案进行排序分析。而后者主要是建立简单的数学模型，这种操作也比较简单。能够对多因素和多层次问题进行判断，但是并不适合复杂系统的优化。同时，相关资料显示，应层次分析法评估各个指标因素的等级，而运用模糊综合法进行评估支护系统方案的优越性，从而取得更好的优化方案。
1.4神经网络模型分析
神经网络算法在深基坑支护方案设计中属于一种新型的选型方法，主要是有效的利用人工神经网络非线性映射功能进行建立方案与因素之间的联系。这种方法经常应用在方案的选择上，能够更好的建立优化模型，并详细的分析基坑复杂的非线性问题。同时，这种算法是经过成功与失败的样本进行确定的，尤其在深基坑支护结构选型方面具有明显的优越性。
2深基坑支护结构选型的具体应用
深基坑支护结构的选型经常受到各种因素的影响，主要表现为基坑的深度、平面尺寸、地质条件和施工季节以及施工设备与相关规范等方面。因此，在选型中应充分的考虑上述的因素，而神经网络算法能够有效的降低上述相关因素的影响，从而更好的便于深基坑支护结构选型。
2.1神经网络算法模型构建分析
经过大量的工程实例分析，深基坑支护结构的设计过程中应用神经网络算法能够有效的解决选型问题，并且避开相关的因素干扰。构建神经网络算法模型主要是以实际的工程实例作为背景，并详细的分析支护结构的相关理论知识，有效的提出影响支护结构选型的相关因素，构建支护结构选型的相关指标体系。然后，采取量化方法进行分析，从而形成需要的样本知识库。紧接着进行软件的分析模型，进行逐步的调试与优化，从而更好的使其应用实际工程中。具体的构建流程图如下图1所示。
2.2神经网络决策模型构建分析
在整个模型的构建过程中，重点加强网络决策模型的初步构建，一般的情况下主要包括拓扑结构、连接方法和学习算法以及传输数据与权重选择及参数设置。
拓扑结构主要是保留网络层及层内的节点数，其中，输入层的节点数也是所需问题的影响个数。由于输入层的节点数比较多，常常采取两个隐蔽层设置，这两个隐蔽层能够按照要求进行节点的优化设计，提高简单的拓扑结构。在网络传输的过程中，其连接方式主要包括偏置连接和输入层权重连接以及输出与目标内容的相关连接。学习算法主要是采取梯度下降与带动量因子梯度下降的方式，从而加强算法，优化整个网络。传输数据主要是将复杂的非线性问题逐渐的转化为函数，从而有效的减少网络的计算量，并确保传输的通畅。由于整个网络系统的构建属于非线性，加强权重的学习与设置很有必要。合理的选择权重值能够有效的避免量变的可能。具体的神经网络决策模型如下图2所示。
2.3模型成型的基本描述
通过神经网络模型的建立，并对神经网络决策模型的学习算法与拓扑结构的进一步分析，最终选择具有一个输入层和两个隐蔽层以及一个输出层的模型，从而更好的对支护结构选型进行分析。这种模型主要是将选取的指标信息按照对应的量化方法进行计算，并且其输入到网络中，经过BP神经网络模型的相关计算，并依据输出值与择近的原则进行选择支护结构的型式。这种成型主要包括基坑深度、基坑平面尺寸、主导土层类别、土层数、平均重度、平均黏度、平均摩擦角、含水情况、变形要求、经济性要求等，并将相应的数值进行计算，从而合理的选择支护结构型式。
2.4实际工程应用及优越性分析
通过对其实际应用的分析，基于神经网络的深基坑支护结构选型决策模型使得选型更加方便，这种选型方式智能化程度更高。由于这种选型模型的建立有效的借助了MATLAB程序语言，使得在计算机应用上更加优越。一旦支护工程受到制约时，这种模型的选取能够借助强大的计算功能，对新的因素进行分析，并得出更优越的结论，从而提高了功效效益，减少认为因素的影响。同时，这种模型的决策方法能够有效的对大量的成功工程进行客观的学习，并在一定的程度上进行避免人工干扰，避免随意性与任意性。与此同时，在进行支护结构决策时能够有效的依据工程的实际情况进行采集数据，进行定性分析之后直接赋值或者模糊评估之后赋值，使得整个决策更加科学化。这种模型的建立，能够有效的解决不定因素，并在输入与输出之间进行建立模型进行求解，从而使得整个结构化更加明确。并且这种结构更直观，更能够表达相应的内容，从而提高整体优越性。
3结论
深基坑支护结构的选型是一个重要的过程，选择神经网络深基坑支护结构选型决策模型能够有效的提高选型效果，并能够更好的优化支护结构，从而便于更好的开展。
参考文献：
[1]范迎春.深基坑支护结构选型决策方法的研究与应用[D].重庆大学，2005.
[2]李必红，周健，史秀志.深基坑支护结构选型决策的Fisher判别分析模型[J].重庆大学学报，2011，09.
[3]冯庆高.地铁深基坑支护方案优选决策研究[D].中国地质大学，2010.