聊城大学 山东省聊城市 252000
摘要：针对特定区域，通过实测数据选择普遍适用的预测模型预测某地区地基沉降具有重要意义。本文经过对比，选用神经网络针对聊城市某小区2#的实测数据进行预测。采用6种神经网络对该小区6个观测点的沉降量预测，发现层循环神经网络的预测效果最好，平均误差达到3.8942e-07m。用该方法对该小区6个观测点进行预测精度较高。
关键词：神经网络；地基沉降；沉降预测
沉降指标是评价公路路基施工质量的重要标准之一，最终沉降和工后沉降是现行规范中比较重要的控制指标，根据工程和研究需求选用适当的方法对沉降进行有效预测可以获得真实可靠的最终沉降和工后沉降值。通过实测数据来预测软土地基沉降的经验公式法有很多。无论哪种单一的经验公式都具有其实用性及局限性，在保留单一预测方法的基础上，针对其不足提出神经网络预测模型，并通过工程实例分析，验证其有效性[1-4]。
1 预测方法对比分析
沉降观测技术与预测是一项涉及多门学科的研究工作。随着科学技术的发展和更新，一些新的理论和技术方法被应用到沉降预测中来[5，6]。马越[7]将常用的沉降预测方法分为三类：
（1）理论计算方法。现在我国规范中使用的理论计算方法大多为分层总和法或分层总和法的变形。通过土工试验获得土体参数选择合适的计算模型来计算沉降量。因为假定土体只有竖直方向的变形，而侧向无变形，这将导致计算结果较实际值偏小。
（2）数值分析方法。数值分析方法一般是通过选取适合土体的本构模型然后利用有限元法计算沉降量。但是由于计算时所需参数较多，而且有些参数通过室内试验获取较为复杂，室内试验获取的有些参数难以体现原状土体的力学性质，在技术上对工程人员要求较高，因而在工程中难以得以普及，仅仅用于重点工程的重点断面的计算。
（3）基于实测资料推算沉降量与时间关系的预测方法。根据实测资料建立沉降量与时间关系推算地基最终沉降量计算工后沉降量以及计算沉降速率等如指数曲线法、双曲线法、灰色理论法及神经网络法等等。
总体来说，以分层总和法为代表的理论计算往往与实测沉降有较大差异；有限元、有限差分等数值模拟方法的参数难以确定，不易于工程人员快速掌握；神经网络和灰色理论法没有推理过程和推理依据，把一切推理都变为数值计算，缺乏理论基础。相比而言，根据实测沉降数据采用拟合曲线法的计算结果更具可靠性[8.9]。
但在实际建模过程中，指数曲线法要求沉降必须处于增长中不能反弹。[1]且指数曲线法要求的实测沉降数据是沉降曲线出现拐点之后的数据而实际情况中沉降曲线是缓慢变化的很难准确确定曲线的拐点。熊春宝[5]发现，以指数曲线预测模型比较适合于中长期的沉降预测。指数曲线预测模型样本点的波动性较大时，整体预测能力较差。但当预测模型样本点的波动性较大时，带有残差的预测模型进行修正，会减少外界不利因素对模型的影响。吴王刚[6]利用MATLAB归一化对一组相差较大的数值进行归一化，使其属于[-1，1]，对归一化后的数据使用指数曲线预测，结果与实际值更加接近。
本文以神经网络为基础对聊城市某小区为例进行沉降预测检验。诚然每一种算法都有实用性和自身局限性，对比多种算法，神经网络是其中适用条件相对宽泛且无不可避免的缺点，且相较大多未经改进的算法，神经网络的精确度都具有一定优势。
2 工程概况
聊城某区A-03地块2#楼位于聊城市财干路以北，花园路以东，为34层建筑。首次观测为第2层。观测日期2017年3月30日至2018年10月12日，累积沉降量分别为16.65mm～25.41mm。在所有观测点中，J21～J25至J26～J22各相邻观测点沉降差为3.87mm～16.04mm，相邻观测点沉降差最大点为J21～J25，其值为16.04mm。
3 神经网络预测
采用时间延时神经网络、非线性自回归神经网络、非线性自回归神经网络（有额外的输入）、多步预测（闭环网络）、层循环神经网络、分布式延迟神经网络t，6种神经网络时序预测方法对六个测点检验其准确性。每种方法参数一致，延迟为1：3，不进行数据分组，1个隐含层，隐含层10个神经元。t为目标值，y为预测值。其中层循环神经网络（t5，y5）在该工程中展现的预测能力较好，平均误差达到3.8942e-07m。
根据2017年3月30日至2018年10月15日该区A-03地块2#楼J25测点工后沉降预测结果可知起始段沉降曲线陡，但发展时间较短。2017年5月中旬沉降曲线逐渐减缓。2017年底沉降曲线进一步减缓并逐渐趋于稳定。众所周知，建筑物的最终沉降量是经过3个过程完成的，即瞬时沉降、固结沉降和次固结沉降三部分。我们可以将固结沉降与次固结沉降看作一个过程来进行分析。首先对于直线段来说，在较短的时间和较小的荷载的情况下，土体处于弹性或近似弹性的状态下，所以时间与沉降值是直线的关系。对于沉降曲线减缓过程来说，由于随着荷载的不断增加，土体逐渐进入了弹塑性阶段，这就标志着沉降量与时间的关系由直线变为了曲线。对于沉降曲线趋于稳定段来讲，到达荷载基本已不再增加，但是由于固结还没有完全完成以及土体流变的影响，土体的沉降会继续进行只是沉降速率会逐渐减小。之后，随着时间的无限推移，土体的固结逐渐的趋于稳定，此时沉降将不会随时间而发生变化。
用层循环神经网络检验2#所有测点，层循环神经网络对该工程6个测点预测精确度均较高，且预测的沉降过程符论沉降过程三阶段的理论。
4 结论
层循环神经网络在未经改进的情况下预测结果精确度高于其他五中预测模型（时间延时神经网络、非线性自回归神经网络、非线性自回归神经网络（有额外的输入）、多步预测（闭环网络）、分布式延迟神经网络），平均误差达到3.8942e-07m。该预测结果符合沉降理论基础，体现出沉降急速增加，逐渐减缓和趋于平稳的三个阶段。并且在该工程其他测点的预测中均变现良好。本文通过对比找到相对适合的预测方法，但本文仅是对已有的数据进行预测，检验了该方法的准确性。后期将着手利用训练好的网络对新的数据预测，并得到沉降过程中某个时间点的沉降值。
参考文献：
[1]张欣.沉降预测的方法和适用性[J].路基工程，2015，05：42-43.
[2]冯文凯，刘汉超．修正双曲线法在路基沉降变形初期阶段的应用探讨[J].地质灾害与环境保护，2001（3）：60-63.
[3]周茗如，郭启明，肖永站.庆阳深厚黄土上高层建筑的沉降预测[J].工业建筑，2020，08：50
[4]徐云霞，王建宏，张楠.基于粒子群优化的分数阶ＰＦＧＭ（１，１）模型在建筑物沉降预测中的应用[J].数学的实践与认识，2018，08：48-49.
[5]熊春宝，李法超，指数曲线模型预测基坑周边地面沉降[J].测绘与空间地理信息，2019，04：34-35.
[6]吴王刚，徐洪兵，韩文喜，等.软土地基沉降规律分析及沉降预测方法改进-以成都天府国际机场为例[J].人民长江，2018，16：49-51.
[7]马越.吴楚大道软土路基沉降预测研究[D].华中科技大学，2015.
[8]林川.汕汾高速公路软基工后沉降控制方法探讨[J].广东公路交通，2015，（02）：45-48.
[9]贺明侠，王连俊.动量BP算法在路基沉降预测中的应用[J].岩土工程技术，2006，20（01）：17-20.
基金项目：
国家自然科学基金资助项目（4217070349）