路基工程 ・４４・ Ｓｕｂｇｒａｄｅ Ｅｎｇｉｎｅｅｉｒｎｇ ２０１０年第３期（总第１５０期） 基于神经网络的桩基完整性预测分析 刘宝臣 ，唐辉明 ，赵艳林 （１．桂林工学院土木工程系，广西桂林５４１００４；２．中国地质大学，武汉４３００７４） 摘 要：反射波法进行桩基完整性检测时，常规理论分析结果与实际状态存在一定的差异。文中 以反射波法检测基本数据为基础，分析影响桩基质量的主要因素，针对桩土共同作用的动静力学特 征，选择了５个方面的重要因素，建立神经网络评价系统的影响因子，根据这些影响因素对桩基质量 检验的影响规律，给出它们的影响系数。通过建立神经网络预测系统，对桩身缺陷的位置、类型和程 度给予合理准确的解释。 关键词：反射波法；桩基；完整性检测；神经网络；预测 中图分类号：ＴＵ４７３．１ ６ 文献标志码：Ａ 文章编号：１００３—８８２５（２０１０）０３—００４４—０３ ０ 引言 验，对同一信号，不同的检测人员得到的分析结果往 桩一土～桩相互作用必须充分估计弹性理论解与 往不尽相同 。而神经网络算法依据人脑基本功能 真实值的差别，并以工程实测和试验数据为基础对弹 特征，试图模仿生物神经系统的功能或结构而发展起 性理论解进行修正…。也就是说桩土系统是复杂的， 来的一种新型信息处理系统，它由大量简单信息单元 反射波法对桩基完整性检测的判释，受桩身结构、成 广泛连接组成的自适应非线性动力学系统，可从大量 桩工艺、桩周介质类型、激发条件、传感器类型、粘 存在的知识样本中通过学习提取有效的知识和规则， 结方法等诸多因素控制，各影响因素之间相互独立又 并在学习过程中不断适应环境变化，完善、发展和创 相互制约，所检测结果的曲线特征也因不同干扰具有 新自己 Ｊ。已有人利用神经网络对桩基动测进行多参 多解性和经验性，判释结果与上述因素之间存在着模 数的识别和非线性优化及单桩荷载与沉降关系曲线的 糊的非线性关系。只有具体分析不同条件下桩基的综 预测等 ．７＿，且取得良好的预测效果。针对目前反射 合状态才能得出比较客观合理的结论 。检测人员在 波法检测中对实测信号的特征及现行评价方法的不确 对桩顶反射波信号进行分析时，往往要凭借一定的经 定性，只要能成功地对各种基桩缺陷类型进行智能鉴 别并实现多层网络信息处理，通过对预期期望可进行 收稿日期：２００９—０５—０５ 正反向传播，及时调整和修改各层神经元的权值使得 基金项目：广西自然科学基金项目（０７２８２２０）；广西科技创新能 误差信号最小，就能达到精确预测的目的。 力与条件建设项目（０７１０９００５—０８） 作者简介：刘宝臣（１９６８一），男，内蒙古赤峰人。副教授，硕 士，主要从事土木工程测试、教学及科学研究工作。 １桩基检测中神经网络设计 Ｅ．ｍａｉｌ：ｂｃ０６０８＠１６３．ＣＯｌｌｆｌ。 １．１确定评价因子 ｈｉｔ，ｌ，Ｉ￣ ｌ・ ・ “ＩＩＩｉ ｔ，Ｊ，１．４Ｉ Ｉ…・ ｉｔ，，ｑＩ＊ｌＩＩｈ一－…ＩＩＩｉｉ，，ＪＩＩＩ¨¨・・ “ Ｅｘｐｅｒｉｍｅｎｔａｌ Ｓｔｕｄｙ ｏｎ Ｃｏｍｐｏｓｉｔｅ Ｆｏｕｎｄａｔｉｏｎ ｗｉｔｈ ＣＦＧ Ｐｉｌｅ ａｎｄ Ｔａｍｐｉｎｇ Ｓｏｉｌ－ｃｅｍｅｎｔ Ｐｉｌｅ ＧＡＯ Ｘｉａｏ－ｊｕａｎ （Ｓｃｈｏｏｌ ｏｆ Ａｒｃｈｉｔｅｃｔｕｒｅ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｅｎａｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｌｕｏｙａｎｇ ４７１０００，Ｈｅｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｃｏｍｐｏｓｉｔｅ ｆｏｕｎｄａｔｉｏｎ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ＣＦＧ ｐｉｌｅ ａｎｄ ｔａｍｐｉｎｇ ｓｏｉｌ—ｃｅｍｅｎｔ ｐｉｌｅ ａｎｄ ｔｈａｔ ｏｎｌｙ ｗｉｔｈ ＣＦＧ ｐｉｌｅ ｉｎ ｔｈｅ ｓａｍｅ ｐｒｏｊｅｃｔ，ａｎｄ ｍｅａｓｉｌｒｅｓ ｔｈｅ ｂｅａｒｉｎｇ ｃａｐａｃｉｔｙ ｏｆ ｃｏｍｐａｃｔｅｄ ｓｏｉｌ—ｃｅｍｅｎｔ ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ，ＣＦＧ ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ ａｎｄ ｃｏｍｂｉｎｅｄ ｃｏｍｐｏｓｉｔｅ ｆｏｕｎｄａｔｉｏｎ ｔｈｒｏｕｇｈ ｓｔａｔｉｃ ｌｏａｄ ｔｅｓｔ． Ｔｈｅ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ ｃｏｍｂｉｎｅｄ ｃｏｍｐｏｓｉｔｅ ｆｏｕｎｄａｔｉｏｎ ｉｓ ｍｕｃｈ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ｏｆ ｓｉｎｇｌｅ ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ＣＦＧ ｐｉｌｅ；ｔａｍｐｉｎｇ ｓｏｉｌ—ｃｅｍｅｎｔ ｐｉｌｅ；ｃｏｍｂｉｎｅｄ ｃｏｍｐｏｓｉｔｅ ｆｏｕｎｄａｔｉｏｎ；ｓｔａｔｉｃ ｌｏａｄ ｔｅｓｔ 刘宝臣，等：基于神经网络的桩基完整性预测分析 ・４５・ 针对各种影响因素提出桩基四种完整程度类别： ①完整桩。桩身结构完整，无明显缺陷，即Ｉ类桩； 表１桩身完整性分析评价函数的影响系数 ②轻度缺陷桩。桩身有轻微缺陷，但对桩身整体结构 不构成较大影响，仍可作为工程桩使用，即Ⅱ类桩； ③较重缺陷桩。桩身有明显缺陷，桩身结构受较大影 响，力学性能显著降低，即Ⅲ类桩；④严重缺陷桩。 桩身有严重缺陷，桩身结构不完整，即Ⅳ类桩。为 此，确定五个评价因素。 （１）阻尼比Ｄ。桩土体系共同作用下总受到阻尼 力的作用，自由振动的振幅将逐渐减小，最终变为零 而恢复静止状态，桩身的完整程度可影响桩阻尼比的 大小。桩阻尼比Ｄ的大小可由加速度时域曲线上相邻 峰值求得。 阻尼比Ｄ 频幅比 （Ａ ＋２／Ａ ＋１） 波带宽比 （Ａｔ ／Ａｔ ） 截频波幅比 （△日ｌ／△ ） ￡速比（Ｃ ＩＣ）１．Ｏ０～０．９５ ０．９５～０．８０ ０．８０—０．７０ ＜０．７０ １．２建立桩基完整性评价神经网络模型 （１）输入单元的确定。在反射波法所完成的动 力检测中，桩身完整性表现的五个重要参数：阻尼比 （Ｄ）、频幅比（Ａ ／Ａ ）、波带宽比（Ａｔ ／Ａｔ ）、截 频波幅比（△Ｈｌ／△Ｈ２）、波速比（Ｃ ／Ｃ），它们是网 络输入层五个神经元的输人数据； （２）输出单元的确定。桩的四种完整性状态： 完整桩、轻度缺陷桩、较重缺陷桩、严重缺陷桩，以 （２）频幅比。完整桩频谱曲线只有一个主峰， 缺陷桩频谱曲线有多峰现象，各峰频幅值会随缺陷的 程度而变化，可对桩进行完整性的辅助判别，在傅立 叶变换后的幅频曲线上得频幅比Ａ ／Ａ 。 （３）波带宽比。完整桩其声速是均匀稳定的， １／４周期波的时距波带宽近于等值，但由于桩体阻抗 不同，可在时程曲线上获取Ａｔ ／Ａｔ 。 （４）截频波幅比。在整桩测试范围内，由于振 源、桩身阻尼与衰减以及传感器等多方面的原因，往 往会造成时域波形曲线发生畸变，但这样未必是桩身 本身有缺陷，因而需对曲线依据特征频率进行截频滤 波，根据滤波前后的畸变截频波幅比（ＡＨ。／△ ）就 可确定桩基缺陷的存在程度。 （５）波速比。完整桩基其混凝土强度在整桩范 围内是基本均匀的，其波速在同一批次混凝土中应具 有一定的稳定性，而缺陷桩则由于波的散射导致波的 传播速度的改变。在实测中，则依据单桩波速与同批 次桩整体平均波速之比（Ｃ ／Ｃ）来进行桩身完整程 度的判别。 经过对已开挖验证的近千条实测桩身完整性结果 它们作为网络输出层神经元的期望输出； （３）隐含层的确定。在能达到同样效果的前提 下应使网络尽量简单，经过对预设神经网络进行多次 训练、学习，在进行充分比较后以减少运算量、节约 运算时间的准确结构来确定中间层。 １．３样本选择训练及网络预测实现 ＢＰ神经网络预测采用ｓｉｇｍｏｉｄ函数，为使较多的 输入输出节点的非线性关系保持稳定，需使用大量样 本，样本的选择应具有代表性，且在同一次预测中尽 量采用同类型桩（如成桩工艺、混凝土批次、几何尺 寸等）。对部分测试桩的检验方式为开挖验证，利用 测试曲线分析结果与开挖结果对照调整了评价因素， 突出重要因素。网络的实现在ＭＡＴＬＡＢ语言工具箱 中神经网络部分直接调用相关函数实现ＢＰ网络模型 分析，对各种影响因素与缺陷的关系进行综合评判， 针对已确定的四种完整性状态给出影响因素的影响系 数，如表１。 的学习、训练、仿真。选取其中２０根桩进行网络的 学习及预测。学习及样本检验和预测情况见表２。 表２样本网络评价基本数据、学习、检验及预测结果 ・４６・ 路基工程 Ｓｕｂｇｒａｄｅ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１０年第３期（总第１５０期） 从以上学习、训练、检验和预测过程中，可清楚 地看到在学习样本中实际输出与期望输出的最大误差 （４）本文所选择的五个评价因素在实际桩基特 性中具有重要影响，但实际桩基状态还受桩土共同作 用影响，其动力学特性与所处地质环境关系密切，有 待进一步研究。 参考文献： ［１］王涛，刘金砺．桩一土一桩相互作用影响的试验研究［Ｊ］．岩土工程 学报，２００８（１）． 为３．１％，检验预测样本经开挖验证后与实际完全相 符，而其理论预澳０最大误差为１．４％。 ２结论与建议 （１）桩身完整性分析评价函数的影响系数是多 种影响因素的综合评判，其中之一不能单独对四种完 ［２］刘宝臣，肖明贵，黄英娣．反射波法动测桩的改进与完善［Ｊ］．工程 地质学报，２０００（１３）． 整性状态给出精确或肯定的评价。 （２）反射波法在桩基完整性测试中具有经济、 方便简捷的优点，但其判释结果存在多解性及不确定 性，ＢＰ ＡＮＮ在综合学习影响因素后能够对桩身完整 性形成特征概念，达到辨认并确定其状态的目的。 ［３］黄理兴．动测桩身完整性的新理念［Ｊ］．岩石力学与工程学报，２００２ （３）． ［４］刘明贵，岳向红，杨永波．基于Ｓｙｍ小波和ＢＰ神经网络的基桩缺陷智 能化识别［Ｊ］．岩石力学与工程学报，２００７（１）． ［５］张际先，宓霞．神经网络及其在工程中的应用［Ｍ］．北京：机械工业 出版社，１９９６． （３）ＢＰ ＡＮＮ桩基反射波法评价结构中能从桩身 检测到的重要反映特征出发，经过合理的学习、训 练，对桩身质量进行综合评判、分类，得出桩身四种 完整状态。 ［６］郭健，王元汉，苗雨．基于ＭＰＳＯ的ＲＢＦ耦合算法的桩基动测参数辨 识［Ｊ］．岩土力学，２００８（５）． ［７］韩鹏举，白晓红，王梅．桩身完整性分类的模糊综合评判模型［Ｊ］． 路基工程，２００８（６）． Ｐｒｅｄｉｃｔｉｏｎ Ａｎａｌｙｓｉｓ ｏｎ Ｐｉｌｅ Ｆｏｕｎｄａｔｉｏｎ Ｉｎｔｅｇｒｉｔｙ ｂａｓｅｄ ｏｎ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ＬＩＵ Ｂａｏ—ｃｈｅｎ‘ＴＡＮＧ Ｈｕｉ—ｍｉｎｇ ，ＺＨＡＯ Ｙａｎ—ｌｉｎ ，（１．Ｓｃｈｏｏｌ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｇｕｉｌｉｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｇｕｉｌｉｎ ５４１００４，Ｇｕａｎｇｘｉ，Ｃｈｉｎａ； ２．Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｇｅｏｓｃｉｅｎｃｅｓ（Ｗｕｈａｎ），Ｗｕｈａｎ ４３００７４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅ ｉｓ ａ ｃｅｒｔａｉｎ ｄｉｆｆｅｒｅｎｃｅ ｂｅｔｗｅｅｎ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｃｏｎｖｅｎｔｉｏｎａｌ ｔｈｅｏｒｙ ａｎａｌｙｓｉｓ ａｎｄ ａｃｔｕａｌ ｓｔａｔｅ ｉｎ ｐｉｌｅ￣ｕｎｄａｔｉｏｎ ｉｎｔｅｇｒｉｔｙ ｄｅｔｅｃｔｉｏｎ ｗｉｔｈ ｒｅｆｌｅｃｔｅｄ ｗａｖｅ ｍｅｔｈｏｄ．Ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｍａｉｎ ｆａｃｔｏｒｓ ｔｈａｔ ｉｎｆｌｕ－ ｅｎｃｅ ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ ｑｕａｌｉｔｙ ｂａｓｅｄ ｏｎ ｔｈｅ ｂａｓｉｃ ｄｅｔｅｃｔｅｄ ｄａｔａ ａｔｔａｉｎｅｄ ｂｙ ｒｅｆｌｅｃｔｅｄ ｗａｖｅ ｍｅｔｈｏｄ ａｎｄ ｃｈｏｏｓｅｓ ５ ｍａｊｏｒ ｆａｃｔｏｒｓ ｔｏ ｅｓｔａｂｌｉｓｈ ｉｎｆｌｕｅｎｃｅ ｆａｃｔｏｒｓ ｏｆ ｎｅｕｒｌａ ｎｅｔｗｏｒｋ ｅｖａｌｕａｔｉｏｎ ｓｙｓｔｅｍ ｉｎ ａｃｃｏｒｄａｎｃｅ ｗｉｔｈ ｄｙｎａｍｉｃ ａｎｄ ｓｔａｔｉｃ ｍｅｃｈａｎｉｃ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｐｉｌｅ ｓｏｉｌ ｉｎｔｅｒａｃｔｉｏｎ；ｔｈｅｎ ｇｉｖｅｓ ｉｌｕｅｎｃｅ ｃｏｅｆｆｎｉｃｉｆｅｎｔ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｒｅｇｕｌａｒｉｔｙ ｏｆ ｉｎｆｌｕｅｎｃｅ ｆｒｏｍ ｔｈｅｓｅ ｆａｃｔｏｒｓ ｏｎ ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ ｑｕａｌｉｔｙ ｄｅｔｅｃｔｉｏｎ．Ｔｈｒｏｕｇｈ ｅｓｔａｂｌｉｓｈｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｐｒｅｄｉｃｔｉｏｎ ｓｙｓｔｅｍ，ｉｔ ｇｉｖｅｓ ｒｅａｓｏｎａｂｌｅ ａｎｄ ｅｘａｃｔ ｅｘｐｌａｎａｔｉｏｎ ｏｆ ｔｈｅ ｐｏｓｉｔｉｏｎ，ｔｙｐｅ ａｎｄ ｄｅｇｒｅｅ ｏｆ ｐｉｌｅ ｂｏｄｙ ｄｅｆｅｃｔ． Ｋｅｙ ｗｏｒｄｓ：ｒｅｆｌｅｃｔｅｄ ｗａｖｅ ｍｅｔｈｏｄ；ｐｉｌｅ ｆｏｕｎｄａｔｉｏｎ；ｉｎｔｅｇｒｉｔｙ ｄｅｔｅｃｔｉｏｎ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｐｒｅｄｉｃｔｉｏｎ