基于BPNN代理模型及PSO的复合地基参数优化

摘要

针对复合地基参数设计优化过程的多约束、非线性特征，以及传统岩土有限元计算方法效率较低等问题，本文提出了一种基于反向传播神经网络（Backpropagation Neural Network,BPNN）和粒子群优化（Particle Swarm Optimization,PSO）算法的高效优化设计方法。首先，本文基于参数相关性分析建立了权值初始化BPNN代理模型，实现对地基沉降、稳定性、承载力多约束条件及工程造价目标函数的拟合。然后，本文利用PSO算法对代理模型进行全局寻优，获得了满足约束的最优参数组合。最后，为验证方法的优越性，本文以赣深高铁DK37+168典型路基工点为例进行了实验验证。其中，在拟合阶段，本文将BPNN代理模型与传统基于响应面法（RSM）和支持向量机（SVM）的两种代理模型进行比较，在寻优阶段将方法与遗传算法（GA）和全局遍历法进行比较。结果显示，BPNN代理模型的非线性回归能力更优，拟合决定系数值均超过0.99。此外，方法也具有显著的总体优势：在相同终止条件下，优化效率高于GA，单次计算总耗时仅37.63 s，较GA（耗时73.54 s）降低48.8%；稳定性好，能够以80%的概率收敛到全局遍历法（耗时117.9 s，虽精确但耗时较长）得到的全局最优解，而GA仅有40%概率达到相同精度。本文的方法有望为解决相关工程优化问题提供参考。

关键词

复合地基 / 参数优化 / 代理模型 / BPNN / PSO