基于BP神经网络在高速铁路路基填料改良试验研究

杨 松

(中铁第四勘察设计院集团有限公司地路处，湖北武汉430063)

我国高速铁路的运行，其安全可靠为世人瞩目。要使列车高速安全平稳地运行，线路的稳定与平顺是必不可少的条件。路基是轨道的基础，因此高速铁路要求路基必需具有强度高、刚度大、稳定性和耐久性好、不易变形、纵向变化均匀或变化缓慢等工程性质[1]。

高速铁路的基床(分表层和底层)是人工填筑部分，填料的工程性质必须满足一定的要求，一般应该使用品质优良的填料[2]，这样既可以减少工后沉降，又可以有较高的安全储备以保证路基的稳定，并且不产生病害。在我国许多地区，特别是黄淮海平原地区，优质填料A组缺乏，运距较远，造价较高[3]。为了解决这一难题，需扩大可用填料的范围，也就是要将部分B、C组细粒填料经过改良以后使用。用化学填料对不符合要求的细粒填料土进行改良是一种有效的工程措施[4]。了解改良后填料土的工程性质，开发评价改良土工程性质的标准与相应的方法，对缩短高铁工期、节省项目经费具有重大现实意义。

1 现状研究

目前国内外将细粒土作为客运专线路基填料的常用改良方法主要为化学改良，即添加生石灰或者水泥来改善其抗压性能[5]。根据我国《高速铁路设计规范》[6]要求，化学改良后填料强度需满足350kPa才能达到客运专线路基填料要求标准。

化学填料掺入量对改良土的饱和抗压强度有很大的影响。改良土的强度往往随着化学填料掺入量的增大而增大[7]，肖林指出改良土的抗压强度和灰土比之间的关系可以近似用一条直线表示，其经验关系式为[8]：

R=N·C

(1)

式中：R为改良土的抗压强度(kPa)；C为水泥改良土中的灰土比(%)；N为与颗分有关的经验系数。

通过对以往化学改良试验成果调查，发现存在的问题如表1，其中7d饱和无侧限抗压强度不达标所占的频率次数最大(图1)。

表1 化学改良试验存在问题

图1 改良试验问题频率

为了分析化学填料的掺量对应的细粒土改良后无侧限抗压强度，需要多组改良试验，但无侧限抗压试验组数过多将导致试验工期的延长和试验费用的增加[9]，因此找出不同填料的掺量与改良后抗压强度的对应关系，是客运专线填料改良试验需要解决的主要症结。

2 工程概况

本文以郑徐客运专线项目为依托，详细分析提高改良试验效率方法研究。

郑徐客运专线是国家“四纵四横”铁路客运专线网中徐州至兰州客运专线的组成部分，全长约362km，均位于黄河冲积平原区，线路经过地段大部分被巨厚第四系地层覆盖，少有基岩出露(图2)。沿线地层多为黏土、粉质黏土、粉土及粉细砂，层厚约30～200m，下伏基岩主要以奥陶系灰岩(O)为主。地下水水量丰富，埋深约1.5～4.7m。上部细粒土属于C、D组填料，其土源组成成份复杂，工程性质差(表2)，不能直接用于客运专线路基填筑，必须经过改良，但各地成份组成差异性较大，改良后结果不稳定，造成本线试验组数多，试验周期较长。

3 研究方法

(1)应用MATLAB拟合曲线快速获取击实试验结果。

由于饱和无侧限抗压强度试验依据击实试验数据制作试样，但常规处理击实试验数据工作量大、计算过程繁琐，影响试验的精度及工期[10]，因此本文采用MATLAB曲线拟合法进行数据处理。

通过数值分析在MATLAB程序上应用，得出击实试验数据的拟合曲线。从图3可以看出，当阶数n=2时，所拟合的曲线误差较大，当阶数n=4时，虽然拟合误差值为0，但由于阶数过高，增大计算机计算工作量，影响计算速度。n=3与n=4的曲线拟合相近，且控制在误差范围内，因此本文通过三阶多项式做拟合曲线方程来求解击实试验的最大干密度和最佳含水量。

图2 郑徐客专全线地形(1∶10000)

地层岩性 状态 ω/% γ/(kN·m-3) eIL Cu/kPa Φu/° Es/MPa Ps/MPa 粉土 稍密～密实 21.6～31.0 18.1～20.7 0.51～0.95 0.32～0.43 17～30 8.1～13.1 5.4～8.0 1.8～2.5 粉质黏土、黏土 软～流塑 36.4～49.8 17.5～18.8 0.8～1.3 0.7～1.2 6.0～19 1.7～11.4 2.5～4.0 0.5～0.8 粉质黏土、黏土 软～硬塑 21.0～23.0 19.5～20.3 0.54～0.79 0.32～0.79 12～30 4.0～19.4 5.13～7.29 0.9～1.5 粉细砂 稍密～中密 / / / / / / 7～12 1.5～3.0

图3 不同阶次多项式的拟合曲线

(2)建立BP网络模型预测试验结果。

BP(BackPropagation)神经网络，即误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。外部输入的信号经输入层、隐含层的神经元逐层处理向前传播到输出层给出结果。如果在输出层得不到期望输出，则转入逆向传播过程，将实际值与网络输出之间的误差沿原来连接的通路返回，通过修改各层神经元的联系权值，使误差小于给定的值为止[11]。该模型的特点是具有较强的非线性拟合能力，可以用来预测非线性时间序列数据的发展趋势。

根据所得击实试验结果，对黏土、粉质黏土掺合水泥做无侧限饱和抗压试验。由表3可知，当掺入6 %水泥时填料强度高于规范要求的350kPa，已满足高铁要求，试验过程中未考虑到掺入水泥量为5 %的情况，故采用BP检测神经网络模型进行估算。

表3 黏土、粉质黏土掺水泥试验指标

通过建立网络模型，预测出黏土、粉质黏土掺5 %水泥后其无侧限饱和抗压强度为355kPa，可以满足规范要求。为了证明本模型预测结果的准确性，作者在化验室进行了实地验证，得出实际饱和无侧限抗压强度为368kPa，预测误差仅为3.5 %(图4)。

图4 黏土、粉质黏土掺水泥试验曲线对比

同理，对粉土掺合不同配比的水泥进行无侧限饱和抗压试验。由表4可知，当掺入9 %水泥时填料强度满足高铁规范的要求。采用BP检测神经网络模型对粉土参入量为8 %水泥的无侧限抗压强度进行预测及验证(图5)，得出其拟合值为423kPa，实测值为383kPa，满足要求。

表4 粉土掺合水泥试验指标

图5 粉土掺水泥试验曲线对比

通过建立BP检测神经网络模型，结合全线计划的试验组数，共可减少12组黏土、粉质黏土掺水泥改良试验，8组粉土掺水泥改良试验。

4 结束语

路基填料改良试验的过程影响着工程施工的工期，改良

试验的效果直接影响着路基工程的安全性，为了更快更好地得出预期的改良效果，本文分别从提高击实试验的计算流程和建立BP检测神经网络模型来减少改良试验组数、预测改良试验结果等方向做了研究，得出的结论为：

(1)通过数值分析得出击实试验数据的拟合曲线，求解其最大干密度ρdmax和最佳含水量ω0，减少了人工作图求解的任意性，极大地提高了工作效率和降低人为误差。

(2)通过建立网络模型，对未实施的化学填料改良方案进行预测，并使误差控制在可控范围内，减少了改良土试验组数，缩短了试验工期，节省了大量试验经费，达到了预期控制目标值。

[1] 孙军溪. 高速铁路路基改良土工程性质试验及施工技术研究[D].天津:天津大学,2007

[2]TB10001-2005铁路路基设计规范[S]

[3] 曹新文，蔡英,苏谦.高速铁路路基稳定性及变形控制值的研究[J].路基工程，1998，(2):38-41

[4] 郝巨涛.水泥土材料力学特性的探讨[J].岩土工程学报，1991,(3)：53-59

[5]ThomsonWT.Transmissionofelasticwavesthroughastratifiedsolidmedium[J].JournalofAppliedPhysics, 1950, 21:86-97

[6]TB10621-2009.高速铁路设计规范(试行) [S]

[7]WongPKK,MitchillRJ.YieldingandPlasticFlowofSensitiveCementedClay[J].Geotechnique,1997，(14): 750-786

[8] 肖林，王春义，郭汉生.建筑材料水泥土[M].北京:水利电力出版社,1987

[9] 游波，王宝田，李治朋,等.水泥土无侧限抗压强度影响因素试验研究[J].现代交通技术，2010，(5)：4-7

[10] 黄鹤，张俐.水泥土材料力学性能的试验研究[J].太原理工大学学报，2000，(6)：703-712

[11]VenkatesanR,BalamuruganB.Areal-timehardwarefaultdetectorusinganartificialneuralnetworkfordistanceprotection[J].IEEETransactionsonPowerDelivery, 2001, 16(1):75-82