基于广义遗传算法的路基沉降预测方法应用

第14卷第4期 2015年8月江南大学学报（自然科学版）Journal of Jiangnan University(Natural Science Edition)Vol. 14 No. 4Aug. 2015基于广义遗传算法的路基沉降预测方法应用卞志兵，高正夏*，杨爱婷，宗文亮(河海大学地球科学与工程学院，江苏南京210098)摘要:根据路基沉降变形的非线性、不确定性特征，对比经典遗传算法特点，提出基于广义遗传算法的路基沉降预测方法。

通过研究该方法以及实例计算，得知只要给出待求模型参数的取值范围，就可以搜索出全局最优参数值，从而推算得到路基的最终沉降量。

通过与其它确定模型参数的方法进行对比，结果表明广义遗传算法在此方面具有较高的稳定性和可靠性。

关键词：广义遗传算法;路基沉降;最终沉降量；沉降预测中图分类号：U416.1文献标志码：A文章编号：1671 -7147(2015)04 -0468 -04Research on the Prediction of Embankment SettlementBased on the Generalized Genetic AlgorithmBIAN Zhibing,GAO Zhengxia* ,YANG Aiting,ZONG Wenliang(S ch ool of Earth Sciences and Engineering , Hohai University , Nanjing 210098 , China)Abstract：According to the characteristics of nonlinear and uncertainty of embankment settlement deformation , a generalized genetic algorithm based embankment settlement prediction method is proposed. By studying the methodsand the calculation of the exam ples,it shows that the optimized parameters can be searched and we can get the final settlement of embankment so long as the total range of the model parameters i prosed method has better stability and security.Key words：generalized genetic algorithm , settlement of embankment,final settlement,settlement prediction路基的最终沉降变形对于确定铺筑路面时间、控制和安排施工进度以及路堤的安全与正常使用 至关重要。

若过早铺筑路面，可能会导致路面出现 断裂，路基路面结构出现沉陷，路表面出现波浪或 车辙，使路况恶化、服务水平下降。

而路基沉降计算 的数值方法受填土材料、荷载大小、加载方式、几何 尺寸等众多不确定因素的影响，计算结果往往较监 测数值偏差很大。

而且由于很多计算参数一般需要 通过三轴试验确定，因而目前主要用于重要工程、重要地段计算。

相比较而言，通过观测数据进行处 沉降 的 。

针对路基沉降在时序上表现出的复杂的非线 形特征，文中采用了处理复杂优化问题理想的遗传确定 。

1 广义遗传算法基本原理1.1 基本原理及函数模型遗传算法（Genetic Algorithms，GA)[1]是基于 生物进化的仿生学算法中的一种，它建立于达尔文 生物进化的“物竟天择，适者生存”的基本原理之 上，是一种迭代自适应概率性优化搜索方法[2]。

其收稿日期:2015 -03 -13; 修订日期:2015 -04 -10。

作者简介:卞志兵（1991 一），男，江苏南京人，地质资源与地质工程专业硕士研究生。

*通信作者:高正夏（1964—）男，江苏泰兴人，副教授，硕士生导师。

主要从事地下水资源及工程地质研究。

Email ：gaozhengxia@ 188. com第4期卞志兵，等：基于广义遗传算法的路基沉降预测方法应用469基本思想由美国Holland教授等提出，现已成为多 个交叉学科 个热门的话题。

普通G A的'方结合 生存及随机信息交换的 ，消除了解中的 定 ，后 利用 有解中的知识，从而加 过程。

由于普通的简单 变异操作发生的 低，使 难从局部最 跳出而得到最优解，容易早熟收敛。

而广义 摒弃了新 主义学说对突变作用的看法，相信选择、定向交换和定向突变的协同 作用是实现快速进化的合 式。

广义 首次将结果反馈引人操作程序，并通过它对选择、交 换和突变的工作方式进 调节[]。

因此文中用了广义 []。

进化程，广义 和经典遗传有所不同。

经典 的进化程序为：双亲选—基因交换—基因突变—生存选择—下一代 群；广义 的进化程序为：双亲选择—基交换—一家4 口—2/4生存选择—基因突变— 家4 口—2/4生存选择—下 群。

也就是说，广义 将选 贯彻于整个生命周期[]。

具体 程序流程[]如图1所示。

图1 遗传算法基本操作流程Fig. 1 Flowchart of the genetic algorithm与经典 ，广义 用了2/4择优的方式。

2/4的选 指每经过一次选择都允许 的和 的同进人下的。

个 经过交叉和变异 生两个新的 ，组成一家4 口，然后 度一家4 口进行选择和淘汰后产生两个新的子代进人下。

考虑一般非线性模型的优化问题[]:m0= mini [||/(1,2,…，C p’X J- r, || ”1⑴其中：：C;丨为P个待1，2,…，,;x为 斤维输入向量;r为 m维输出向量;/为 ，即/:，—妒！（毛，[) I,= 1~ m|为模型m对输入、输出 ；I I•II为取 /为实常数，视实 要求定;为。

1.2 算法步骤12.1编码若采用二进制,会 ，和解码操作将占用 时间， 过长会使 的降低。

对于 变量的优化问，实 有高精度、便于大空间 、表示更加 的，并 度不会受到 式的影。

因此,用实 。

1.2.2 初始群体设定给定优化参数的搜索范，在此 随机、均匀地选择《对 作为初。

其中^为i备体对应的基因。

1.2.3 通常的 指优化准则函数与 的“适应度”，因群体中每个个体代表 ，所以将第i个个体代人式⑴）得到的优化准则函数值越小，说明该个体的适应 性能 。

1.2.4 选种按优化准则函数值进行从小到大的排序，将排在最前面的几个个体称为 个体。

构造函数认使其与优化准则函数P,成反比且满足 认>0和认+<?2+…+<?…=1。

从 个体中以概率认选 ，个个体，共选 《个个体。

12.5交叉将随机选中的双亲进行杂交，最简 单的杂交 随机地选取一个截断点，将双亲的基 断 ，然后交换 部，由杂交产生的新染色体数仍为《。

1..6选择采用2/4择优方式选择。

即允许父的和的同，将，准«个P值较大的 。

1.2.7 变异、选择从《条经选择后的染色体中随机选取若干个体，对选中的个体，随机选 ：一进行取反 生新的个体， 成了变异操作。

之后对2«个个体又进行2/4丨式选择。

1.2.8 迭代由上步得到的《个子代个体作为新 的父代，重复第（1.2.3)〜第（1.2. 7)步骤，生成下—重新 —选种—交叉—选择—变异—选择，直到 P不再变化或新 的最小P值与 的最小广 定精度要求，迭470江南大学学报（自然科学版)第14卷过程终止，计算结束。

最后一代中函数对应的个 体为最 的个体。

2 工程实例应用高速公路 家重点工程 ，公路：多为 ，地形 大，高 路 ，有些路段经过 、水塘、 ，下有 的，在路基填筑后，这些路 结沉降 时间较长，且容易产生 沉降。

为此,208个沉降 ，对路段的沉降进 ，以路基的沉降 和 、控制和安排施工进度。

文中以路基沉降 的H02」（具体 为K4 + 20右侧路肩）为例进行路基沉降。

于2010年7月2日布设，第一次观测时间是2010年7表1月12日，第12次观测时间是2011年7月3日，每次 间隔1个月。

文中用以下的指 [7]表示沉降：\ =⑴-V n V®)、⑴,为沉降时间，d/为时间t的沉降量，mm/。

为软土地基最终沉降量，mm;J B，L为 。

根丨⑴,）!■来解式⑴）的B和^，可以构：P = (£[, -(1-8/n2e_a)」2)mm⑴）1根据上述原理和步骤进行迭代[89]，在计算过 程中，选取 个体 为200、优秀个体 为10和变异 为0.2,给定B和^的变间，通过广义 ，最后得到H026号的最优化估计结如表1所示。

广义遗传算法的计算结果Tab.1Results of the generalized genetic algoritlim模型参数搜索范围10次最佳，准则函数值/m m2广义S min s Cw mincw maxS010.00700159.60.02514910 1.0060082.30.012946800.1050038.70.0084394得到 的沉降 后，即首先确定了最终沉降量⑴《)。

对于 ，最终沉降量是394 mm，同时可求得任一时刻f的沉降量。

通过表2可知，上述 的拟合度 高的。

为面的精度，分别用 回归、灰色预测[10]估计式⑴）的s和^，最后得到的拟合情况如图2所示。

表2 H026号点观测值与广义遗传算法的拟合值Tab.2 Observed values and the fitted values of thegeneralized genetic algorithm for No.H026序号观测值拟合相对误差/% 1596510.2292997.63115121 5.24145149 2.7516119 1.26190188 1.172062040.982152140.592232250.9102262270.4112282280122312300.5图2 不同方法估计参数拟合沉降曲线Fig.2 Settlement curves for different methods3 结语1)算例表明，广义 作为软土地基沉降的全新，只要给出一个合理的最终沉降量的合 ，就能较好地得到全局最优解。

它的编操作保证在每 时能充分利用每群解中的信息，且具高效并。

另外，引入实 使表述更加 。

2)广义 能 成群的解，并过程 断向可能包含最优解的方向调整 '空间，使之有条件求得全局意义上的最优解，有效避第4期卞志兵,等：基于广义遗传算法的路基沉降预测方法应用471免了常规方法易陷入局部极值的缺陷，提高了收敛 效率。