王 勃 马俊威 董丽欣

（1：吉林建筑大学土木工程学院，吉林 长春 130118；2：吉林省结构与抗震科技创新中心，吉林 长春 130118）

0 引言

砌体结构在我国已拥有5000年的使用历史[1-2]。建国初期，我国大部分工业与民用建筑采用砌体结构，抗震性能不佳，危及到人民生命财产安全[3]。许多砌体结构由于破损严重，需要拆除重建。目前国内外关于砌体结构的拆除方法一般包括人工拆除、机械拆除、爆破拆除、静态破碎拆除[4-6]。

人工拆除主要依靠作业人员利用风镐、滑轮、大锤等工具将建筑物进行解体的方法，适用于≤18 m高或6层的建筑物，人工拆除对周围环境不会造成很大的影响，但拆除工期长、造价高；机械拆除一般采用破碎锤、破碎球、长臂液压剪等机械进行建筑物的拆除作业，适用于较高建筑物如塔的拆除作业，具有效率高、灵活性好、冲击能量大等优点，但会对环境造成一定的危害；爆破拆除主要是将炸药布置在承重构件上，利用爆破的能量破坏承重构件，建筑物因失稳而被破坏，爆破拆除在拆除高耸结构中广泛使用；静力破碎拆除采用破碎剂对建筑物进行拆除，主要适用于局部拆除，破碎剂会发生一定的化学反应，作业人员易受到伤害。

神经网络来自于McCulloch和Pitts[7]提出的二元神经元的阈值和权值模型，它是一种具有模仿动物神经网络行为特征的网络，是一种进行分布式信息处理算法的数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到准确处理信息的目的。马海越等[8]使用BP神经网络和萨达公式分别对地下采场的振动速度进行预测，结果表明BP神经网络模型的预测更精确，误差小。黄山等[9]采用汇率价格的历史数据作为训练样本，用BP神经网络对未来汇率进行短期预测，有助于对未来市场发展方向的分析。张军等[10]针对地下管廊施工质量控制点的数据分析，提出了对材料、人、机械设备、环境和施工方案的量化处理，建立了BP神经网络预测模型，表明BP神经网络对地下管廊控制点的预测是可靠的、有实用价值的。通过大量文献可以看到BP神经网络已经应用到生活的各个方面，因此将该网络对砌体结构拆除的工期和造价进行预测是可行的[11]。BP神经网络具有适应性和自学能力强的特点。

1 砌体结构拆除方案的BP神经网络模型建立

BP神经网络是一种通过误差逆向传播的一种多层前馈神经网络，其主要目的在于输入层进行输入，然后隐含层进行权值阈值的训练得到预测值与测试值的误差，再用这个误差向前一层估计上一次误差，如此重复地将误差反向传递，得到各层的误差估计[12]，BP神经网络的模型结构如图1所示。

选用网络类型为s型传递函数：

采用反传误差来调节网络的权值和阈值来达到极小误差：

式中：E为误差函数；ti为期望输出；oi为计算输出。

通过资料搜集总结，得到影响砌体结构拆除工期和造价的影响因素见表1。

通过资料收集和专家咨询得到砌体结构拆除工期和造价，进行整理得到训练数据表2和测试数据表3。

表1 工程量化指标

表2 训练样本数据库

表3 测试样本数据库

2 BP神经网络训练

将影响拆除工期和造价的9个特征因素作为输入层，8个隐藏层，1个输出层，进行BP神经网络训练，如图2所示。

图3为BP神经网络预测误差，可以看出，数据点比较均匀地分布于回归线两侧，相关系数为0.997 08，表明建立的BP神经网络模型具有良好的精度。

图4为测试曲线和训练曲线，当训练到第10次时最好的拟合数值是0.003 327 1，相对较小，得到了理想的训练模型。

3 预测结果讨论分析

将经过BP神经网络模拟得到的预测值与实际值比较见表4，砌体结构拆除造价的相对误差在-1.9%～7.1%，工期相对误差为-0.8%～3.5%，误差相对较小，可通过BP神经网络建立模型对砌体结构拆除工期和造价进行预测。

表4 预测与实际误差的对比

4 结论

本文通过40组砌体结构拆除工期和造价数据，建立砌体结构拆除方案决策BP神经网络模型，对BP神经网络进行训练，对拆除造价和工期进行预测并与实际值进行比较，相对误差均＜7.1%，相对较小。BP神经网络可对砌体结构拆除工期和造价进行预测，为砌体结构拆除工程提供依据和参考。