张杨杨，隋天雨，裴 俊，崔敏睿，李奕臻

（1.中国矿业大学，江苏 徐州221116；2.中国石油大学（北京）克拉玛依校区，新疆 克拉玛依834000）

实现人工智能（Artificial Intelligence，AI）是人类长期以来共同追求的目标[1]。特别是21世纪以来，人工智能领域持续升温[2]。作为AI的一个重要分支，人工神经网络（Artificial Neural Network，ANN）是基于模仿生物大脑的结构和功能而构成的一种信息处理系统，可以代替人脑有效地处理一些复杂问题，从而推动AI的发展。ANN是由大量处理单元即神经元互连而成的网络，也常简称为神经网络或类神经网络[3]。

本文首先介绍了反向传播（Back Propagation，BP）与径向基函数（Radial Basis Function，RBF）两种发展较成熟、应用较广的ANN模型理论；其次介绍了与机器学习、深度学习有关的卷积神经网络（Convolutional Neural Networks，CNN）相关的ANN模型理论；再次介绍了ANN在岩土工程领域的应用，包括预测与监控等；最后给出对ANN的总结与展望。

1 BP与RBF神经网络模型

1.1 BP神经网络原理与设计过程

BP神经网络是最传统的神经网络，也是目前应用最广泛的神经网络。其模型的拓扑结构包括输入层、隐含层和输出层。相邻层之间各神经元全连接，而同一层各神经元之间无连接[4]。图1为BP神经网络模型的拓扑结构示意图。

图1 BP神经网络模型的拓扑结构示意图

该神经网络的原理是先通过激活函数，结合阈值修正的线性加权和将各层连接起来；再根据所给的训练样本输入向量和输出向量，不断学习并调整神经元之间的连接权值与阈值，使网络不断逼近样本输入向量和输出向量之间的映射关系。其训练过程实质上是信息正向传播与根据误差逆向修正权值和阈值的过程。……