下穿已有隧道泥水盾构施工的预测分析

基于2010年上海世博会重大配套工程——打浦路隧道复线工程,结合具体实际地质条件及施工参数,利用Abaqus有限元分析软件,建立三维非线性有限元模型,模拟泥水盾构沿弧线斜下穿已有隧道的施工过程.计算并分析在泥水盾构施工过程中,已有隧道发生的变形、产生的应力以及地表发生的沉降,预测泥水盾构施工对已有隧道和地表的影响,并与实测数据进行比较,说明分析预测的可信性.所得结果不仅对该工程具有积极的指导意义,而且对其他类似工程的分析也具有重要的借鉴作用.     

基于数据驱动的盾构竖向姿态预测深度学习模型

在盾构掘进过程中,竖向姿态控制难度较大,盾体常与设计轴线产生偏差。为解决既有盾构姿态预测模型无法准确提取数据特征和有效去除数据噪声的问题,充分挖掘盾构掘进实测数据时间序列信息,依托合肥地铁7号线耕耘路站—清潭路站区间盾构隧道工程,对收集的掘进数据进行预处理,包括去除停机状态数据及异常数据,提出用于盾构竖向姿态预测的CNN-LSTM组合模型,并将测试集上的模型预测结果与传统回归模型进行对比,最后对不同样本数量及固定网络参数时的模型性能进行研究。研究结果表明：CNN-LSTM组合模型对盾构竖向姿态的预测效果较好,在测试集上的预测平均绝对误差E_MA和均方根误差E_RMS较低,同时预测的决定系数R²较高,表明模型具有较小的预测误差和较高的预测精度;与ARIMA、LSTM和SVR模型相比,CNN-LSTM模型在测试集上预测的R²分别提高了1.04%、19.75%和79.63%,此外,模型的预测E_MA和E_RMS较低,并且训练耗时显著降低;不同训练集样本数量对CNN-LS...     

小曲率半径隧道盾构施工的地表沉降规律分析——以南昌地铁1号线为例

为探究小曲率半径隧道盾构施工引起地表沉降的变化规律,利用Mindlin解建立小曲率半径隧道盾构施工引起地表沉降的解析计算模型,以南昌地铁1号线盾构隧道工程为依托,通过与现场监测和已有Mindlin解析计算模型的对比分析,验证本文所建立沉降预测模型的合理性,并依次从盾构附加推力、盾壳不均匀摩擦力和地层损失对地面变形的影响进行分析。结果表明：本文所建立的小曲率半径隧道盾构施工引起的地表沉降解析计算模型可有效应用于实际隧道工程的沉降预测,提高了预测精度;盾构开挖过程中,横断面地表沉降槽呈V形,近似正态分布,施工产生的地层损失对地面沉降的影响更大;随着盾构路径两侧推力及摩擦力分布不均程度的增加,地面沉降槽中心偏移情况而增大,地面沉降与地层损失呈非线性相关。研究结果可为类似拟建和在建盾构隧道工程提供理论指导与参考。     

基于神经模糊推理系统的盾构施工地表沉降预测

盾构隧道施工引起的地表沉降,主要受盾构掘进参数和地层条件的影响,且各参数间关系复杂.已有地表沉降预测方法大都没有直接考虑掘进参数的影响,难以满足盾构快速施工超前预测预报和环境影响控制的需求.自适应神经模糊推理系统(ANFIS)是一种基于神经网络的模糊类智能模型,通过减法聚类数据细分技术自动生成模糊规则,使网络的节点和权值具有明确的物理意义,集成了神经网络数据自适应能力和模糊系统知识表达性能,特别适合于多元非线性系统的预测预报.结合北京地铁14号线东风北桥站至京顺路站区段工程实测数据,选取埋深、洞顶覆土标贯值、土仓压力、推进速度、刀盘转速、扭矩、盾构推力,以及同步注浆量为输入变量,建立了地表最大沉降量预测模型.计算结果表明,该模型计算量小,泛化能力强,计算精度高.研究成果为盾构施工地表沉降预测预报提供了新的技术方案.     

基于融合多注意力机制的深度学习的盾构荷载预测方法

盾构荷载作为盾构的主要性能指标,准确的荷载预测对于保证盾构安全高效工作和周边环境稳定具有重要意义.鉴于传统预测方法精度差的局限性,本研究以数据的高维度特征和时序特征为切入点,提出一种结合卷积神经网络、双向长短期记忆神经网络和注意力机制的混合模型(CNN-BiLSTM-Multiattention, CBM),对盾构荷载进行精准预测.该模型不仅可以提取数据的高维度特征和时序特征,还能突出高维度特征的重要性和关键时间节点信息.通过实验证明了相较于4种现有的模型,本文所提出的模型在3种评价指标上均优于其他模型,对推力和扭矩预测的准确率达到94.2%和96.2%.     

基于循环神经网络的超大直径盾构掘进地表沉降预测方法研究

为了研究超大直径盾构掘进过程地面沉降规律,以武汉市和平大道南延线盾构工程为研究对象,首先收集了超大直径盾构下穿过程掘进参数和地层地质参数,并使用盾构掘进过程深跨比描述超大直径盾构影响特征;其次,通过收集现场沉降测点数据分析盾构隧道施工阶段地表沉降的影响范围,计算了90%、95%、99%三种置信区间下地表沉降影响范围;最后,选取不同范围内的多元时序数据作为输入参数,分别建立了基于贝叶斯优化算法（BO）的长短期记忆（LSTM）、BP神经网络和随机森林（RF）大直径盾构地面沉降预测模型.模型运行过程中,通过贝叶斯优化算法分别寻找三种不同模型下的最优超参数,并通过四种评价指标对比模型精度.结果如下：(1)在90%置信水平下三种算法均表现出最高精度,通过区间计算筛选有效输入参数能有效提高模型预测精度;(2)LSTM对隧道沉降的预测结果优于传统机器学习算法模型,MAPE最低达到8.91%,R2达到90%.     

盾构滚刀磨损的多元非线性回归预测

为了解决硬岩地层盾构滚刀的磨损检测问题,提出了一种基于多元非线性回归预测模型预测滚刀磨损的方法.利用滚刀正常磨损阶段的盾构掘进参数数据建立回归预测模型,根据依此模型预测的掘进速度与实际掘进速度偏差来预测滚刀的磨损状况.结合盾构工程项目研究结果表明:预测模型是正确的,预测结果与实际换刀情况是相符的,预测方法是有效的.研究结论可为类似地质条件下的盾构滚刀磨损检测和更换提供有益的指导.     

盾构法近距离下穿施工对既有盾构隧道的影响

新建隧道近距离下穿既有盾构隧道,势必会引起既有隧道不均匀变形.以北京地铁12号线西三区间盾构穿越机场专线为工程背景,提出了适合既有运营隧道纵向刚度折减的修正等效连续模型.模型以轨顶面为中性轴位置,可以较好考虑运营隧道对道床、钢轨等结构的影响.数值分析及与已有经验模型对比结果表明,修正等效连续模型预测值与监测值最吻合,验证了模型在本工程中的适应性.从隧道净距及地层性质两方面进行了参数分析,研究结论可为类似盾构下穿既有线路工程提供参考.     

基于层次分析法-模糊综合评价法的盾构掘进适应性评价

盾构掘进适应性评价受多种因素影响,具有不确定性,现有研究方法难以对其进行准确定量分析.为对盾构掘进适应性进行定量评价,现联合运用层次分析(analytic hierarchy process,AHP)法和模糊综合评价法,建立盾构掘进适应性评价模型.根据工程条件,确定盾构掘进适应性评价体系,利用AHP法确定各指标权重,并利用模糊集法确定隶属函数,采用模糊综合评价法对盾构掘进适应性进行评价.以深圳地铁12号线某标段为例,对盾构掘进适应性进行了评价,评价结果表明:盾构掘进适应性为"适应".盾构掘进适应性评价模型的建立可为类似工程提供一定借鉴指导作用.     

盾构法隧道施工地表变形的小样本智能预测

以盾构施工监测所得地表位移资料为学习样本,通过选择合适的人工智能神经网络结构及其相关参数建立预测模型,在小样本训练的情况下,预测下一步后续施工的地表变形位移.通过时间窗滚动多步预测,可以获得盾构工作面前、后方测点在近数日之内任意一天的地表变形位移,并自动绘制盾构推进中沿隧道纵轴方向的隆/沉历时曲线.以上海市地铁明珠二期南浦大桥站附近交叠隧道上行区间盾构推进施工期间的工程实例验证,表明按本文建议方法的预测结果与实际的施工监测值吻合良好.     

基于再度感染的SIS传播模型研究

提出了复杂网络上一种基于再度感染的SIS传播模型.在具有树状分支结构的网络中,针对某个染病节点,在考虑其感染子节点的同时,也考查其再次感染祖先节点的情况.分别在小世界网络和无标度网络上进行仿真分析,结果表明,对于小世界网络,基于再度感染的SIS传播模型的稳态感染密度比传统的SIS传播模型的要大,而且感染周期越短,稳态感染密度越大;而对于无标度网络,虽然基于再度感染的SIS传播模型的稳态感染密度也比传统的SIS传播模型的要大,但是,感染周期对于稳态感染密度的影响微乎其微,甚至可以忽略.     

基于RBF神经网络的晶体生产组织评价

在晶体的生产组织过程中,采用相关分析法确定影响评价的主要因素,建立一种基于RBF网络的生产组织评价模型,利用最邻近聚类算法,确定基函数中心点,将该模型与BP网络模型进行比较,结果表明:RBF网络在学习时间和评估精度上优越于BP网络。     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．     

基于无标度网络的创新扩散模型研究

从无标度潜在采纳者关系网络出发,考虑潜在采纳者所处局域关系网络对创新采纳决策的影响,自底向上,从微观到宏观建立了创新扩散模型.模型一方面放宽了传统Bass类模型对于潜在采纳者关系网络不符合实际的假设;另一方面,引入了无标度网络的重要参数(度分布幂指数),使得创新采纳决策的微观机制能与宏观扩散数据相结合,体现了微分方程建模方法的优势,提高了模型的应用价值.对模型的进一步仿真分析发现,潜在采纳者关系网络节点度值的异质性程度越高及网络平均度值越小,则创新扩散深度越大、创新扩散速度越慢.     

基于室内办公环境的WSN信道衰落模型的分析

针对室内环境下无线传感器网络信道衰落的不确定性,提出一个基于室内环境的信道衰落模型。根据无线信道衰落模型的理论研究和无线传感器网络信道衰落测试系统在室、内外实验数据的分析,得到信道衰落模型的各个参数,确定无线传感器网络室内信道衰落模型。实验证明此衰落模型在实际网络的节点部署和节点定位中的作用优于其他无线信道衰落模型。     

基于小世界网络的软件安全风险传播分析

针对软件安全风险传播难以直观描述的问题,应用小世界网络理论对其进行了研究.首先,介绍了软件安全风险的相关概念和小世界网络的性质及模型.其次,在分析软件系统网络拓扑结构的基础上,基于小世界网络理论建立了软件构件间安全风险传播的动力学模型,得到软件安全风险的传播结果,并分析影响软件安全风险传播的关键因素.最后,以某型飞机软...     

基于混合神经网络的一般动态系统MT方法建模

利用MT理论对一般动态系统的分解提出了混合神经网络建模的方法，混合神经网络模型采用动态神经网络和静态神经网络级联的方式，结合了二者的优点，克服了各自的不足之处．探讨了采用混合神经网络对一般动态系统建模的方法．研究结果表明，此方法对于一般动态系统，特别是复杂的非线性动态系统的建模有其独特的优点．     

基于收益优化的虚拟数据中心网络资源分配模型

为解决虚拟数据中心内部虚拟网络间对物理带宽资源的竞争问题,借鉴博弈理论提出了网络资源分配模型.首先给出基于收益最优的整体带宽分配优化目标,然后将其拆分为可以运行于网络内部交换机上的分布式博弈模型,并给出了证明和求解过程,其中虚拟网络作为参与者在给定的定价机制下运行非合作的博弈,在博弈达到纳什均衡点时带宽分配最优.实验结果显示,提出的模型能够实现公平、合理的虚拟网络带宽资源分配.     

基于遗传算法的一体化通风网络优化算法

概括混合型一体化通风网络优化的模型,分析目前混合型通风网络优化的4种求解方法优缺点。针对混合型通风网络优化的要求,提出混合型通风网络风量分配和风流调控一体化的优化思路。在通风网络理论和图论的基础上,引入遗传算法随机产生2个动态网络的邻接矩阵和余树弦风量值,使用附有条件的最小支撑树算法产生2个最小支撑树,进而求得相应的回路矩阵。通过余树弦风量值和回路矩阵等分别计算通风网络风量分配值和风阻调节值,基于通风总功率和约束条件构建广义最小化目标函数,依此对分风和调风方案进行评价,使用遗传算法中进化算子对分风和调风方案实施进化操作,最终得到满意解。研究结果表明：该算法是严格数学意义上全局优化算法,解决调风地点约束的通风网络优化问题,利用网络结点流量平衡的等式约束条件,减少最优化模型中变量数目,提高算法效率。     

基于遗传算法的通风网络两步法风流调节优化算法

概括混合型通风网络优化模型,归纳混合型通风网络风量最优分配和风流最优调控两步法优化基本框架。首先,在满足矿井通风风量需求的基础上,实现风量分配优化。然后,结合矿井通风网络实际调风需求,引入遗传算法随机产生动态网络的邻接矩阵,使用附有条件的最小支撑树算法求解部分余树弦(调风地点)约束下的最小支撑树和独立回路矩阵,根据回路矩阵计算通风网络余树弦风阻调节值,在通风总功率和约束条件基础上构建广义最小化目标函数,依此对调节方案进行评价,使用遗传算法中的进化算子对调节方案编码实施进化操作,最后通过迭代得到满意解。研究结果表明:两步法思想简化混合型通风网络优化问题,解决调风地点约束的通风网络优化问题,执行效率高,能够解决较大规模的通风网络优化问题。