人工神经网络在软土地基路基沉降预测中的应用

将人工神经网络应用于软土地基填筑施工中的沉降预测，提出了一种有效的预测方法，并构造了预测路基沉降的神经网络模型，预测结果表明，该模型具有很高的预测精度，为预测软土地基路基填筑施工引起的沉降提供了一种新的方法。     

基坑周围地表沉降的人工神经网络预测

针对杭及上海软土地区的基坑围护工程,分析了基坑周围地表沉降的影响因素,结合人工神经网络原理,建造了基坑周围地表沉降的人工神经网络预测模型,采用BP神经网络和所建造的数学模型,对软土地区的最大地表沉降量及沉降范围进行预测。结果表明,该模型映射精度较高,有较好的实际应用价值。     

BP神经网络在高速公路软土地基沉降预测中的应用

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的BP神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。     

高速公路沉降预测的新方法

采用人工神经网络较强的非线性映射能力和学习能力 ,提出基于人工神经网络的高速公路路基沉降预测新方法 .这一方法利用实测资料直接建模 ,避免了传统方法计算过程中各种人为因素的干扰 ,所建立的模型预测精度高、简便易行 ,具有广泛的工程实用价值     

基于改进神经网络的深基坑工程变形预报

位移监测预报在深基坑工程信息化设计与施工中具有非常重要的意义.本文针对深基坑工程变形监测预报问题,将人工神经网络理论应用于深基坑工程的变形预测,建立了深基坑工程变形预报的改进人工神经网络模型,并编制了基于MATLAB的预报程序.最后以上海某深基坑工程为例,进行了深基坑开挖引起的地表沉降预测,预测结果表明,本文的方法具有较高的预测精度.     

基于神经网络动态预测软土路基沉降的研究

人工神经网络具有较强的非线性映射能力和学习能力,通过改进神经网络的BP算法,提高了BP算法的学习收敛速度和网络性能的稳定性.基于改进的BP神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法.此方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小.     

用人工神经网络模型预测高填方地基工后沉降

以人工神经网络模型(多层BP模型)为研究手段,对九寨黄龙机场元山子沟104 m的高填方地基工后沉降变形特性进行深入研究.认为高填方地基工后沉降包括填筑过程中产生的部分瞬时沉降、加载结束后的主固结和次固结三部分,瞬时沉降速率最高可达20 cm/month,发展时间约为15～40天;主固结速率为0.3～3 cm/month,发展时间为8～14个月;次固结速率小于0.3 cm/month,发展时间为3～5年.且高填方地基最终沉降量为42～44 cm,竣工后半年(2003年4月)工后沉降量完成40%～50%,一年后(2004年4月)可完成70%～80%,两年后(2005年4月)可完成90%～95%.     

基于人工神经网络铝箔轧机轧制力模型

彩用ＢＰ神经网络原理对１３５０ｍｍ铝箔轧机轧制数据重新处理，建立了基于人工神经网络的轧制务模型。结果表明，用人工神经网络轧制力模型的计算值与实测值相比偏差〈３％该模型较真实地反映了轧制过程的特征。     

SiO2-Al2O3-CaO-Na2O-MgO系微晶玻璃热膨胀系数的神经网络模型

应用人工神经网络建立了SiO2-Al2O3-Na2O-MgO系微晶玻璃组成与热膨胀系数关系的网络模型，结果表明：本网络模型具有很高的预报精度，可以准确预测相应组成的热膨胀系数，人工神经网络为材料设计，性能预计提供了一条新的途径。     

人工神经网络在《电工学》教学评价体系中的应用

利用人工神经网络方法建立《电工学》教学质量评价模型，并在MATLAB系统内得以实现。结果表明，人工神经网络用于《电工学》教学质量评价中，得到了满意的结果，具有广泛的适用性。     

基于多灰色预测模型对比的高速公路路基沉降量预测

高速公路路基沉降量的预测不仅关系着高速公路的施工质量与服务水平,同时对高速公路的行车安全也有重要影响.根据路基沉降量的实测资料,通过多种灰色预测模型对路基沉降量进行了数据规律分析及精度对比,选取了最优的灰色预测模型对路基最终沉降量进行预测.为路基稳定性的评价与路基沉降的控制应对提供了参考.     

基于主成分分析-相关向量机的高速公路路基沉降量预测

为解决高速公路路基沉降量难以获取的难题,提出一种基于主成分分析(principal compohent analysis,PCA)的相关向量机(relevance vector machine,RVM)路基沉降量预测方法。通过主成分分析法将多个易获取的土体常规物理参数降维成少数且独立的变量,借助相关向量机模型反映路基沉降量与4个主成分变量之间的非线性映射关系,建立基于PCA-RVM的高速公路路基沉降量预测模型。将该模型应用于工程实例,在同样学习样本情况下与4种神经网络预测模型对比分析,结果表明:PCA-RVM预测模型通过分析各因素的相关性与贡献率,将多个影响因素合理化为少数主成分变量,在信息筛选方面明显优于其余4种模型;各模型预测结果显示,在路基沉降量预测结果的相对误差及均方差方面,PCA-RVM预测模型均占据较大优势。PCA-RVM模型具有精度高、离散性小、可靠度高等优点,为高速公路路基沉降量预测提供了一种新方法。     

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。     

京津塘高速公路K131+610段路基沉降预测研究

高速公路施工中,路基沉降对工程质量有着重要的影响。但是影响路基沉降的因素很多,传统的线性预测模型很难将各种影响因素统一表达,BP神经网络模型可以将传统的函数关系式转化为高维的非线性映射,在路基沉降预测中得到广泛应用。以京津塘高速公路K131+610段工程为例,探讨了BP神经网络模型的最佳参数配合。     

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.     

基于等时距处理和IOWHA算子的路基沉降预测

为避免随机因素对单一预测模型影响,建立更符合软土路基沉降规律的模型和方法以提高预测模型的精度和可靠性,分别以原始沉降数据、经三次样条插值和经分段三次Hermite插值处理的数据为样本值建立Gompertz模型、Logistic模型和灰色Verhulst模型3种预测模型,将每种模型的3种情况的预测值同实测值进行对比分析,选出每种模型对样本处理的优势方法。以每种模型的优势方法为单一模型,建立基于IOWHA算子的组合模型,该组合模型按照每个时刻单一模型的预测精度的高低对最优权系数进行求解。研究结果表明:在沉降速率发生明显变化时刻的数据作为最后一组样本值进行预测时,Gompertz模型和Logistic模型以分段三次Hermite插值等时距处理的数据为样本值预测效果更好,灰色Verhulst模型以原始沉降数据为样本值预测结果精度更高。求解基于IOWHA算子的组合预测模型的赋权系数时,GA比使用MATLAB的非线性优化的工具箱的求解方法更为可靠,得到的组合模型预测精度更高。     

南水北调中线磁县段污水管下穿公路顶管施工地表变形规律

顶管施工对地层变形的扰动成为影响周围建筑物安全和环境变化的重要因素之一.以南水北调中线磁县段砂砾石地层中污水管网顶管下穿和谐大道施工为例,对顶管施工扰动下地表沉降变形进行理论预测和现场试验研究,并基于现场实测结果对理论预测模型参数进行了优化修正研究结果表明:当地层体积损失率控制在6.9％以内时,磁县和谐大道附近地表沉降量满足相关规范安全要求;南水北调磁县段污水管网施工范围内地表最大沉降量位于2.5～4 nun,未突破安全阈值;针对类似工况条件提出了地层损失率和沉降槽宽度系数指数建议取值,分别为2.81％和0.425.相关研究成果为类似工况条件下地表变形预测研究提供借鉴.     

基于灰色GM(1,1)模型的桩基沉降预测研究

简述现有桩基沉降预测方法存在的不足,结合桩基沉降的特点,引入灰色预测GM(1,1)模型,建立基于灰色GM(1,1)模型的单桩及群桩沉降预测研究模型,并给出其建模的原理及建模的过程。最后,通过工程实例,进行实证分析,研究表明该模型具有良好的适应性,能更好地反映桩基沉降变形的规律,提高预测的精度,具有良好的工程应用价值和推广前景。     

高速公路软基沉降的幂多项式预测模型

工后沉降是软土地区修建高速公路面临的主要问题。依据现场实测典型沉降-时间关系特性,基于Taylor展开原理提出软基沉降预测分析的幂多项式模型;通过相关公式推导获得参数求解方法,并对实测数据点数目的合理取值进行分析。结合广东省某高速公路软基现场监测结果,运用幂多项式模型对实测数据予以预测分析。研究结果表明：幂多项式模型可充分利用观测样本求解参数,采用较低阶数即可获得较高精度,从而更准确地反映软基工后沉降特征。     

软土地基路堤预抛高确定方法

根据施工期路堤填土厚度、沉降实测数据建立了一种新的工后沉降预测模型,并从土力学角度分析了该预测模型的物理意义;针对不同的软土地基深度、路堤高度和工后沉平控制时间,导出了路堤预抛高计算公式.结合工程实例,将计算的工后沉降、预抛高量与工后实测沉降进行了比较分析,验证了该计算方法的可行性.