软土地基沉降非线性组合预测模型及应用

软土地基沉降预测是建筑物主要考虑的问题之一.基于软土地基上建筑物沉降的一些实测数据,提出了一种幂函数曲线线性回归-灰色理论相结合的非线性组合预测模型.理论分析和实例预测表明,该模型的预测值更接近真实值,预测结果的可靠度更高.     

软土蠕变特性的神经网络预测

针对软土复杂的蠕变特性,根据软土三轴蠕变试验,运用人工神经网络原理,建立了软土蠕变的神经网络预测模型.对BP网络进行了三方面改进(附加动量项、自适应调整学习率,贝叶斯正则性能函数),利用三轴蠕变试验资料对已训练好的软土蠕变神经网络模型进行验证,并将该模型应用到某软土地基的沉降预测中.研究结果表明:神经网络预测模型直接利用数据建模,避开了传统本构建模时的人为假设,能客观反映软土的非线性蠕变特性.     

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。     

基于ABC-SVM的软基沉降预测研究

沉降预测一直是地基工程的一个重点研究项目.软土具有天然含水量高、塑性指数大、黏粒含量高等特殊的工程特性,因此,建立在软土上的地基沉降难以预测,对于工程建设有一定的隐患.支持向量机在解决样本数量小、非线性问题上有其特有的优势.利用人工蜂群算法对支持向量机的参数进行优化后建立SVM模型,对木兰溪防洪工程的沉降问题进行预测,将其预测结果与传统的支持向量机模型以及曲线拟合预测方法结果进行对比.最终证明了ABC-SVM模型在软基沉降预测上的可用性.     

用小波神经网络预测高速公路软土地基最终沉降量

高速公路软土地基的最终沉降量与软土工程特性、应力历史、路基剖面形态以及地基处理方法等许多因素有关 ,根据这些因素计算最终沉降量是一个非线性建模问题。利用小波神经网络在非线性建模中的收敛迅速等优越性 ,提出利用小波神经网络预测高速公路软土地基的最终沉降量的方法。通过实例分析表明该方法收敛迅速 ,预测精度高。     

与应力相关的软土蠕变本构模型的建立和应用

天津滨海地区软土层深厚且沉积时间短,故蠕变特性显著,修建于其上的各类型建筑物沉降历时时间长,准确预测地基的最终沉降量成为工程设计的难题.针对天津滨海软土开展了一系列三轴固结蠕变试验,得到了不同围压与应力水平下的应变-时间曲线.提出了与围压和应力水平相关联的Merchant模型参数的确定方法,揭示了模型中3个参数在相同围压下随着应力水平的增大而近似呈线性减小的规律.以此为基础,建立了反映时间效应的天津滨海软土三维非线性黏弹性蠕变本构模型,开发了有限元子程序.与实际工程的观测资料对比表明,该蠕变模型能有效模拟不同施工阶段路堤沉降量的非线性发展过程与沉降速率的变化规律.     

砂井地基固结过程的监测与分析

采用沉降板、分层沉降仪、孔隙水压力计等仪器,对路基分层填筑过程中砂井地基的固结规律进行监测,保证了路基的安全填筑.将非线性弹性本构关系引入Biot固结理论有限元程序,把砂井地基等效为砂墙,采用中点增量法研究施工过程中地基沉降与孔隙水压力消散的规律,其计算参数由室内三轴试验确定.研究结果表明:采用非线性弹性模型计算的孔隙水压力峰值和沉降量均大于弹性模型计算值,能模拟在分级加载过程中砂井地基的沉降和孔隙水压力消散的规律;泊松比对非线性模型的孔压变化趋势影响不大,但沉降量随泊松比的增大而减小;只有当渗透系数发生数量级改变时,才引起孔压的明显变化.     

高速铁路软土地区桩网复合地基沉降规律研究

为分析软土地区的高速铁路路基沉降规律,以某客运专线软土地基处理的工程实例为研究对象,对该段路基填筑过程和工后长期地基沉降观测结果进行分析,认为采用“水泥粉煤灰碎石桩+土工格栅+水泥级配碎石桩”复合地基加固形式的地基处理十分有效,满足客运专线地基沉降要求小于15 mm的要求.根据该工程实例情况,利用有限元分析软件ADINA建立相应的路基计算模型,模拟了桩径和桩间距不同时,路基填筑过程中地基表面的沉降变形规律,基于数值模拟结果建立了路基填筑过程中地基沉降的预测公式.数值模拟结果与现场沉降观测结果具有相同的规律,随着路基填筑高度的增加,地基沉降变大,且呈凹形沉降.研究结果表明,桩径和桩间距与地基沉降关系较大,桩径与地基沉降量成负相关关系,桩间距与地基沉降量正相关.     

反复荷载作用下软土地基长期沉降预测研究

在软土地基上修建仓储设施时,为了保证它的安全性一般要对地基沉降进行预测分析,因为仓储设施在运营期间产生的是复杂的反复荷载.鉴于指数曲线模型的特点,且在很多领域都能很好地拟合出合理的沉降-时间曲线.因此将它引入到预测仓储设施的长期沉降中.利用Origin软件的数据处理功能,对有限的实测数据进行拟合,得到长期的沉降发展趋势和最终沉降量,并通过工程实例验证.结果表明,该方法能够合理有效地预测仓储设施的长期沉降.     

Origin7．5在软土地基增长曲线沉降计算模型中的拟合实现

在软土地基沉降预测中,所选择的方法很重要,曲线增长沉降计算模型是根据实测沉降统计分析拟合得出的计算方法,然而,由于拟合曲线参数太多。拟合的效果存在很大的差异,本文利用数据分析软件ORGIIN7．5,根据具体工程实例,根据实测的软土地基沉降值,拟合地基沉降增长曲线模型,以此预测地基沉降,取得了较好的效果。     

Dynamic prediction of building subsidence deformation with data-based mechanistic self-memory model

This paper describes a building subsidence deformation prediction model with the self-memorization principle.According to the non-linear specificity and monotonic growth characteristics of the time series of building subsidence deformation,a data-based mechanistic self-memory model considering randomness and dynamic features of building subsidence deformation is established based on the dynamic data retrieved method and the self-memorization equation.This model first deduces the differential equation of the building subsidence deformation system using the dynamic retrieved method,which treats the monitored time series data as particular solutions of the nonlinear dynamic system.Then,the differential equation is evolved into a difference-integral equation by the self-memory function to establish the self-memory model of dynamic system for predicting nonlinear building subsidence deformation.As the memory coefficients of the proposed model are calculated with historical data,which contain useful information for the prediction and overcome the shortcomings of the average prediction,the model can predict extreme values of a system and provide higher fitting precision and prediction accuracy than deterministic or random statistical prediction methods.The model was applied to subsidence deformation prediction of a building in Xi’an.It was shown that the model is valid and feasible in predicting building subsidence deformation with good accuracy.     

基于RBF神经网络的软基沉降预测研究

将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压缩层从上到下分成若干段，每段的土性指标按段内各层土在段中的长度取加权平均作为系统的输入，将某个沉降模型的沉降曲线参数作为系统的输出，可以预测后期沉降曲线走势．实践表明，建立的基于RBF神经网络的软基沉降短期预测和长期预测模型是可行的，只要有足够多的训练样本，长期预测可以达到比较精确的预测效果．表5，参9．     

运营期高速公路软基沉降预测模型研究

软基的工后沉降是软土地区高速公路面临的一个重大问题,因此对软基的沉降进行预测显得尤为重要。由于各种工程地质条件的复杂性和难以模拟性,软基沉降的预测总是难以达到精准。基于广东省某高速公路软基沉降监测结果,建立指数曲线模型和幂多项式模型,通过对比分析来探讨预测模型的准确性。结果表明两种预测模型都能达到很高的预测精度,从而准确反映软基沉降规律。     

最优权组合模型在季冻区公路软基工后沉降中的应用

为研究最优权组合预测模型在季冻区公路软基沉降预测中的适用性,选取国道332线拉哈段(拉布大林至哈达图)一级公路的典型断面,采用分层沉降仪进行沉降监测,通过沉降管上磁环位置的移动来反映路基沉降变化。根据一年的沉降实测资料,利用MATLAB对原始非线性数据进行三次样条插值处理,基于最优权权重法将灰色GM(1,1)及二次曲线模型进行组合,对地基的远期沉降进行预测,将预测结果与实测资料进行对比,探究该模型的适用性,同时基于季冻区气候特点,选取适合高寒地区路基监测的合理时距。研究表明：最优权权重组合模型的预测效果与样本数密切相关,适当增加建立模型的样本数亦可显著提高预测精度;在考虑区域气候条件下,适当减少冬季及沉降速率较慢的月份的样本数量,增加在沉降初期及冻融前后的样本数量可以有效提高模型的预测效果;研究成果表明本文的最优权组合预测模型可以较好的预测季冻区公路远期沉降,为类似工程的沉降预测提供参考。     

软土地区储罐群地基沉降的三维数值模拟

在软土地区修建储罐群的过程中,不均匀沉降成为工程的主要控制因素之一.由于沉降问题受到储罐间距、孔隙水压力变化等动态因素的影响,使得问题的解决趋于复杂.运用FLAC~(3D)数值模拟软件,建立三维非线性有限差分模型,综合各种变化因素的影响,研究软土地区不同净距的储罐群地基的变形及应力分布,模拟分析不同净距对储罐沉降和沉降差的影响.结果表明,在考虑地基土附加应力和超孔隙水压力共同作用时,储罐净距为0.6D(D为储罐直径)左右时比较合理.     

饱和软土地基堆载预压排水固结沉降特性研究

为研究沿海饱和软土地基堆载预压排水固结沉降特性,针对变电站软土地基处理实际应用工程,利用非线性有限元软件,分析饱和软土地基下采用塑料排水板堆载预压排水固结沉降特性,同时考虑井阻效应和涂抹作用,解析计算并设计堆载预压排水固结相关参数和效果控制等,预测饱和软土固结度及其沉降特征,综合分析塑料排水板堆载预压地基加固效果与影响...     

高速公路软基沉降的数值模拟研究

软弱路基在路堤填筑过程中的沉降规律是高速公路施工的关键问题，本文应用有限元数值方法，研究了粉喷桩复合地基在填土过程中沉降的动态过程，揭示了沉降过程中软土的固结规律，对于指导路基施工具有一定的意义。     

飞机荷载作用下温州机场超固结软粘土地基变形研究

根据温州机场扩建工程中堆载预压地基处理道面标高的控制数据,计算分析得出温州机场新跑道投入使用后软粘土地基的超固结比;基于飞机荷载的动力特性,计算得到温州机场新跑道软粘土地基在A380机型作用下附加应力的分布情况;选取1／4余弦波模拟飞机循环降落荷载,通过循环三轴试验对温州机场新跑道软粘土的变形特性进行了研究．结果表明：在新跑道投入使用后,运营初期飞机降落造成的地基工后沉降非常显著,应予以重点监测;此外,扩建工程中堆载预压地基处理能够显著减少飞机降落荷载所引起的工后沉降．同时,应用指数模型对试验得到的应变数据进行拟合分析,得到与OCR和循环次数相关的应变预测模型．经推演检验,此模型对温州机场新跑道土基沉降的长期预测有一定的指导作用．     

基于遗传算法的软土施工动态预测

采用遗传算法作为优化算法,与Duncan-Chang双曲线本构模型有机结合,设计了一个实用的非线性有限元反演模型.以沉降板实测位移为依据,让模型按施工顺序反演土体中的一些重要参数,再通过这些参数最优结果预测土体今后变形情况,为软土工程的设计校核和动态施工提供必要的指导.     

深厚软土地基桩筏基础筏板厚度承载特性试验

为了获取内陆深厚软土地区桩筏基础复合地基承载特性,通过几何相似比为1∶10的物理模型试验研究和数值模拟,在试验中对基础的沉降、土压力、筏板内力及桩顶反力等数据进行采集,研究了不同工况下内陆深厚软土地基桩筏基础不同筏板厚度的承载变形特征.结果表明:桩筏基础的沉降分为3个阶段:线性阶段、非线性阶段和破坏阶段;加大筏板厚度对于筏板相对刚度具有较大影响,筏板相对刚度处于刚性状态时加大筏板厚度能有效降低总体沉降,并减少差异沉降;加大筏板厚度后,筏板和板下土体更多地承担了荷载;板下地基反力呈现四周大、中心小的趋势.