软土路基沉降发展规律及其预测

通过对软土路基沉降发展规律及其特点进行分析与研究,得出软土路基沉降发展基本经历了发生-发展-稳定-极限4个阶段,其固结沉降-时间过程曲线的特点与社会经济预测中的"S"型成长曲线极其相似.基于3种"S"型成长曲线模型,引入组合预测的思想,提出了一种预测路基沉降发展规律的变权重组合预测方法,并建立了软土路基沉降的变权重组合"S"型成长模型,通过数学规划方法求解,从而可根据有限的沉降实测数据预测路基沉降发展过程.工程实例分析结果表明,使用该模型,其预测曲线与实测数据曲线基本吻合,且分析方法灵活,可用于软土路基沉降发展预测,对防治公路路基沉降,保证公路营运质量具有一定的理论与工程意义.     

变权重组合模型在路基沉降预测中的应用

通过对软土路基沉降发展规律及其沉降曲线特点的深入研究,结合4种单项软土路基沉降预测模型提供不同的有价值预测信息的特点,引进重组合预测思想,在单项预测模型的基础上提出了路基沉降变权重组合预测方法,工程实例分析表明,利用该模型与方法得到的预测曲线与实测曲线吻合良好,能够满足工程要求,此外,变权重组合预测模型比其它单项模型具有明显的优越性,为软土路基沉降发展预测提供了一种有效而实用的方法.     

高速公路路基沉降的组合预测研究

保证路基沉降变形的稳定是公路建设中至关重要的一项基础性工作,本文在分析已有沉降预测模型的基础上,建立了高速公路路基沉降预测的等权重组合模型。计算表明,利用等权重组合模型具有较高的预测精度,同时考虑了多个影响因素,为路基沉降变形预测提供了一条心的途径。     

基于S型增长曲线组合预测模型的滑坡变形预测研究

为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。     

高填石路堤施工问题研究

由于本课题研究的对象属于巨粒土范畴,因此在对巨粒土类作简要介绍后,介绍了高填石路堤沉降观侧方法,并对高填石路堤的沉降进行了分析。     

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。     

基于Odds-Matrix算法的中长期电量组合预测方法及其应用

中长期电量的组合预测存在权重选择困难,适应性、抗干扰性较差的问题.文中结合目前广泛应用的组合预测技术,设计了以Odds-Matrix算法为核心的Odds-Matrix组合预测方法.该组合预测方法利用Odds-Matrix算法对单一预测模型的有效性进行定量分析,用权重概率分布函数来描述各个方法的优劣,然后根据权重进行单一预测模型的筛选和组合.利用实际数据对所设计的Odds-Matrix组合预测方法进行测试,结果表明,文中预测方法的精确度较其他常用组合预测法较高,说明该方法具有较强的适应性与抗干扰性.     

填石路堤沉降分析方法研究

填石路堤达到一定高度后，路堤会产生较大的沉降量，其变形问题已引起工程界的高度重视，探讨其沉降机理、沉降计算方法及分析预测方法具有重要的工程实际意义。     

基于小波神经网络组合模型的高填方路基沉降预测

利用小波变换良好的时频局域化性质和神经网络的自学习功能,结合S型成长曲线模型,建立了基于小波神经网络的高速公路高填方路基沉降预测模型,该模型的应用避免了计算过程中各种人为因素的影响.通过对汝(城)郴(州)高速公路K59+375~K59+445高路堤沉降现场监测数据的学习、预测与检验,并与S型成长曲线模型和BP神经网络的预测结果相比较,结果表明,组合模型的预测精度高,与实际情况相吻合.     

高层建筑物变形监测与预测

沉降量是建筑物施工期间及竣工后地基变形的一个重要指标.以恩施州电力总调度中心大楼沉降观测与预测为例,详细讨论了沉降监测的布设方案、建筑物变形监测的精度和数据分析,并采用指数曲线3点法对地基最终沉降量进行预测.     

基于路基沉降变形规律的预测新模型及其应用

针对山区高速公路路基沉降变形规律复杂而难以预测的实际情况,通过整理大量现场试验监测数据,深入探讨不同工况条件下路基沉降变形发展趋势,总结得出其变形发展规律。在此基础上,基于指数函数曲线模型,提出了DR曲线预测新模型;并运用数值分析方法,结合实际工程实例与泊松曲线、Logistic曲线的预测结果进行对比;其结果表明:DR曲线预测模型精度更高,能更好的适应实际情况的变化,为山区高速公路路基沉降发展预测提供了一种有效而实用的方法,具有一定的工程实用价值。     

路基沉降的灰色理论预测及实例验证

运用灰色理论GM(1，1)模型，对铁路高填方路基的沉降进行预测，建立预测模型，并且运用后验差法进行精度校验；最后通过具体实例，验证所建立的高填方路基预测模型的精度，从而证实该方法的有效性。     

路基沉降的灰色理论预测及其应用

运用灰色理论,对铁路高填方路基的沉降进行预测,建立了GM(1,1)预测模型.以相同观测时段的GM(1,1)模型为原型,考虑荷栽变化,针对地基土体均匀的情况,提出了GM(1,1)修正模型.通过具体实例,对模型的预测结果进行分析.分析表明,用修正模型预估下一级加载后的沉降,选取适当的沉降变化比进行计算,预测值与实测值之间误差小于6%,方法简单可靠,对类似高填方路基工程有一定参考价值.     

神经网络在填石路堤沉降计算中的应用

通过对我国近年来所取得的填石路堤的沉降观测资料进行整理分析,提出了填石路堤沉降计算的新方法,即BP神经网络模型计算方法。采用BP神经网络较强的非线性映射能力和学习能力,提出了基于BP神经网络的填石路堤沉降预测的新方法。     

山区高填方路堤沉降监测及数值分析

依托厦沙高速某段高达63.38 m的填方路堤,使用分层沉降仪监测填方路堤的工后沉降,分析其沉降规律。监测结果显示,工后240 d高路堤总沉降量处于0.151-0.191 m之间。使用有限元软件ANSYS计算高路堤的沉降量,得到工后240 d总沉降值为0.232 m,与监测值接近。数值计算结果所显示的分层沉降规律和监测结果也较为一致。并且计算了不同压实度下路堤工后沉降量,为填方路堤工后沉降计算和控制提供了有益的借鉴。     

无偏灰色预测模型在边坡变形预测中的应用

根据边坡位移监测信息,应用灰色系统预测模型,可以对边坡变形的发展进行预测.采用传统灰色预测模型和无偏灰色预测模型对边坡变形进行预测,预测结果表明,两种模型都是有效的,无偏灰色预测模型的精度更高.     

高填石路堤工期沉降与工后沉降实用计算方法研究

针对西南地区公路建设中高填石路堤的施工期沉降和工后沉降问题，以工程实际和工程界熟悉的方法为前提，考虑了高填石(高应力水平)下地基的非线性性质和实际的应力路径计算路基沉降；考虑目前碾压技术的进步而采用弹性模型计算填石路堤的变形．两者叠加得总沉降，再由此求得工期沉降和工后沉降．最后与工程的现场实测比较，证明本文方法简单可行，可供同类工程参考和利用．     

隧道下穿时基于傅里叶时间序列预测临近结构沉降发展

隧道下穿临近结构时,目前仅能基于现有沉降判定结构是否安全,缺乏对未来短期内沉降发展的预测方法.通过测量某隧道右线下穿临近某水库时水库逐小时的沉降,分析得出水库短期沉降主要由隧道下穿引起的趋势项和每日温度波动导致的周期项组成,并根据以上特点提出一种基于傅里叶时间序列的结构短期沉降预测方法.该方法采用傅里叶级数和线性函数对周期项和趋势项分别进行拟合,并通过数据的新陈代谢保证一旦沉降发生突变后,该方法所得预测沉降对突变具有较好的灵敏度.采用该水库在同一隧道左线下穿时的沉降实测数据对该方法和GM(1,1)灰色模型的预测精度进行比较.结果表明,该方法的预测精度高于GM(1,1)灰色模型.