基于小波优化LSTM-ARMA模型的岩土工程非线性时间序列预测

为了更精确地预测岩土工程应力、变形等的非线性时间序列,提出了基于小波优化的长短时记忆神经网络?自回归滑动平均模型（LSTM-ARMA）预测模型。首先使用小波分析将监测序列分解成趋势项和噪声项,采用LSTM网络滚动预测趋势项、ARMA模型预测噪声项,并将趋势项预测值与噪声项预测值之和作为总的时间序列预测值。在此基础上,以上海云岭超深基坑工程为案例进行了基坑地表沉降分析,结果表明组合模型的预测精度要高于单一LSTM模型且更加稳定;进一步采用弹塑性有限元对基坑开挖诱发的地表沉降进行了预测,并与人工智能预测结果进行对比,验证了人工智预测模型的合理性。分析表明,当后续工况与前置工况所诱发的变形机理突变时,人工智能预测误差增大,但伴随后续工况的推进,人工智能预测误差将逐渐减小。     

基于特征因子的食品工业废水排放追踪方法

针对雨水管网中工业废水接入导致的混接污染排放,以及污水管网中工业废水突发的非正常排放冲击问题,选择我国典型农副食品加工及食品制造企业,通过对企业排放废水中候选水质特征因子的稳定性及显著性分析,得出钾、钠、氯化物等无机盐对食品行业废水具有较普遍的表征性,且与电导率具有良好的相关性,为废水排放实时监控提供了可行性.在此基础上,给出了识别食品行业废水排放的无机盐质量浓度和电导率参照值,提出了基于节点水质监测的雨污水管网中工业废水排放追踪定位方法.     

大直径盾构隧道与下伏溶洞安全距离

岩溶发育地区的溶洞与在建盾构隧道之间的安全距离是一个重要的工程问题,如果溶洞与盾构隧道之间的距离过小则会导致隧道的失稳。本文基于武汉和平大道南延线隧道工程,在岩溶隧道失稳判断依据的基础上,设计选取围岩级别、侧压力系数、隧道的埋深和溶洞的大小四个影响因素来进行正交实验,同时采用了数值模拟与回归分析相结合的试验分析方法,探讨了影响安全厚度的因素,最终建立了下伏溶洞与隧道安全距离的预测模型。研究结果表明：在大直径盾构隧道下伏溶洞情况下,隧道的埋深、侧压力系数、溶洞的直径、围岩水平对于隧道安全距离的影响程度依次增加。安全距离与围岩级别呈负相关关系,与侧压力系数、隧道的埋深和溶洞的直径呈正相关关系。另外,通过对比验证试验区段典型断面的工程实例,证明了该安全预测模型在工程设计中具有参考价值。