山区高速公路高路堤沉降灰色模型预测

山区高速公路在跨越深沟和高桥头引道时产生了高路堤,由于填方较高,路基沉降量较大,如何准确的推算高路堤预留沉降量和预压期时间,使路基沉降后仍能符合设计高度,并依据完成预压期时间来合理安排路面铺装,减少路基沉降差异产生的病害一直是个技术难题.提出了利用灰色系统理论的预测和决策功能,对高路堤沉降进行预测,研究表明,用GM(1,1)模型对其预测,建模简单,预测精度高,在预测山区高速公路高路堤沉降、高边坡滑移、地质灾害等方面有较大的实用意义.     

高速公路路基沉降预测研究

文章讨论了灰色系统理论在公路路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行了改进,建立了任意时间间隔的非等时序改进灰色模型.通过具体工程实践,给出了两种模型对公路路基沉降量预测结果与实测结果的比较,结果表明非等时序改进灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要.     

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.     

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。     

改进的灰色模型在软土路基沉降预测中的应用

路基的最终沉降变形对于确定铺筑路面时间、控制和安排施工进度以及路堤的安全与正常使用至关重要.GIM(1)模型是一种改进的GM(1,1)模型,采用等维GIM(1)模型对路基沉降进行了动态滚动预测,预测结果表明该模型精度能够满足工程需要.     

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.     

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。     

非等时距灰色模型在冻土路基沉降预测中的应用

基于2012年5月～2016年10月G109线K2967+850监测断面处冻土路基的沉降监测数据资料,根据在冻融循环条件下产生的沉降数据多周期和波动性的特点,以及监测数据采集时间间隔不等长的原因,采用非等时距GM(1,1)灰色预测模型构建了冻土路基累计沉降量预测模型。通过将预测模型的模拟值序列与实测值序列进行对比,验证了模型的模拟精度达到I级以上,证明用此模型对K2967+850监测断面2 m深度以内冻土路基的沉降预测是可信的。     

超限学习机在高速公路路基沉降预测中的应用

为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。     

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.     

神经网络针对高速软土路基沉降的预测研究

针对高速公路建设软土路基沉降问题,采用BP神经网络模型进行预测,并分别对预测值和实际监测值做了对比,提出相应的不足和其具有的合理性,证明了该模型可以在短期内对软土路基沉降量作出预测。     

基于GA-BP神经网络的软土路基运营期沉降预测

为了实现高速公路软土路基沉降的准确预测,采用遗传算法(GA)优化BP神经网络,研究3种输入对预测结果精度的影响.选取时间t以及其15 d前的沉降量S_t-15和平均沉降速率v_t-15为影响因素,在t、t-S_t-15、t-S_t-15-v_t-15三种输入下,分别取某高速公路软土路基运营期实测沉降数据的前50%、80%为训练集,余下原始数据为测试集,重复训练10次后取平均值作为输出值.采用决定系数(R²)来判别模型拟合度,均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为模型性能的评价指标.结果表明：3种输入的R²均大于0.99;训练集占原始数据的比例为50%时,t-S_t-15输入的预测误差最小,RMSE为1.31 mm, MAPE为4.71%;训练集占原始数据的比例为80%时,t-S_t-15-v_t-15输入的预测误差最小,RMSE为0.29 mm, MAPE为1.00...     

高速公路路基差异沉降标准

为了合理确定高速公路路基差异沉降控制标准,应用有限元方法计算不同路基差异沉降下路面结构附加应力,并将计算结果与路面结构层材料极限抗拉强度对比,提出了基于防止路面破坏的路基容许差异沉降变化率计算式;基于水力水文学方法建立了公路路表集中排水模型,提出了基于路表排水的容许差异沉降变化率计算式;基于差异沉降对行车舒适性的影响,分析了人体对车辆垂直振动响应的敏感性,建立了国际平整度指数IRI与路基差异沉降的关系;综合以上因素,提出了高速公路路基差异沉降控制标准;最后以某高速公路为例应用本方法进行了计算.结果表明:仅考虑差异沉降对行车舒适性的影响时,以差异沉降变化率0.1％作为沉降控制标准;考虑路面结构破坏和排水时,应根据公路具体设计参数计算确定差异沉降变化率,这能更客观准确地表征路基差异沉降标准.     

神经网络在高速公路软土地基沉降预测中的应用

简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,运用神经网络预测了软土地基的沉降,并计算出软土地基的沉降值。     

基于灰色神经网络模型的美国碳排放预测

该文基于世界银行数据库1984—2014年美国的碳排放量、美国人均GDP、美国人口总量、化石燃料能耗百分比、人均耗电量等数据,结合多种预测模型,较为准确地预测了美国未来30年的碳排放量。首先基于灰色预测模型表明,未来30年美国的碳排量将呈现逐年递增的趋势。为了进一步提高预测精度,将偏差的关系归纳到BP神经网络模型中,利用神经网络模型趋势外推法对预测结果作进一步完善,预估未来30年美国的碳排量呈现先递增然后逐年开始递减的趋势,即曲线呈现比较明显的倒U型,与Kuznets曲线相符。     

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。     

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。     

建筑物沉降预测的非等间距灰色模型

本文介绍了传统灰色GM（1,1）模型和非等间隔数列的灰色模型建模问题,并结合高层建筑物沉降观测实例进行建模、分析、预测,并与多元线性回归模型结果进行了比较,验证了该灰色模型在建筑物沉降监测分析中的实用性和有效性。     

隧道下穿高速公路路基沉降规律

为研究隧道下穿施工引起的既有高速公路路基沉降情况,取工程原状土试样进行隧道围岩抗剪强度三轴试验研究,并通过建立隧道埋深为11.25 m、8 m和15 m的Ansys有限元分析模型,数值模拟计算通过台阶法开挖至6m、12 m、18 m、24 m、30 m、36 m的竖向位移,并与现场监测结果进行数据比对分析.结果表明:隧道围岩抗剪强度较小,抗剪强度值随围压变化较大;数值模拟沉降曲线趋势基本符合现场监测数据,模拟沉降值比现场监测沉降值小10%~20%;隧道开挖初始阶段会对周围土体造成较大扰动;通过增大隧道埋深可以有效减小不均匀沉降对路基的破坏,但应注意增加隧道埋深对沉降范围的扩大作用.     

高速铁路软土路基沉降预测

通过实测资料分析了高速铁路堆载预压软土路基沉降规律,其沉降发展过程可分为填筑阶段-恒载阶段-堆载预压阶段-卸载阶段,沉降曲线与S形成长曲线类似.利用最小二乘法,以组合模型的误差平方和最小为目标函数来确定最优加权系数,建立了加权组合预测模型.采用Origin软件分别拟合Gompertz曲线和Logistic曲线,基于组合...