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.     

基于实数编码的遗传算法在软土路基沉降预测中的应用

采用基于实数编码的遗传算法与Biot固结理论相结合,建立了适用于饱和软土地基固结的土体参数反分析方法和沉降预测方法,并编制了相应的计算机程序.工程实例表明,该模型是合理的,并能够很好地应用于工程实践.     

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...     

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。     

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.     

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．     

路基沉降预测及其工程应用

根据扬州市南绕城公路软土路段的实测沉降资料,采用双曲线法预测各施工阶段测点的沉降和工后沉降量,为路面结构层的铺设及间歇期的确定提供了依据。     

基于CEEMDAN分解的GA-BP神经网络电动汽车配电网短期负荷预测

短期电动汽车并网的随机性、复杂性和易受外界因素干扰,针对通过单一的负荷预测模型很难做出准确的分析和预测,提出一种基于CEEMDAN分解的GA-BP神经网络短期电动汽车配电网负荷预测的方法.方法可以充分利用分解出来的各个分解出来的IMF分量不同的特点分别对数据进行预测最后叠加.利用电动汽车配电网所给的相似日的历史数据作为...     

公路软土路基沉降观测问题分析

介绍了公路软土路基沉降观测的主要内容、点位布设、设备埋设的技术要求,以及数据的整理分析.     

高速公路软土路基的沉降试验分析

本文通过对某高速公路软土路基沉降的实地测量与考察,具体分析了沉降规律,为同行业施工及研究单位作以参考.     

基于GA-BP神经网络的隧道初期支护钢拱架内力预测

针对误差反向传播(BP)神经网络易陷入局部极小值的问题,将遗传算法(GA)与BP神经网络相结合,先以遗传算法全局最优的特性对初始化的BP网络的权重和阈值进行优化,再将优化的权重和阈值作为初值带入BP网络训练得到最优解.运用此改进的BP神经网络对竹盖山隧道初期支护钢拱架内力进行预测,取得了良好的效果,精度高、收敛快,为指导和控制工程施工提供了有效的依据.     

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.     

基于小波神经网络的建筑工程沉降变形预测

变形监测是安全化、信息化工程建设和管理的重要内容,贯穿于建筑物设计、施工和运营整个过程.本文基于小波分析、BP神经网络、小波分析与神经网络结合的相关理论,借助MATLAB编程,建立了改进的BP神经网络、辅助式小波神经网络、嵌入式小波神经网络3种变形预测网络模型.结合工程实测数据,利用建立的3种模型,分别应用累积沉降和期间沉降不同模式数据进行预测.结果表明,两种小波神经网络组合模型的预测效果明显优于单一的BP神经网络模型,具有更高预测精度和更快的收敛速度,且训练样本数目越多,模型精度越高,预测效果越好.     

公路软土路基沉降预测方法综述

传统路基沉降预测有指数曲线法、双曲线法、泊松曲线法等。近年来,由于灰色预测法、人工神经网络法等能反映全过程的沉降量与时间的关系,得到越来越多的应用。讨论了上述常用预测法的基本原理及优缺点,阐述了对某些方法的改进,介绍了某些有待推广的预测方法,具有一定的参考价值。     

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。     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型.该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点.结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比.计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景.     

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。     

基于GA-BP神经网络的颗粒阻尼器减振特性预测

提出了一种基于遗传算法改进的BP神经网络(GA-BP)的颗粒阻尼效应预测模型.首先通过悬臂梁阻尼检测实验建立数据集,然后对建立的数据集进行训练非线性复杂模型,用于描述颗粒阻尼器的阻尼效应.为了进一步验证所提模型的有效性,通过CA-YD-1181压电传感器采集相关数据进行二次验证.结果表明,与传统的BP神经网络预测模型相比,遗传算法优化后的模型能够通过不同参数的变化对颗粒阻尼器减振效果进行精准预测,收敛速度提高了近36.8%.该模型具有良好的拟合效果,能准确、合理地预测阻尼特性,并调整颗粒阻尼器的相关参数.     

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.