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.     

基于优化支持向量机及极限学习机的滑坡变形趋势研究

受地质环境及多种诱发因素的影响,滑坡变形包含了多层次的信息,通过单一预测模型难以准确、有效地判断滑坡变形趋势.因此,建立多方法集合的系统模型十分必要.首先,利用小波去噪对滑坡变形序列进行去噪处理,将滑坡变形分解为趋势项和误差项,采用PSO-SVM模型对滑坡变形的趋势项进行预测,利用ELM神经网络进行误差修正,两者结果叠加即得到滑坡的变形预测值;其次,利用秩相关系数检验对滑坡的变形趋势进行判断,以验证前法预测结果的准确性,并探讨该方法在滑坡变形趋势判断中的适用性.经实例检验,得出:该预测模型的预测值与实测值基本相符,且较单一预测模型具有更高的预测精度;同时,秩相关系数检验的结果与预测结果相符,验证了变形预测结果的准确性及该方法在滑坡变形趋势判断中的适用性.     

神经网络在深基坑变形监测中的运用

深基坑变形监测作为变形监测中十分重要的内容,其技术和方法也在随着科技的发展而发生积极的变化。本文综述了深基坑变形监测的数据处理,提出了采用BP神经网络算法进行数据分析及预报。文中详细介绍了神经网络算法,并重点阐述了BP神经网络算法的原理。针对传统BP神经网络算法存在的缺陷,通过对初始权值选取进行了改正,并将小波基函数作为改进算法的激活函数,有效避免了神经网络陷入局部过小的问题。最后,通过工程实例对传统的BP神经网络算法和改进的BP神经网络算法进行分析和比较,结果表明,改进算法的预测值与实测值基本吻合,预测结果更加精确。     

汨罗市308线公路某滑坡变形监测及预测研究

为了研究308线某滑坡的治理效果,对其变形与稳定进行了监测。滑坡形成机制复杂其变形受多种因素影响,具有相当的模糊性和灰色不确定性,利用灰色预测模型对滑坡进行预测。由监测资料的预测结果表明,治理后该滑坡是稳定的,预测结果和实际吻合良好。     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题.自适应模糊神经推理系统(ANFIS)有优越的学习和泛化性能,而遗传算法(GA)是优秀的全局优化工具.采用遗传算法优化ANFIS参数,并编制了相应的计算程序.结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型.为了对比该模型的预测精度,采用GA优化支持向量回归(SVR)和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析.按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考.     

小净距2扩4隧道变形规律的BP小波神经预测

以泉厦高速扩建工程大帽山隧道为例,通过周边位移和拱顶沉降的监测数据对小净距扩挖隧道的围岩变形规律进行分析.研究表明:小净距2扩4隧道具有和其他隧道不同的变形规律.在此基础上将小波函数引入BP神经网络建立BP小波神经网络模型,对特大断面超小净距隧道2扩4时围岩变形进行预测,并将预测结果与BP神经网络的预测结果进行对比.结果表明:BP小波神经网络模型收敛快、精度高,优于BP神经网络模型,预测的精度达10%以内,满足工程精度要求.     

BP小波神经网络在大断面隧道变形预测中的应用

将BP算法引入小波神经网络,自适应地调整小波系数和网络权重,同时利用自适应算法调节BP算法的学习率,提高收敛效率.以4车道隧道——前欧隧道的监测数据为基础,建立BP小波神经网络变形预测模型.预测结果表明:BP小波神经网络对地质条件相似,施工及初期支护方法相同的隧道断面变形进行预测,其预测结果满足工程精度要求,能较准确地...     

基于小波去噪的灰色关联BP神经网络在大坝沉降变形监测中的应用

针对大坝变形中存在多种影响因子干扰的问题,提出了基于小波去噪的灰色关联BP神经网络模型.首先利用小波阈值去噪方法对数据进行处理,然后通过灰色关联分析对大坝沉降变形监测中多种影响因素计算分析,得出关联度大的影响因子,将灰色关联分析和BP神经网络相结合建立模型,最后与未经数据处理的灰色关联BP神经网络以及卡尔曼滤波模型进行对比分析,得出结论.实验表明,经过小波去噪数据处理后,提高了灰色关联BP神经网络模型的预测精度和可靠性.通过灰色关联分析,可以对大量的输入变量进行处理,而不必经过主观的筛选,进而增加了BP神经网络的适应能力,同时预测的结果比其他单一模型更加接近最终实测值,具有更高的准确性与可信度.     

基于小波去噪和神经网络的建筑工程沉降变形预测模型

为了提高建筑工程沉降变形预测的准确性,设计了基于小波去噪和神经网络的建筑工程沉降变形预测模型.首先采集建筑工程沉降变形相关数据,并采用小波去噪消除噪声对建模过程带来的干扰;然后采用神经网络对去噪后的数据进行建模,构建建筑工程沉降变形预测模型;最后通过建筑工程沉降变形预测实验对预测模型的性能进行了测试.测试结果表明,该模...     

大型滑坡变形稳定性与降雨关系研究

大型灾害性滑坡预测问题是岩土力学的重要的应用性研究课题。对下铺子滑坡进行了详细的地质调查分析,在分析了降雨资料的基础上,利用变形监测资料,对受降雨影响下滑坡体稳定性进行分析,并分析降雨入渗时间、临界降雨量和降雨总量与滑坡体变形的关系,变形增量与降雨量的关系,其结果可以为选择滑坡治理措施提供依据,也为类似的滑坡地质灾害的治理积累经验。     

边坡变形预测研究现状与发展趋势

我国自然边坡地质灾害造成的损失仅次于地震;一批国家重点工程项目的开工建设又形成了很多人工高边坡,这些边坡的变形与稳定影响工程安全,因此,开展边坡安全监测具有十分重要的意义。本文从变形破坏机理、变形监测数据处理、变形预测模型等方面就边坡变形预测的现状进行了深入分析,并就边坡变形预测的发展方向进行了探讨。     

基于多轨道SBAS方法的露天矿高陡边坡形变监测

面向深凹露天矿形变监测,利用三组Sentinel-1数据对鞍钢集团大孤山铁矿进行小基线子集分析,研究了一种基于地形特征的坡向位移求解方法,将三组卫星视线(line of sight,LOS)方向形变转换为坡向位移.三组监测结果均与实测数据存在较高一致性,且与矿区降水量变化存在相关性.大孤山铁矿矿坑的形变区域主要集中在西北帮.研究表明:岩体结构、岩性与降水是影响露天矿坑边坡稳定性的主要因素.多轨道小基线子集法可作为常规监测手段来监测深凹露天矿潜在的形变,为防灾减灾、安全生产提供技术支持与依据.     

边坡变形监测技术发展现状及问题对策

科学的监测预警工作是主动防范滑坡等地质灾害的重要手段,也是指导地质灾害工程综合防治的有效途径.清晰认知边坡变形监测技术的发展历程,了解监测技术的发展现状,不仅能够充分认识当前边坡变形监测领域的存在问题,更能为边坡变形监测技术的发展启迪思路.通过对当前边坡变形监测技术类型、特点、基本原理及使用方法归纳总结,结合边坡变形监测设备的自动化程度,将边坡变形监测技术划分为常规边坡变形监测技术和新型边坡变形监测技术两大类.进而,分析探讨了监测理论、监测技术、监测过程中存在的问题,并提出针对性对策.     

小波技术在高耸构筑物安全性评价中的应用

高耸构筑物施工风险大,安全监测至关重要。然而,复杂的环境因素使构筑物的原型观测数据包含强烈的噪声,严重干扰构筑物的受力分析和预测。为此,综合运用小波多尺度技术和小波神经网络技术分别对原始监测数据进行去噪处理和预测模型的建立。研究结果表明:经小波去噪后的数据更好地反映构筑物真实受力状态;基于RBF神经网络方法预测效果较好,具有很好的工程应用前景。     

基于北斗三号远程监测系统的公路岩质边坡开挖变形分析

为确保G336神木段匝道岩质边坡开挖安全,设计并采用了北斗三号（BeiDou-3 Navigation Satellite System,BDS-3）远程监测系统对边坡开挖进行实时监测。该监测系统由数据采集与传输子系统、BDS数据解算子系统及数据发布管理子系统构成,能实现实时远程自动化变形监测。边坡开挖模拟发现：边坡岩土体水平与竖向累计位移均小于5 mm,日位移均小于3 mm,为保证施工安全,于是将累计位移预警值和日位移预警值分别设为4 mm与2 mm。位移监测发现：开挖过程中,边坡岩土体的竖向位移大于水平位移,能够率先反映边坡位移状态和变化趋势,因此,开挖过程中应重点关注边坡竖向位移以保证施工安全。采用强度折减法进行边坡稳定性分析时,可利用边坡岩土体位移突变来判断边坡是否稳定,模拟发现坡脚处不存在位移突变特征,因此监测点应尽量选取边坡中上部或者塑性带附近。     

基于滑移线簇分析的边坡极限平衡有限差分法研究

将有限差分数值计算结果同刚体极限平衡分析方法相结合进行边坡稳定性评价,在工程实践中具有较好的理论及应用价值。基于该思想,将滑移线理论引入边坡滑弧的确定中,采用综合极限平衡方法计算其安全系数,建立安全系数与滑移线的函数关系,实现了最危险滑弧的搜索,并由算例验证了各力学参数对边坡滑面位置与安全系数的影响。结果表明,岩土介质的强度与变形参数对边坡稳定与滑面位置均有影响。该方法是现有边坡稳定计算体系的有效补充。     

GPS变形监测网网形结构对控制网质量的影响

为了分析GPS控制网网形结构与控制网质量的关系,在论述衡量GPS变形监测网的精度、可靠性、灵敏度、费用4个质量标准的基础上,根据GPS控制网的特点,分析了基线数及其连接方式等网形结构对GPS控制网精度、灵敏度的影响.以一高边坡监测网为例,说明GPS控制网基线数不同,控制网的质量不同;基线数相同,不同的连接方式质量也不相同.     

大粒径卵石层地铁换乘站地表沉降预测研究

地铁换乘站作为地下轨道交通运营线路中的主要枢纽,其开挖和施工造成的失稳变形将会直接影响到车辆运行、人员安全、地下管线设施和既有线路与建筑物。本文以成都地铁17号线换乘站为例,研究了卵石地层的地铁换乘站在深基坑开挖后沉降变形的发展趋势。通过相关性分析,从15项监测数据中分别选择出适合深基坑挖掘阶段和盾构施工阶段的沉降监测相关影响因素。分别借助径向基函数神经网络（RBF）、小波神经网络（WNN）、非线性回归模型（NARX）和极限学习机（ELM）四种智能算法对不同监测参数与监测点位在开挖阶段及盾构施工阶段的地表高程变形进行预测。研究表明：以上算法中在深基坑开挖阶段,WNN模型的预测结果最为精确,预测值和实测值最为接近;当后期预测的参数类别减少时,NARX模型在预测中表现最好,预测值的范围在单个数据点的误差在-0.4~0.3mm内;且监测数据表明在深基坑开挖的第三、四层阶段施工对沉降变形的影响最大,需要着重监测。由此,证实了智能算法在分析和预测卵石地层的地铁换乘站周边地表沉降变形有着较高的可行性,通过对比分析也得到算法模型在相似工程的研究中具有优势。     

降雨条件下四川绵遂高速石麻湾变形体位移响应特征

降雨是诱发斜坡变形的重要因素,斜坡对降雨的响应特征与坡体结构、物质组成、降雨强度密切相关。结合四川绵遂高速公路石麻湾变形体实时监测资料,分析了2012年8月20日雨季至10月10日旱季期间变形体坡表、沉降、地表水平位移及滑面位移对降雨的响应特征。结果表明:在平面空间上,填筑路基区和桥头位置对降雨的响应较强烈,填筑路基区表现为持续累进沉降,桥头位置表现为持续累进水平变形。在竖向上,滑面产生持续累进变形,对降雨的响应十分明显。石麻湾变形体对47.9mm的日降雨响应特征更敏感,且对日降雨量在47.9~50.2mm的响应表现为突发、部分可逆的过程。