改进的BP神经网络预测地表沉陷

地表沉陷过程中呈现了众多的复杂性、非线性和破坏性,而用传统的三层BP神经网络预测地表沉陷精度较低,本文通过引进遗传算法来改进BP神经网络,对地表沉陷作了有效预测。     

单柱双联拱地铁隧道地表沉降分析

地铁隧道施工阶段及施工后期诱发的地表沉降是造成各种建、构筑物产生外观及功能上损害的主要原因,因此,研究由浅埋暗挖施工引起的地表沉降问题具有重要意义.以某地铁车站暗挖工程为研究背景,采用FLAC3D数值分析的方法,对该地区浅埋暗挖施工引起的单柱双联拱地铁隧道地表沉降进行了数值模拟,同时分析了隧道变形的实测数据及施工工序对沉降的影响.研究表明:中洞开挖引起的沉降较快,而由于中柱支撑侧洞开挖引起的沉降较慢,在施工过程中应当引起注意.该研究为工程的顺利实施提供了依据和指导,可供类似工程参考.     

基于ABC-BP神经网络的地铁盾构地表沉降预测

为研究地层参数和盾构掘进参数与地表沉降的非线性关联性,依托南京地铁6号线盾构区间,采用人工蜂群算法ABC优化BP神经网络,建立可预测地表沉降的ABC-BP神经网络模型。连续3个断面地表沉降预测结果表明:ABC-BP神经网络的预测精度和预测稳定性优于BP神经网络,且预测值与实测值一致；ABC-BP神经网络可较为准确地反映盾构机接近监测断面过程中的地表变形演变规律,最终实现地表变形控制的目的。提出了ABC-BP神经网络现场应用思路,构建了地层-掘进参数-沉降的关系,进而通过地层参数直接实现对盾构掘进参数和地表变形控制。     

硬岩地区浅埋暗挖隧道施工地表沉降特征模型试验研究

城市地铁隧道开挖会对围岩产生扰动并破坏其稳定性,严重时甚至引起地层失稳而造成路面塌陷事故。为研究城市地铁浅埋暗挖隧道施工所引起的地表沉降基本特征,本文以青岛硬岩(花岗岩)地层为例,通过室内三维模型试验对隧道开挖过程进行了动态模拟,总结出不同工况下开挖所引起的地表沉降规律,同时将数值模拟结果与室内试验结果作对比分析。研究结果表明：浅埋隧道的开挖会引起以地表沉降为主的地层变形,其横向沉降数值分布会呈现出“两侧小中间大”的沉降槽,这与数值模拟结果较为相符,即隧道正上方的沉降变形最大,越是偏离隧道中轴线则地表受开挖扰动越小;而纵向地表沉降则分为“缓慢变形”“剧烈变形”以及“变形稳定”三个阶段,上述阶段的影响范围基本维持在距掌子面-1.6D~1.6D(D为隧道洞径)之间。因此,试验所得结果可以应用在硬岩地区浅埋暗挖施工当中。     

管棚成孔引起的地表沉降

针对浅埋暗挖法施工中管棚成孔引起的地表沉降，通过离心模型试验，分别就中108和中159管棚成孔应力释放产生的地表沉降进行模拟分析，归纳出地表沉降与管棚数量和管棚直径相关的方程．以南京地铁1号线南京站站的下穿沪宁铁路的双洞隧道的72根管棚施工为例进行计算，所得的近似解与实测值具有良好的一致性．     

BP神经网络在基坑周边地表短期沉降预测中的应用

在对基坑的监测数据进行预测和分析中,现有的一部分方法很难满足实际施工中高度非线性问题的拟合,如指数法预测的沉降量往往偏小,双曲线法预测的沉降量往往偏大,而GM(1,1)对观测值的累加往往又不具有指数规律。考虑到这些局限,引用BP神经网络,以苏州地铁2号线某工程为例,结合历史的沉降监测值,对其基坑周边地表短期沉降进行预测。实践表明,该方法预测误差较小,为基坑周边地表沉降的预测提供了一种较好的途径,在基坑动态设计与信息化施工方面具有重要的参考价值。     

改进GAP法盾构隧道开挖地表沉降预测

针对盾构隧道开挖引起的地表沉降问题,基于GAP法模型的基本原理,通过对该模型的改进,借助FLAC2D进行数值分析,对盾构隧道的地表沉降规律进行了研究.得出了同一盾构直径随着隧道埋深增加的情况下,地表最大沉降值逐渐减小、地表沉降槽逐渐变宽的规律,且隧道埋深和地表最大沉降值存在某种线性关系.该成果对盾构隧道开挖引起的地表沉降分析具有一定的参考价值和指导意义.     

浅埋暗挖隧道施工中纵向地表下沉的规律

在浅埋暗挖隧道施工中,地表沉降和拱顶下沉的信息可明显反馈围岩和初期支护的稳定状态,要实现信息化施工和控制施工中产生不利环境影响,必须了解和掌握地表沉降和拱顶下沉的变化趋势.基于南京地铁2号线钟灵街马群段浅埋暗挖隧道矿山法施工中地表沉降和拱顶下沉的实测资料,分析总结了相应条件下隧道施工中地表和拱顶下沉的大小和分布规律,得出浅埋暗挖隧道沿纵向开挖时对工作面前后的主要影响范围,分别为1.5D和3D(D为隧道跨度),变化趋势为缓慢下沉快速下沉收敛稳定;并根据滞后的拱顶下沉与地表下沉趋势的一致性,提出可以通过施工中纵向地表沉降的规律预测拱顶下沉的发展趋势.     

基于遗传规划的盾构隧道开挖地表最大沉降预测

由于盾构隧道开挖引起的地面沉降是一个重要而艰巨的任务,许多影响因素都必须考虑,如隧道埋深、盾构直径、盾构掘进时推力、盾构推进速率、注浆填充率、注浆压力、地层的黏聚力、摩擦角、压缩模量等．然而目前没有模型能完全反映各种因素对地面沉降的影响规律,综合考虑各种影响因素,运用遗传规划理论对地表最大沉降进行预测．利用地表沉降实测数据对模型进行测试,建立了确定盾构隧道开挖引起地表最大沉降的遗传规划模型．研究结果表明：预测值与实测值是一致的,误差小于10％．     

基于深度学习的盾构隧道施工地表沉降预测方法

针对现有盾构隧道施工引发地表沉降预测方法中存在的难以同时挖掘数据之间的非线性特征关系和双向时序信息的问题,通过融合卷积神经网络(CNN)、双向长短期记忆(BiLSTM)与自注意力机制(SA)提出一种基于深度学习的地表最大沉降预测方法(CNN-BiLSTM-SA)。该方法首先利用CNN提取网络输入数据之间的非线性特征关系,利用BiLSTM网络提取输入数据的双向时序信息,然后引入SA机制为CNN提取的特征分配相应的权重,有效捕获时间序列中的关键信息,最后通过全连接层输出最终地表沉降预测结果。以湖南万家丽路电力盾构隧道工程为依托构建地表沉降数据集,并选用ANN、RNN、LSTM、BiLSTM模型开展对比分析。研究结果表明：评估指标CNN-BiLSTM-SA的平均绝对误差(MAE)、均方根(RMSE)、决定系数(R2)、平均绝对百分误差(MAPE)均为最优,具有更好的地表沉降预测性能。     

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。     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于时滞BP神经网络的铸坯表面温度预报研究

为了快速准确地计算连铸方坯表面温度,提出了基于时滞BP神经网络的温度预报模型.由于传统的基于机理的模型需要直接求解偏微分方程,导致模型的求解消耗时间过长.为了满足连铸动态控制与优化的需求,研究了连铸方坯的传热机理,根据连铸过程热传导的特点,建立了基于时滞BP神经网络的温度预报模型,以历史时刻的表面温度和当前时刻水量作为神经网络的输入,以下一个时刻表面温度作为神经网络的输出.该模型可以快速预报连铸方坯表面温度的动态变化情况.并且依据某工厂的真实数据进行实验,表面温度的预报最大相对误差小于0.1%,取得了较好的实验结果.该方法可以准确地预报连铸坯的表面温度.     

基于BP神经网络的高校学生成绩预测

现有成绩预测研究多集中于如何构建预测模型,但都忽略了预测时间的重要性.针对此问题,提出基于BP(Back Propagation)神经网络方法构建大一成绩同最终毕业时的成绩预测模型,旨在挖掘大一成绩同毕业成绩存在的潜在联系,实现早指导早见效的原则.通过对某高校信息与计算科学专业2016级学生成绩进行随机预测实验,证明大...     

改进型BP神经网络的港口吞吐量预测

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。     

基于BP神经网络的纺纱质量预报模型

简述了纺纱质量预报的理论与实际意义，应用了BP神经网络的标准算法。通过建立BP神经网络模型对细纱条干不匀率(CV）断裂强力(BS)与纺纱断头率(ED)进行预报，并与多元线性回归方法进行比较，验证了BP神经网络预报的准确性与高效性。最后以纺纱断头率(ED)预报为例，指出了今后神经网络在纺纱质量预报应用中亟待解决的问题。     

基于BP神经网络的短期降水预报

人工神经网络(Artificial Neural Network,简记为ANN)是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景．本文介绍了BP神经网络的结构及算法,基于BP神经网络的短期降水预报模型的建立,并分析了BP算法在该应用中的优缺点．     

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BP神经网络模型的城市生活垃圾产生量预测研究

提出一种基于BP神经网络Levenberg—Marquardt算法建立城市生活垃圾产生量的网络预测模型。该方法优于传统的灰色理论预测模型和根据人口数预测垃圾产生量，预测结果客观、合理、精确，实用性强。该研究方法对我国城市生活垃圾管理和环境规划具有一定的指导意义。     

我国体育人口增长预测模型研究

运用文献调查、逻辑分析、类比分析等研究方法对体育人口增长预测模型的构建进行研究,其目的是通过构建体育人口增长预测模型,准确地预测我国未来体育人口的增长,为相关决策部门制定健身政策提供理论参考。文章阐述了体育人口的特点以及神经网络的基本原理,论述了运用BP神经网络进行体育人口增长预测的可行性,建立了基于BP神经网络体育人口增长预测模型,补充了体育人口增长预测理论研究的空白,对我国未来准确预测体育人口增长具有一定现实意义。