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。     

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...     

拓宽路基下软土地基工后沉降预测

拓宽路基荷载作用下的软土地基工后沉降是导致高速公路改扩建工程相关病害的主要原因之一。为了准确掌握软土地基的固结沉降状态及工后沉降值,为差异沉降控制手段的设计和动态施工提供依据和指导,建立了考虑蠕变的软土地基沉降模型;基于高速公路改扩建工程现场沉降监测资料,运用3层BP神经网络方法反演了计算模型的计算参数,并在此基础上运用有限元软件对拓宽路基的工后沉降作出预测。研究结果表明,实测沉降值与有限元计算沉降值的曲线基本吻合。     

高速公路软土地基沉降预测与分析

目前采用的各种沉降预报方法特别是施工期间沉降的预测还不能满足工程应用的要求,预报最终沉降和历程与实际观测相差较大。本文用灰色预测模型对最终沉降和沉降历程以及施工期沉降速率等问题进行预测分析,通过施工过程中监测路堤沉降数据建立了预测沉降的灰色模型,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,从而达到动态控制施工,保证施工安全和施工质量的目的。     

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.     

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。     

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.     

用人工神经网络模型预测高填方地基工后沉降

以人工神经网络模型(多层BP模型)为研究手段,对九寨黄龙机场元山子沟104 m的高填方地基工后沉降变形特性进行深入研究.认为高填方地基工后沉降包括填筑过程中产生的部分瞬时沉降、加载结束后的主固结和次固结三部分,瞬时沉降速率最高可达20 cm/month,发展时间约为15～40天;主固结速率为0.3～3 cm/month,发展时间为8～14个月;次固结速率小于0.3 cm/month,发展时间为3～5年.且高填方地基最终沉降量为42～44 cm,竣工后半年(2003年4月)工后沉降量完成40%～50%,一年后(2004年4月)可完成70%～80%,两年后(2005年4月)可完成90%～95%.     

费尔哈斯曲线在软土地基路堤沉降预测中的应用

为了预估软土地基路堤产生的沉降量,以费尔哈斯模型作为沉降预测回归模型,利用3段计算法和最小二乘拟合法对模型求解,对模型中的时间因子指数进行了讨论,并对费尔哈斯曲线法、双曲线法和星野法的沉降预测结果与实测结果进行了对比.结果表明:3种方法预测结果接近实测值,费尔哈斯曲线法预测最终沉降量较双曲线法和星野法要大;采用费尔哈斯曲线,不需要人为确定起始参考点的时间和沉降值,减少了人为干扰因素,同时偏大的数值对工程来说也是较安全的.     

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。     

皮尔—遗传神经网络在预测深厚软基沉降中的应用

依托某高速公路应用塑料排水板堆载预压法处理深厚软基的工程实践．运用皮尔一遗传神经网络对其沉降观测结果进行了分析、预测．研究结果显示该方法预测精度高,说明这种方法对软土地基沉降的预测是有效的．     

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．     

基于BP神经网络和Logistic模型的中国人均粮食产量预测研究

文章提出了一种基于长短期记忆网络(Long-short Term Memory network, LSTM)的两阶段均值-CVaR投资组合模型(LSTM+CVaR)。该模型在第一阶段采用LSTM预测股票收益并对股票进行选择;在第二阶段运用均值-CVaR模型来确定所选股票的投资比例。最后,以沪深300指数股为样本数据,在考虑交易成本和上界约束的情况下,比较LSTM+CVaR模型、LSTM预测选股的等比例模型、随机选股的CVaR模型、随机选股的等比例模型和沪深300指数的风险收益特征、累计收益率和夏普比率。实证结果表明：LSTM+CVaR模型能够实现比传统的投资组合模型更高的平均收益率、收益风险比、累计收益率和夏普比率;减少交易成本和放宽上界约束能提升投资组合模型的表现。

     

一种利用模糊神经网络对癌症进行分类的方法

讨论了一类首先利用神经网络对各个特征进行学习，得到它们对癌症的隶属函数，然后再利用模糊神经网络对癌症进行分类的方法。实现了癌症检测和分类的自动化，使癌症检测和分类的正确率得到很大提高。     

小波神经网络在短期电力负荷预测中的应用

针对小波网络建模存在难以有效对小波级数进行截断的问题,提出一种基于频带能量的小波级数截断方法,该方法能克服传统方法对个人经验的依赖,确保小波网络的逼近能力;结合正交最小二乘法,将其应用于电力负荷预测中,建立负荷预测的小波网络模型.仿真结果表明:用该方法建立的小波网络模型简洁、明了,结果有效、准确,具有较好的预测能力.     

递归神经网络预测在库存管理决策中的应用

为解决供应链中库存管理的不确定性问题，建立了基于递归神经网络技术的需求预测模型，并在此基础上提出了该模型的学习算法．通过实验仿真将该模型同经典多层前馈神经网络模型的预测效果相比较，得出了该模型在多步预测方面比较优越的结论．利用某企业的销量预测进行了实例验证，效果良好．     

软土地层双线隧道地表沉降计算公式修正

由于双线隧道存在复杂的耦合作用,盾构施工引起的地表沉降规律极为复杂,所以准确计算地表沉降较为困难。本文基于Peck公式和Chapman修正参数,考虑先行隧道的施工影响和双线隧道的相对位置关系,通过参数的经验量化,建立了双线隧道地表沉降的计算公式。此外,依托苏州市轨道交通S1号线工程,讨论公式在不同土层中的适用性及参数取值范围,在此基础上采用PLAXIS 3D有限元软件对双线隧道盾构施工进行了数值模拟。结果表明：在软土地层中进行盾构施工,应用本文修正公式计算得到的地表沉降值与数值模拟和现场实测结果均较为吻合。修正公式考虑了双线隧道的位置信息,可以定量反映隧道埋深和双线隧道间距对地表沉降的影响。该研究可为软土地区双线隧道盾构施工沉降计算提供参考。