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BP神经网络的杭州紫之隧道最大地表沉降预测

杭州紫之隧道浅埋暗挖北段处于地下水丰富的软弱地层中,施工过程中产生的地表沉降量难以控制,波动范围较大.为了准确评估施工风险,采用BP神经网络对最大地表沉降进行预测.首先对地表沉降的影响因素进行选取和量化,构成样本数据组.然后通过试错法,建立预测精度最高的一般BP神经网络和遗传算法优化的BP神经网络模型,研究发现BP神经网络在预测地表沉降方面效果较好,且使用遗传算法可以进一步提升预测精度.接着探讨了地层渗透性对BP神经网络预测精度的影响,研究发现不考虑地层渗透性会使预测精度大幅下降.最后对BP神经网络模型参数进行了敏感性分析,揭示了预测沉降的变化趋势符合客观变形机理.     

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。     

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。     

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BP神经网络的软地基沉降分析

为了分析软地基的沉降规律,以某个高速公路的工程为例,利用BP神经网络对该工程的软土地基沉降数据进行拟合和优化分析。结果表明,使用BP神经网络方法对软土地基的沉降预测值合理,其精度优于一维固结理论方法,BP神经网络方法能成为有效预测软地基沉降数据的方法。     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

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。     

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。     

基于GA-BP神经网络的自建点PM2.5浓度校准研究

为精准预报空气质量,以PM2.5为例对其自建点监测浓度进行校准,选取6种污染物浓度以及5个环境因素建立神经网络模型。BP算法由于权值和阈值的随机性可能存在局部最优、过渡拟合等缺陷,所以利用遗传算法优化BP神经网络,构建GA-BP神经网络模型。仿真结果表明,GA-BP神经网络的校准平均绝对百分比误差和均方误差分别为12.56%和0.0197,明显低于BP神经网络,说明该模型校准效果更好,能明显提高空气质量预报的准确率。     

基于遗传算法神经网络的地源热泵夏季低负荷运行性能预测分析

为了探索夏热冬冷地区岩溶地质条件下地热能应用能效,通过运用遗传算法优化的反向传播（GA-BP）神经网络模型预测了夏季系统负荷率低于30%运行工况下地源热泵系统的系统能效比和机组能效比,分析了预测值的预测误差评价指标,验证了GA-BP模型具有较高的预测精度,并应用此模型研究了地源热泵短期能效测试与中长期能效测评的关系。结果表明,GA-BP模型预测的COPsys及COP与计算值的相对误差为±5%,各项预测误差评价指标均比反向传播神经网络（BPNN）模型更小,可见GA-BP模型可用于预测岩溶地质条件下地源热泵系统能效。基于此模型,短期能效测试的最佳时期为一天中14时~16时或7、8月累计13天,且满足机组负荷率达到60%~70%,COPsys及COP预测值可以作为中长期能效比评估,其产生的相对误差在允许的范围内。     

神经网络模型在面板坝堆石体施工期沉降变形预测中的应用

在分析面板坝堆石体施工期坝体沉降影响因素的基础上,将影响沉降的主要因素作为网络输入参数,以测点沉降量作为网络的输出,建立了神经网络模型.以水布垭面板坝堆石体为例,将模型预测值与实测结果进行了对比,结果表明,预测值与实测结果比较接近,该神经网络能很好地反映面板坝堆石体施工期沉降变形与其影响因素之间的非线性映射关系,预测结果可作为后期填筑反馈设计的依据,同时可通过网络输入参数的调整检验某一因素对坝体沉降的影响程度.     

城市综合交通枢纽地下空间一体化建设技术

针对改建铁路宁波站综合交通枢纽工程的设计情况,分析了我国软土地区以铁路客站与换乘地铁为主体,综合公交车站、中/短途客运站等其他换乘交通的地下空间一体化建设工程,特别是对其实施筹划、基坑开挖中的临时铁路便桥设计、一体化建设的结构统筹以及纵向沉降耦合等问题进行了深入研究,提出了合理有效的应对措施.     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

“一带一路”节点城市交通发展前景

 中国已形成一批功能强大、类型多样的“一带一路”交通节点城市，按主要运输方式和服务类型，分为综合交通枢纽、主要港口、国际枢纽机场、中欧班列枢纽和国家物流枢纽。节点城市在“六廊六路多国多港”骨干交通网络中发挥重要作用，世界十大集装箱港口有7个来自中国，中西部地区枢纽机场发展迅速，中欧班列快速发展，内陆节点城市国际联通功能显著增强，依托城市群的组合型交通枢纽体系成为重要形态。未来“一带一路”节点城市交通发展应创新思路，促进新技术与交通运输深度融合，促进各种运输方式深度融合，促进节点城市与所在区域交通深度融合，促进交通运输企业与全球产业链、供应链深度融合，重点是强化国际交通枢纽功能，优化综合交通集疏运系统，依托区域打造世界级机场群港口群，参与全球交通网络建设，完善配套政策体系，支撑形成安全可靠高效的全球交通运输网络。     

基于遗传算法-BP神经网络的径向式导叶多级泵水力性能优化

针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(ge-netic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案.试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34％,且高效区范围变宽.     

基于地理信息系统和神经网络的煤与瓦斯突出预警

依据煤与瓦斯突出机理及突出过程物理特征,结合煤矿安全监测系统,提出以瓦斯浓度和煤体温度时间序列的煤与瓦斯突出预警指标,利用GIS技术和人工神经网络建立了煤与瓦斯突出预警模型.某矿17180工作面的预警结果表明:预警模型可以为煤与瓦斯突出预警提供技术支持.