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．     

双曲线法在高速公路软基沉降预测中的应用

路基沉降预测与控制是软土地区高速公路建设中的一个主要问题.由于各种理论计算方法本身的局限性,以及工程地质条件的复杂性,地基沉降完全依靠理论计算是不可能或不精确的.因此,实际工程中经常采用根据软基沉降监测结果来预测工后沉降的方法.结合广东省某高速公路软基现场监测结果,介绍双曲线法原理,由实测数据得到拟合曲线,并进行预测分析.研究结果表明:双曲线法具有较高的预测精度,可以为软基路段的养护提供决策依据.     

灰色理论预测沉降在软基加固中的应用

在软基上修筑路堤，减少软基土的不均匀沉降是工程实际的切实需要。因此，提高沉降计算的可靠度是十分重要的。但是用传统的固结理论分析方法求解的沉降值，不能完全符合实际情况。将GM(n，h)灰色理论模型应用于沉降预测中，并与实测值、理论公式、经验公式计算值进行对比总结，灰色模型计算结果与实测值吻合较好，而理论计算结果较实测值大。由此给出了采用《规范》法求最终沉降量时的建议值，以期确定出一个较合理、适用的修正系数。     

运营期高速公路软基沉降预测模型研究

软基的工后沉降是软土地区高速公路面临的一个重大问题,因此对软基的沉降进行预测显得尤为重要。由于各种工程地质条件的复杂性和难以模拟性,软基沉降的预测总是难以达到精准。基于广东省某高速公路软基沉降监测结果,建立指数曲线模型和幂多项式模型,通过对比分析来探讨预测模型的准确性。结果表明两种预测模型都能达到很高的预测精度,从而准确反映软基沉降规律。     

港口软基沉降预测的对比研究

运用双曲线法、Asaoka法和灰色理论法3种预测模型,结合广东虎门港区码头工程的现场沉降监测数据,对该工程中用大面积吹填砂堆载预压后的最终沉降趋势进行了预测.结果表明:灰色理论预测效果最好,所得到的预测结果与实际吻合;双曲线法的预测效果次之;Asaoka法预测效果较差,前期和后期的误差都比较大.     

软基沉降计算的数值计算与神经网络混合方法

以福州江阴港铁路大型货场的软基处理项目为工程背景,介绍数值计算与神经网络混合方法在软基沉降计算中的应用.该方法可以依据较少的实测数据,通过大量数值计算以及神经网络参数反演,得到较符合实际的加固处理前后的土体参数,进而估算大面积吹填引起的前期沉降和软基处理完毕后的工后沉降。     

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Asaoka法的高速公路软基沉降预测

介绍了Asaoka法确定软基最终沉降量进行推算的过程,探讨了如何利用该法进行预测的思路,结合工程实例,根据某级荷载下沉降记录对下一级最终沉降作了预测,为高速公路沉降预测提供一条新的途径。     

遗传神经网络在PPⅡ预测中的应用

提高多聚脯氨酸二型结构的预测精度，可从两方面着手，一是结合遗传算法，形成遗传神经网络，努力使迭代往全局最优的方向进行；二是通过神经网络输入层，添加反映残基和预测中心位置距离的单元．结果表明，使用混合算法建立的新模型比仅用神经网络模型在预测精度上有明显提高，可从64．5％提高到70．1％．     

真空预压法在市政道路软基处理工程中的应用

真空预压法与目前最常用的堆载预压法相比,有加固效果好、造价低、工期短等优点,因而在市政道路软基处理工程中受到广泛应用。本文首先简要介绍了真空预压法的概念和施工步骤,随后介绍了真空预压加固软土地基固结机理,最后最终沉降预测理论及其在软基处理实例中的应用。     

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。     

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。     

考虑不同软基处理方式下路基沉降预测模型对比分析

路基长期沉降是软基处理效果评价和路堤行车安全的重要保障。目前针对路基沉降预测的方法有不少,但是针对考虑不同软基处理方式下的路基沉降预测方法相对较少。针对路基沉降不同特性,对其在不同处理方式下的软基沉降规律进行了分析。详细阐述了指数模型和双曲线模型、皮尔预估模型的预测理论基础、步骤;结合三个不同类型的工程实例,分别介绍了各预测方法的适用性和预测结果的有效性。相关研究成果对指导软土地基上路堤的长期沉降具有重要的工程指导意义。     

神经网络在填石路堤沉降计算中的应用

通过对我国近年来所取得的填石路堤的沉降观测资料进行整理分析,提出了填石路堤沉降计算的新方法,即BP神经网络模型计算方法。采用BP神经网络较强的非线性映射能力和学习能力,提出了基于BP神经网络的填石路堤沉降预测的新方法。     

强夯处理软基的工后沉降

是否可有效减小软基工后沉降是衡量软基处理方法有效性的重要指标．从工后沉降的角度分析了强夯动力固结法处理深厚软基的有效性．实测结果表明：强夯可在淤泥层中产生较大的孔压增量，且影响深度较大．但强夯所致的孔压增量在瞬间产生，也在很短时间内消散．强夯前后软基的沉降速率相同，强夯对软基的固结沉降基本没有影响，处理后软基的工后沉降仍达360-800mm．在本文所述的工况条件下，强夯动力固结处理淤泥软土是无效的．     

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.