人工神经网络在深基坑变形预测中的应用

以BP人工神经网络为基础，利用其强大的非线性映射能力，建立深基坑支护结构最大侧向位移的预测模型，在利用实测数据进行网络训练的基础上，对悬臂支护结构最大侧向位移进行预测，结果表明预测值与实测值吻合较好，显示了该方法进行深基坑变形预测的有效性。     

盾构法隧道施工地表变形的小样本智能预测

以盾构施工监测所得地表位移资料为学习样本,通过选择合适的人工智能神经网络结构及其相关参数建立预测模型,在小样本训练的情况下,预测下一步后续施工的地表变形位移.通过时间窗滚动多步预测,可以获得盾构工作面前、后方测点在近数日之内任意一天的地表变形位移,并自动绘制盾构推进中沿隧道纵轴方向的隆/沉历时曲线.以上海市地铁明珠二期南浦大桥站附近交叠隧道上行区间盾构推进施工期间的工程实例验证,表明按本文建议方法的预测结果与实际的施工监测值吻合良好.     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证。     

人工神经网络模型在瓦斯预测中的应用

通过对神经网络的基本原理和学习算法的分析,建立了基于瓦斯涌出量预测的BP网络应用模型,采用Delphi编程语言,预测了瓦斯的涌出量,并结合实例进行了验证.     

黄土地铁隧道施工围岩及地表变形规律研究

以西安地铁3号线某暗挖站区间双线地铁隧道施工为背景,采用有限差分软件FLAC3 D建立土体三维力学模型对双线地铁隧道台阶法施工过程进行动态模拟;并结合现场实测数据分析台阶法施工引起的地铁隧道围岩及地表变形规律。结果表明:(1)台阶法施工诱发的横向地表沉降呈"V"形,最大地表沉降出现在隧道中线偏右方约3 m,最终形成的沉降槽宽度约为隧道洞径的2倍。(2)台阶法施工诱发的纵向地表沉降在开挖面前地表沉降量最大,随着开挖掌子面距离越远,沉降量越小,最后在开挖进尺40 m附近趋于稳定。(3)隧道拱顶纵向沉降曲线与地表沉降变化趋势基本一致。帮部围岩变形呈现出先快速增长后逐渐平稳的趋势,且影响范围逐渐增大。所得结论可为双线地铁隧道施工和变形预测提供参考。     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

灰色系统理论在隧道围岩变形预测中的应用

根据某隧道围岩变形的实际监测数据,应用灰色系统理论并建立GM（1,1）模型对围岩变形进行分阶段不同维度的预测,并在此基础上进一步比较了几种改进的GM（1,1）模型的实际预测效果。计算证明了灰色模型在围岩变形预测中的适用性。     

近距离重叠地铁隧道盾构法施工地面变形预测

针对盾构施工与监测过程为一时间序列的特点 ,从滚动优化思想出发 ,建立了部分最小二乘神经网络模型 ,预测盾构掘进一定距离后产生的地面变形 .最后将该模型应用到上海市轨道交通某近距离重叠地铁区间隧道工程实例中 ,结果证明 ,其训练以及预测效果均可以满足工程需要 .     

软土隧道的地表移动和变形

浅埋隧道日益增多，软土地层中隧道在开挖时，隧道上的地表土和隧道两侧的地层都向洞内变形，本文提出一种简单的分析方法，预测圆形隧道周边变形和地表沉降的分布形式及规律.     

交叠隧道施工地表变形的进化智能预测

在分析交叠隧道盾构法施工地表变形规律的基础上 ,采用进化神经网络建立了地表变形智能预测模型 ,由此预测盾构推进中下一步地表变形以给变形控制提供依据 .通过对上海地铁明珠二期交叠区间隧道上下行线施工地表变形的预测 ,表明进化智能预测具有较高精度 ,预测和实施的相关性系数达 98%以上 ,从而论证了该方法的可行性和适用性 .     

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...     

人工神经网络及其在气候预测中的应用

利用湛江地区近50年的月平均气温时间序列资料，采用人工神经网络模型建立了该地区的短期气候预测系统，试验结果表明，人工神经网络模型对湛江地区的短期气候具有较好的预测能力，在平均绝对误差（MAE）小于1C的条件下，年尺度上气温的实际预报准确率达到75％，充分显示出神经网络模型在气象业务中极高的应用价值。     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

隧道掘进爆破时掌子面前方开挖段的地表振速预测

将掏槽孔的爆破简化为一系列球形药包的爆破.通过复变函数中的保角变换,将爆破点与隧道挖空段的拱顶映射到复平面的同一侧,即可将隧道挖空段的地表振动问题转化为半空间中的地表振动问题,最终得出隧道挖空段地表振速的计算方法.最后,通过实际工程,对比理论计算和实际监测的隧道轴线地表质点的振速峰值分布情况.结果表明:验证理论计算的可行性.     

基于神经网络的桥下开挖竖向位移预测

基于BP神经网络方法,对桥下开挖的竖向变形作了预测.从不同土层的土的参数敏感性分析结果可知,竖向位移只对首层土的参数变化很敏感,由此建立了桥下开挖竖向位移预测的神经网络,其控制参数为首层土的粘聚力、内摩擦角、弹性模量、泊松比、开挖深度和开挖长度.选用B-R方法进行迭代计算,并对建立的神经网络进行验证,结果表明该模型的预测准确度较高.     

人工神经网络在地表径流预报中的应用

为了更加准确地对地表径流进行预测,选择广东省汕尾市南告水库以上流域作为研究对象,构建BP神经网络模型对南告水库的日资料进行径流模拟研究,研究结果表明:人工神经网络可以提高预测精度,且应用前景比较广泛.     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

巷道围岩稳定性分类的MBP神经网络预测研究

研究BP神经网络的工作原理和改进技术，分析巷道围岩稳定性的影响因素，基于改进的MBP神经网络建立了围岩稳定性分类的神经网络识别模型。研究结果表明，该预测模型性能好，预测精度高，预测结果能很好地拟合地下工程实际，验证了该模型的可行性和实用性。