改进BP神经网络在软土地基沉降量中的应用

利用神经网络强大的非线性映射能力,提出了一种基于BP神经网络模型的软土地基沉降量的预测方法,对不同情况下软土路基沉降量进行合理地预测,实例检验证明,该方法收敛速度快,预测的可靠性高。     

软土地基上分期施工的路堤沉降预测方法(英文)

沉降量和沉降速率控制是软土地基上路堤工程设计的关键问题 ,由于固结理论的局限性和参数的不确定性 ,理论预测的精度较低 ,而基于现场实测数据的观测法显示出较高的精度 .本文在Asaoka观测法的基础上 ,发展了一种软土路基上分期施工时路堤沉降预测的方法 ,结合江苏海相软土上的高速公路工程进行了沉降预测分析 .     

浅滩软土地基路堤工后沉降计算与预测

温州浅滩灵霓海堤工程为深厚软土工程,其土质、水文条件极差。为此,基于PLAXIS有限元分析软件,建立了温州浅滩灵霓海堤断面的分级加载施工模型,以定性分析填土后地基变形、沉降与水平位移的发展情况。同时,通过沉降预测的几个基本模型,对灵霓海堤断面中心沉降数据进行分段预测,发现以双曲线法拟合效果较差而指数曲线法较好。最后通过对沉降数据的预测分析,认为基于沉降观测数据的预测分析办法来预估深厚软土地基工后沉降是一种简便、有效的办法。     

某高速公路软土地基沉降观测数据分析

唐津高速（二期）软土地基,采用了塑料排水板和深搅桩等处理方法,加速了软土的固结、提高路基的承载力,大大的缩短施工工期。依据软土地基预压阶段、运营阶段的沉降观测数据,利用双曲线法、指数曲线配合法两次推算软土地基最终沉降量,对预压阶段实测数据推算结果进行修正,预测路基工后残余沉降量,计算路基沉降系数。     

基于修正优化综合预测模型的软土地基沉降研究

在软土地基沉降预测中,针对单项预测方法选择与实际工程情况难适应问题,提出了修正优化综合预测模型,从不同角度独立挖掘软土地基沉降监测数据,分析软土地基沉降变化规律,实现了软土地基沉降的综合预测.首先综合考虑双曲线法与GM(1,1)模型建模机理,基于算数加权平均组合思想建立初步综合预测模型;然后构建实时修正权值系数,计算实时修正量对初步综合预测模型进行修正,建立修正优化综合预测模型;最后可利用修正优化综合预测模型进行软土地基沉降预测.妈祖城工程实例结果表明:修正优化综合预测模型在软土地基沉降预测中,较双曲线法与GM(1,1)有较好的预测精度与普遍适用性,可以有效降低单项方法组合后的预测误差.     

软土地基沉降预测方法的探讨

软土地基的沉降受众多因素的影响 ,在时序上常表现出复杂的非线性和不确定性。对于软土地基的非线性沉降 ,获得的数据有限。因而 ,已有的成功经验在软土地基沉降预测中的运用具有重要意义。结合工程实例对各种软土地基沉降预测方法进行探讨。     

软土地基加固的沉降预测

根据广东省珠海市围海造地中地基处理现场施工监测的实测数据资料,对软土地基土层在堆载预压条件下,不同时刻软土层的最终沉降量进行了分析,并对沉降预测法中的指数模型进行了修正,进行了实测数据与预测数据的比对,为地基加固的沉降预测提供了方法。     

某大型油罐复合地基变形的评估

地基处理是大型油罐建设的重要环节,介绍了某软土地区大型油罐地基的处理效果,基于沉降观测数据,分析了充水预压期间油罐环基和罐中心的沉降特性;采用泊松法预测了环基总沉降,探讨了油罐地基的平面倾斜、非平面倾斜及罐基拱度特性,分析结果为该油罐地基的纠偏加固提供了依据。     

软土地基沉降预测的曲线拟合法

针对软土地基沉降预测的重要性,提出了计算沉降量的方法,重点对软土地基沉降预测的曲线拟合法进行了介绍,分析了三点法的原理,并结合实例对软土地基沉降预测中的曲线拟合方法进行了初步探讨。     

深圳宝安区中心区填海区软土地基沉降预测研究

结合深圳宝安中心填海区软土地基沉降的实测数据,分别采用双曲线法、指数曲线法、灰色模型以及改进的人工神经网络法对宝安中心填海区典型区域软土地基沉降进行预测,并与实测数据进行对比,研究不同预测方法的适用性及其效果,为深圳宝安中心填海区的软土地基沉降预测提供有益的参考与借鉴。     

基于神经网络的深基坑沉降预测模型比较

神经网络预测为深基坑预测提供了一种有效的路径。运用哪种模型较优,输入层、输出层、隐含层参数如何选取,对预测的结果都有一定的影响,本文结合实际轨道交通工程案例,以深基坑沉降监测数据为例,对常见的几种神经网络预测模型进行了对比分析,对几种模型的残差、均方根误差(RMSE)和绝对平均误差(MAE),收敛次数这几个方面进行对比,结果表明遗传算法神经网络对深基坑沉降监测数据预测较为有效,同时对模型参数的选取提出了建议。     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。     

多步滚动实时预报法在深基坑开挖监测中的应用研究

对传统BP神经网络存在的不足进行改进,并将其应用于深基坑开挖监测中,建立深基坑变形的实时预报模型;提出一种基于时间效应的多步滚动实时预报法,并利用Windows系统平台,在MATLAB7.0环境下,采用可视化的面向对象编程技术,编制深基坑变形实时预报的计算机程序。实例分析表明:该方法收敛速度快,预测精度高,预报值与实测值吻合较好,深基坑变形的实时预报具有一定的实用性。     

神经网络方法在高炉沉降分析中的应用

本文利用人工神经网络对我国软土地基上某大型高炉实测沉降建立了具有非线性时间序列的预测模型 ,通过实例验证 ,预测效果良好 ,为预测大型设备基础沉降提供了一种新的方法     

深基坑支护结构变形预测的神经网络方法

针对深基坑支护结构变形控制的重要性,提出了基于人工神经网络技术的变形预测模型,实例计算说明,动态、实时的神经网络预测方法能够很好地解决工程实际问题.     

基于BP网络的基坑周围地表沉降影响因素分析

深基坑开挖引起的周围地表沉降问题是一个复杂的非线性问题.利用BP网络处理复杂的、不确定的非线性问题的独特优势,成功建立了软土地区深基坑开挖引起的周围地表沉降的预测模型,并对其影响因素进行了定量分析,找出了主要影响因素并提出了相应的措施.     

基于遗传-神经网络的深基坑变形实时预报方法研究

根据深基坑变形的基本特征，运用遗传-神经网络建立了深基坑变形的实时预报模型，并对刘屋洲泵站深基坑变形进行了建模预报，预报值与实测值基本吻合，预测精度高，证明该方法用于深基坑变形实时预报的有效性和实用性。     

基于Usher-Spillman模型的软土地基沉降预测研究

某软土地区采用真空—堆载联合预压法处理路基,为了了解最终沉降量,建立了Usher-Spillman模型,以实际测量数据为基础,对沉降量进行了预测,发现基于模型的推测值与实测值较为接近,说明了使用该模型在该地区对真空—堆载联合预压法加固软土路基进行沉降预测是可行的。     

基于灰色神经网络模型的基坑开挖引发周边地面沉降预测分析

在城市地下工程建设中,深基坑开挖引起的周围地表土沉降问题越来越受到人们的重视。地表沉降将引起邻近建、构筑物破坏,从而造成经济损失。因此,预测基坑周围土体未来一段时间的沉降,对及时采取治理措施具有重要意义。文章针对GM(1,1)模型地面沉降预测精度较低的问题,利用神经网络对灰色预测模型进行组合,生成灰色神经网络模型,并进行预测分析,结果表明,利用灰色神经网络模型预测的沉降值,比单独的灰色GM(1,1)模型预测的沉降值具有更高的精度。