共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
首先分析现阶段深基坑开挖工程的难点,提出随着信息化的发展,预测基坑变形具有重要性。运用基于灰色理论GM(1,1)模型,对佛山橡树湾基坑排桩围护的顶部累计水平位移数据进行分析,预测变形趋势。结果表明,使用灰色理论GM(1,1)能够较好预测基坑排桩围护的变形。并且对灰色理论预测基坑变形作了系统归纳,为实际工程提供指导意义。 相似文献
4.
5.
6.
GM(1,1)模型基坑结构变形预测应用研究 总被引:3,自引:0,他引:3
动态设计和信息化施工使得基坑结构变形预测意义重大,本文结合工程实践对GM(1,1)模型在基坑支护结构变形预测进行应用研究.工程应用结果显示灰色预测理论在深基坑结构变形预测方面具有较好的稳定性,GM(1,1)预测的深基坑地面水平位移、沉降与实际监测结果比较接近,GM(1,1)模型预测方法有效可行.灰色系统GM(1,1)基坑变形预测模型可作为基坑支护结构变形预测的参考工具. 相似文献
7.
针对深基坑开挖施工过程中多种因素引起的沉降变形具有较强随机性特点 ,用BP神经网络替代灰色CM (1,1)模型 ,可有效改善了施工工程中深基坑沉降变形值的预测精度 ,并对BP神经网络结构形式进行了探讨 相似文献
8.
9.
10.
由于深基坑工程数量激增,施工造成的坍塌等事故屡屡发生,所以深基坑施工中的变形预测非常重要。采用灰色理论建立适当的模型,并将该模型应用到实际工程中,得出以下的结论:(1)灰色GM(1,1)模型、等步距及非等步距GM(1,1)模型的建模条件;(2)将灰色理论应用到工程实例中,所取得的结果较为理想,可以进一步在类似工程中推广使用;(3)由于等步距灰色模型与非等距模型相比误差小很多,因而较易推广于实际工程中,同时,在实测值和预测变形精度上,非等步距灰色模型均较滞后,应当谨慎应用。 相似文献
11.
灰色理论在深基坑支挡结构变形预测中应用 总被引:1,自引:0,他引:1
根据深基坑支挡结构水平位移监测信息,应用灰色系统的原理和方法,对基坑的变形发展变化进行预测是一种有效手段,对深基坑工程的设计和施工具有非常重要的意义。预测中灰色模型的建立以等时距原始数据为前提,结合苏州某地铁车站的基坑开挖工程,通过灰色理论中的GM(1,1)模型对基坑开挖所引起的支挡结构的水平位移进行了预测,其预测结果与监测结果接近。结果表明,在GM(1,1)模型中,利用初期水平位移实测值来预测未来一定时间内的支挡结构的水平位移值能够获得比较准确的预测结果,并且其预测模型可以应用于动态设计和信息化施工。 相似文献
12.
为明确地铁深基坑开挖引起的地表沉降变形规律,结合施工过程,依据D 市Z 地铁站第29-48 期深基坑沉降监测数据,分析出深基坑地面沉降变形的普遍特点。同时,利用灰色GM(1,1)模型,对两个典型沉降点的监测数据依据不同的施工阶段进行预测。结果表明,灰色GM(1,1)模型在深基坑的沉降预测中比较可靠,且分阶段预测精度更高。可见,深基坑的沉降变形特点与开挖施工过程密切相关,在预测时结合施工进度,能提高预测精度。该研究为日后地铁深基坑沉降监测数据分析与预测提供参考。 相似文献
13.
结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要. 相似文献
14.
15.
为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基(RBF)神经网络组合模型。对比实验结果表明,灰色GM(1,1)模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2.1222%,1.2562%和0.6821%。与灰色GM(1,1)模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。 相似文献
16.
灰色GM模型在地铁车站深基坑变形预测中的应用 总被引:1,自引:0,他引:1
介绍了灰色GM模型的基本原理及计算过程.以某地铁站深基坑工程为背景,根据测得的数据,采用GM(1,1)模型对基坑围护桩变形及基坑周围土体沉降进行预测.将预测值与实测值对比分析可知:采用GM(1,1)模型得到的预测值很好的拟合了实测值,预测精度高,利用GM(1,1)模型对围护桩进行变形及基坑周围土体沉降进行预测是可行的.... 相似文献
17.
提出了一种新陈代谢GM(1,1)模型与BP神经网络模型的组合预测模型,给出了组合模型的基本思路,通过BP神经网络计算而来的误差预测值对新陈代谢GM(1,1)模型的预测值进行改正,并将新陈代谢GM-BP组合预测模型应用到新建铁路武汉至十堰铁路、孝感至十堰段的高铁陆地桥墩沉降预测中,结果表明:新陈代谢GM-BP组合预测模型较现有的新陈代谢GM(1,1)模型具有较高的精度。 相似文献
18.
19.
20.
针对变形呈非线性、随机性变化特征,提出了一种基于经验模态分解(EMD)的灰色最小二乘支持向量机(GM-LSSVM)变形预测模型。该模型首先采用EMD有效分离出隐含在变形序列中的非线性高频成分和低频成分;然后根据各分量特点构建了高频LSSVM预测模型和低频GM(1,1)预测模型,最后叠加各分量预测值得到预测结果。经理论分析和算例表明,并与灰色GM(1,1)、BP神经网络和LSSVM对比分析。结果表明,EMD能够有效分离变形序列的不同频率成分,本文方法具有较强的预测精度,均方根误差为0.40 mm,在变形预测中具有一定的实用价值。 相似文献