共查询到20条相似文献,搜索用时 15 毫秒
1.
基于珠海软土地区3根PHC管桩隔时复压试验数据,采用BP神经网络建立了静压桩承载力时间效应的BP神经网络模型来预测静压桩的长期承载力。在建模过程中将桩长、桩截面积、土体摩擦角、土体变形模量、渗透系数、最终压桩力及休止期等与静压桩承载力密切相关的7个参数引入到输入层,用Visual Basic语言编制了以最终压桩力和休止期为主要输入因素的计算程序,程序可以对比显示计算和实测曲线。在样本训练和学习过程中,任意选取2根桩的试验数据来预测第3根桩的长期承载力。通过对施工现场工程桩的试算,预测结果与实测值较为吻合,表明提出的BP神经网络模型用于预测静压桩长期承载力是切实可行的。 相似文献
2.
《广西城镇建设》2021,(3)
路基的最终沉降量是公路耐久性评估的重要参数,影响路基最终沉降量的主要因素有空气中软土层厚度、软土压缩模量、硬层厚度、硬层压缩模量、路堤宽高比、路基施工工期、竣工时沉降量。基于以上7个参数,结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的路基最终沉降量预测模型。以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对路基的最终沉降量进行了预测。结果表明:PCA-BP神经网络预测误差低,实现了对路基的最终沉降量的较准确预测,PCA-BP神经网络模型为路基的最终沉降量预测提供了一种科学、可靠的方法。 相似文献
3.
4.
5.
6.
基于群桩Mindlin应力解附加应力场和群桩基础变形分布特征,考虑承台和上部结构刚度对沉降变形的均化效应,在现有Mindlin解均化应力分层总和法计算群桩基础沉降基础上,提出任意布桩模式下基桩均化附加应力系数数值计算方法。针对特定侧阻分布概化模式给出不同长径比、不同桩距条件下的基桩均化附加应力系数表格,为手算群桩基础沉降所需的均化附加应力计算提供有效的简易方法。提供的均化附加应力计算方法计算群桩沉降通过工程实例验证,与Boussinesq实体深基础计算法和等效作用计算法比较,其沉降计算值与实测竣工沉降值较为接近。 相似文献
7.
基于群桩Mindlin应力解附加应力场和群桩基础变形分布特征,考虑承台和上部结构刚度对沉降变形的均化效应,总结了Mindlin解均化应力分层总和法计算群桩基础沉降的具体步骤细则。针对计算中具体问题,诸如压缩层计算厚度、上部结构刚度贡献、变刚度调平设计中桩类型的多样性,结合特定侧阻分布概化模式不同长径比、不同桩距条件给出基桩均化附加应力计算简易方法。应用所提供的均化附加应力计算方法计算群桩沉降,通过工程实例验证,与Boussinesq实体深基础计算法和等效作用计算法比较,其沉降计算值与实测竣工沉降值较为接近。 相似文献
8.
9.
10.
1 前言沉降控制复合桩基是指桩与承台共同承担上部结构荷载,按建筑物沉降要求确定用桩数量的低承台摩擦桩基,主要适用于在软弱土层较厚的软土地区建造稳定性高、要求控制最终沉降量的建筑,其理论基础是桩土相互作用,共同承担建筑物的荷载与沉降。国外研究人员在70年代开始着手桩土相互作用理论的研究,指出采用少量的桩可明显减少天然地基的沉降量。80年代起,我国的专家学者开始对桩土共同承担建筑物荷载及控制建筑物沉降课题展开深入研究,并在大量的多层砖混住宅工程实践中进行尝试与摸索,总结出关于减少沉降量桩基设计的理论与方法。1994… 相似文献
11.
基于济南市济泺路穿黄隧道工程,研究了BP神经网络和灰色GM(1,1)模型分别对隧道开挖影响周边建筑物沉降的预测。BP神经网络模型和灰色系统模型预测深基坑周围建筑物沉降,均能够取得较好的预测结果;对建筑物的沉降量进行中长期预测时,BP神经网络模型更适合进行预测;灰色GM(1,1)模型的特点需使用的实测数据少,该模型适用于短期预测,在监测数据较少时能够发挥较好作用。 相似文献
12.
改进BP神经网络在软土地基沉降量中的应用 总被引:1,自引:0,他引:1
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。 相似文献
13.
文章基于Mindlin解附加应力场和群桩基础变形分布特征,考虑基桩投影面范围附加应力的差异效应,在现有Mindlin解分层总和法计算群桩基础沉降基础上,提出基桩均化附加应力计算方法。针对特定侧阻分布概化模式给出不同长径比、不同桩距条件下的基桩均化附加应力系数表格,为手算群桩基础沉降所需的均化附加应力计算提供有效的简易方法。文中提供的均化附加应力计算方法计算群桩沉降,通过工程实例验证,与Boussinesq实体深基础计算法和等效作用计算法比较,其沉降计算值与实测竣工沉降值较为接近。 相似文献
14.
基于人工神经网络的建筑物沉降预测 总被引:4,自引:0,他引:4
根据建筑物实测沉降利用人工神经网络理论 ,建立了前馈网络预测模型并提出新的学习算法 ,结合某建筑物纠偏工程实例对建筑物沉降进行了预测。预测结果表明神经网络方法是可行且有效的 相似文献
15.
将BP神经网络应用于深基坑开挖引起的建筑物沉降预报,编制了基于Matlab6.5平台的建筑物沉降预报计算程序,工程实例计算表明该方预测精度较高,在工程实践中有较好的实用性。 相似文献
16.
利用BP神经网络较强的高次非线性映射能力和学习功能 ,建立了基于人工神经网络的单桩极限承载力与沉降量的预测模型。该模型依据现场实测资料建模 ,避免了计算过程中各种人为因素的影响。通过静载荷试验成果的学习与预测检验 ,证明其预测精度良好、适用性强 ,具有较大的工程实用价值 相似文献
17.
针对五爱隧道地表变形预测问题,采用BP神经网络方法利用已有观测点变形数据进行网络训练,结果表明BP神经网络的隐层节点数目对预测精度有较大影响,通过分析得出采用BP人工神经网方法可以较为准确地预测建筑物沉降量,并在一定程度上能够指导施工顺利进行。 相似文献
18.
单桩静载试验和基础沉降实测资料表明:在设计工作荷载下超长单桩的桩顶沉降主要来自桩身压缩,且在最大加载条件下超长桩表现为端承摩擦桩性状。超长单桩侧摩阻力由上部土层到下部土层依次发挥,砂质粉土侧摩阻力充分发挥所需的桩土极限相对位移为14~18 mm,粉质黏土侧摩阻力充分发挥所需的桩土极限位移为17~19 mm,当桩土相对位移大于该极限位移后,桩侧土层会出现侧摩阻力软化现象。群桩基础的沉降随施工荷载水平的增加而增大。荷载较小(第5层以下)时,大楼沉降较小且沉降均匀;当荷载达到一定值(第30层以上)时,核心筒处沉降大于大楼周边沉降。大楼竣工时核心筒与周边沉降差较小,大楼整体变形协调。群桩效应沉降比随着荷载水平(施工层数)的增大先增大后减小。 相似文献
19.