改进的小波神经网络在桥梁施工控制中的应用

桥梁线形的预测和调整对于大跨径桥梁施工控制具有重要的指导作用。利用小波分析技术对实测数据进行消噪处理,将BP神经网络与Morlet小波结合起来,建立相应的小波神经网络模型,并对桥面标高偏差进行预测。结果表明,采用该方法对桥梁施工控制有较好的预测精度。     

刚构桥大跨度桥梁施工误差调整理论和方法

大跨度桥梁施工控制中误差调整的理论和方法主要有：设计参数的识别和修下、Kalman滤波法、最小二乘法、神经网络预测方法和灰色理论法等。该跨海预应力混凝土连续刚构桥施工控制中误差调整的理论和方法采用灰色理论法。     

基于小波神经网络的地铁盾构施工地表沉降预测研究

地铁盾构施工引起的地表沉降对施工安全影响较大,应加以预防和控制。根据影响地表沉降的主要参数,建立了基于小波神经网络的盾构施工地表沉降预测模型,分析了预测结果的可行性,对比了它在收敛速度、预测精度等方面较传统BP神经网络的优势。结合北京地铁6号线实地测量数据,验证了小波神经网络用于沉降预测的准确性和可行性。     

基于神经网络的大跨度桥梁线形控制

简单介绍大跨桥梁施工控制,并以温福铁路连续梁桥为背景,应用桥梁专用软件分析各施工阶段的累计节点位移、主要截面内力及应力的变化。基于MATLAB平台开发桥梁施工控制神经网络预测立模标高程序。仿真计算结果表明：该程序在学习训练后,能预测后续各节段的立模标高并具有良好的精度和鲁棒性。     

基于小波神经网络的非线性系统预测控制研究

文章在介绍小波神经网络优点的基础上,提出了将小波神经网络优异的逼近能力应用于非线性系统预测控制的方案,并建立了预测控制系统的数学模型,通过仿真实验比较小波神经网络和同等规模BP神经网络的性能,对于非线性系统的预测控制具有一定的参考价值。     

融合改进GM(1,1)与神经网络的地铁基坑变形预测应用研究

城市地铁工程不断增长,基坑的开挖也越来越多,如何控制基坑对周边建筑物的影响已成为地铁施工关注的热点和难点。采用融合改进的GM(1,1)模型和神经网络,对基坑变形监测时间序列进行预测处理,同时将预测结果与改进的GM(1,1)、神经网络预测模型进行了定量的比较和分析。结果表明,提出的融合预测模型预测精度更高,为基坑变形监测预测提供了技术支持和参考。     

基于不同时间段的几种高路堤沉降预测模型研究

介绍了几种基于实测沉降数据的高路堤沉降预测模型,通过实例对各个模型的拟合和预测精度进行比较和分析,通过6种预测模型的比较得出,双曲线和指数曲线更适合于施工前期预测,两者中双曲线精度更高一些;皮尔曲线、灰色预测、龚帕斯曲线和皮尔神经网络方法更适合于长期预测,4种预测方法中皮尔神经网络精度更高一些。     

基于小波网络的斜拉桥施工预测方法

阐述小波神经网络模型法的基本原理与程序实施步骤,探讨了斜拉桥施工监测数据与小波网络间的联系,建立了基于小波网络的斜拉桥施工控制预测模型.以工程实例为背景,对武汉天兴洲长江大桥实际监控数据进行预测分析.研究表明:小波网络预测值与实测值基本一致,其精度满足工程及其控制的要求.     

基于BP神经网络的软土路基施工期沉降预测与仿真

在高速公路软基沉降预测与施工控制中,把现场填土厚度、时间及实测沉降量信息作为学习样本,经过BP神经网络训练后,建立了动态仿真预测模型,用该模型预测当前及下一级填土后的沉降量,判断下一级填土是否可行及对路堤稳定性的影响,以实现对软基沉降及工程施工的事前仿真控制,避免工程事故的发生.实际工程应用表明,该模型的预测精度满足工程建设的需要.     

基于神经网络的连续刚构桥的线形控制研究

采用有限元软件Midas Civil 2020对德余高速公路上主跨为(95+180+95)m的连续刚构桥进行建模分析,收集各个施工梁段的实测变形值,并基于Python编写了BP神经网络程序,运用BP神经网络对各个梁段的变形值进行了预测分析。工程实践证明,将神经网络应用于大跨PC连续刚构桥的线形控制是切实可行的,并且神经网络模型的预告结果与实际情况非常吻合。