人工神经网络在预测深基坑周边地表沉降变形中的应用研究

为有效控制基坑周边地表的沉降变形,应用弹塑性大变形理论与有限差分理论,对哈尔滨地区桩-锚支护形式下深基坑开挖引起的周边地表沉降进行了数值模拟,分析了开挖深度、锚杆层数、建筑物距离对基坑周边地表沉降变形的影响规律及基坑周边地表沉降变形的量化范围。结果表明,基坑周边地表的沉降量与沉降范围随锚杆层数的增加而减小;建筑物的存在不仅增大了地表的沉降量,而且使基坑周围地表的最大沉降区向基坑方向移动;当建筑物与基坑的距离小于1.0倍基坑设计开挖深度时,建筑物距离对地表沉降变形的影响较明显;基坑开挖对周边地表的影响范围基本在与基坑边缘相距1.5倍基坑设计开挖深度范围之内。

人工神经网络在基坑变形性状研究中的应用——基坑工程不仅要保证维护结构本身的安全，而且要保证周围建(构)筑物的安全和正常使用。开展基坑工程变形性状研究具有重要意义。影响基坑变形的因素很复杂，传统的计算方法已无法准确预测基坑的变形。人工神经网络(an...

结合某地铁站深基坑施工,对基坑工程设计中常用的基本参数进行了对比研究.通过对各参数实测数据的曲线拟合和数值计算得出软土地区深基坑开挖对地表沉降的主要影响范围、沉降最大值及支护主体的最大水平位移,并把实测数据的数值计算结果与经验估算值进行比较,验证经验参数对同类软土地区的实际工程适用性,对地表沉降规律提出了分段分析的方法.

结合某桩锚支护深基坑工程,针对不同工况,利用监测数据作为输入建立bp神经网络模型,预测桩体水平位移.结果表明,不同工况下的预测精度不同,桩体位移较大时预测精度较高,位移较小时预测精度较差;对于工况变化时位移曲线的变化趋势,预测结果的适应性良好;bp神经网络预测桩体水平位移具有较高的可行性和可靠性.

简单地介绍了bp神经网络与灰色系统gm(1,1)模型原理,并利用matlab语言及其工具箱,结合某深基坑工程的地表沉降监测数据编制了预测预报程序,实现了地表沉降数据的预测预报。分析了这2种模型的预测结果。

讨论了地铁区间隧道盾构施工引起的地表变形机理,并结合某地铁工程的实践,利用神经网络技术处理非线性问题的优势,应用人工神经网络对地表沉降进行了预测,经与现场实测值作对比分析,证实该方法具有较高的准确性。研究表明,该方法对处理此类非结构性规律的多因素综合影响问题较一般方法具有更强的适应性。

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。

简述传统的结构近似重分析技术的缺点与不足,介绍bp网络的原理、算法,利用bp网络能够实现从n维设计空间到m维任意非线形映射的特点,通过不同设计变量的训练样本集对bp网络进行训练,然后输出拟合值。经过分析,证明在结构近似重分析中,采用bp神经网络能很好地实现从设计变量到结构响应之间的映射。

本文介绍了人工神经网络用于过程控制中的理论与方法，研究了基于多层神经网络的自校正控制。并应用神经网络控制方法仿真了丝杠磨削中的传动链误差控制，取得了良好的效果。

基坑变形人工神经网络预测及其网络参数优化——基坑变形人工神经网络预测受网络参数的影响较大，选取适当的网络参数才能得到较优的预测结果。本文介绍了人工神经网络原理及其网络参数的优化方法。以挡土桩桩顶水平位移预测为例，说明其具体预测步骤及网络参数优...

对采用人工神经网络技术预测隧道地表沉降模型中进行了研究。采用matlab系统开发了一个多层反向传播神经网络模型,考虑了隧道的深度、隧道的直径、地下水位、土的弹性模量、土的剪切强度、土的侧压系数、土的重度和开挖间隙对地表沉降的影响。用世界多个隧道的地表沉降数据作为样本对模型进行了训练和测试。结果表明,利用该神经网络预测的沉降值与实测值比较吻合。

分析人工神经网络技术应用于解决边坡工程问题的可行性,认为它能模拟边坡稳定性和各参数之间的非线性关系,并以某实例采用bp算法进行样本训练和样本预测,探讨具体的边坡稳定性分析方法。

本文主要对由于支护结构变位而引起的地表沉降进行了相关研究,利用正态分布及抛物线函数拟合了地表沉降曲线,并推导出沉降的估算公式。结合实际工程案例验证了该方法在预估地表沉降上的可行性。

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题。

人工神经网络在软土地基沉降预测中的应用——人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线，且具有容错性和联想记忆功能，利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后，用某高...

人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后,用某高速公路软基沉降的实测数据进行网络的训练和学习,再用建立的预测模型预测出了最终的沉降量。所得的结果与实测值达到了较好的一致性,与用其它理论计算方法所得结果相比较具有较高精度。

根据某高速公路高路堤填土施工期路基沉降实测资料,建立了预测路基沉降的等时距bp神经网络模型,并运用三次样条插值获得预测时间段内任一时刻沉降值,并与实测值进行比较,证明它具有很高的预测精度。

介绍了分布式光纤监测系统的检测原理,针对结构物局部点的应变变化建立了4层人工神经网络模型,对结构物的局部变形进行预测,并利用隧道实测数据对预测值进行了验证,取得了比较满意的效果。

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比gm(1,1)预测模型小;与bp预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与bp预测相结合的方法进行预测。

基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以pso-bp神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现:二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用pso-bp神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明:优化后的pso-bp神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。

人工神经网络技术在深基坑信息化施工中的应用

人工神经网络预测软土地基沉降——简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响，充分运用人工神经网络较强的非映射能力来预测软土地基的沉降，利用实测资料来对复杂的非线性的土工结构进行直接建模，并计算出软土地基的沉降值，获得满意的效果...