基于曲线拟合的路基沉降预测方法的稳定性分析

对工程中采用较多的双曲线法、星野法、浅岗法预测模型的拟合参数评价指标进行探讨，并实例分析了三种方法预测结果的稳定性。结果表明:曲线拟合类沉降方法预测结果的稳定性与回归公式拟合参数密切相关，双曲线法、星野法受拟合起点影响较小，稳定性好；浅岗法受拟合起点和时间间隔影响较大，当时距取值不同时，预测沉降结果表现出不稳定性。     

基于粘土地基的几种路基沉降预测方法的比较

基于粘土地基的路基实测沉降资料，采用曲线拟合法、人工神经网络法和灰色预测法，通过对比分析，探求实际沉降发展规律；研究这些预测方法的适用条件以及优缺点，为粘土地区实际工程变形预测提供参考。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。     

泊松曲线在组合桩型复合地基沉降预测中的应用研究

泊松曲线法是一种精度较高的沉降预测方法,但是该法只能在等时空距的条件下才能使用,在工程实际中观测的沉降数据很难满足这一要求。文章将泊松曲线引入组合桩型复合地基沉降预测并将其推广到非等时空距数据的情况下。结合工程实例,建立了沉降量泊松曲线预测模型,取得了满意的预测精度。结果表明本文提出的方法有效地扩大了泊松曲线法的适用范围并且具有计算简便、容易推广的优点。     

广东省软土分布特征及其对高速公路路基影响的预测研究

分析总结了广东省内软土的类型、形成环境及特点。以粤东地区某高速公路典型软基断面为例系统分析了其软土的成分、厚度、埋深和物理力学指标及软基沉降特征,进一步开展了基于双曲线法、指数法、泊松曲线法和Asaoka法的软土路基沉降预测。研究结果表明,山地型软土、平原型软土、滨海型软土、沼泽相软土在广东省内均有发育,各类型软土因形成环境的差异而各自具有明显的特点。在本研究选择的工程案例中,软土主要为深灰色淤泥质粉质粘土,其分布厚度较大且物理力学性质极差。沉降预测结果表明,双曲线法和指数法的预测结果与实际观测结果中后期沉降放缓并趋于稳定的现象明显不符,而泊松曲线法和Asaoka法的沉降量预测结果与实际沉降观测结果更加吻合。鉴于不同预测方法的考虑因素不同且预测结果具有或多或少的互补效果,选择了与实际情况更加吻合的泊松曲线法和Asaoka法沉降量预测结果的平均值作为最终预测结果。     

多种方法预测软基路堤沉降的应用对比分析

该文通过对对数曲线法、GM法、双曲线法、分层总和法在预测路堤沉降的对比分析,对每种方法的适用条件提出了评价,同时也验证了这四种方法的适用性,提出了怎样更好进行路堤沉降预测的建议,选取了预测模型及方法预测未来路堤沉降量,对防治公路路堤沉降,保证公路良好的营运质量具有重要的理论价值、经济价值及工程实际意义。     

公路软基沉降双曲线预测法的进一步探讨

双曲线法是一种重要的沉降预测方法。由于待定参数少且其易于确定，表示的沉降发展规律与许多实际工程相符合，因而广泛应用于公路软基沉降预测中。本文通过汕汾高速公路实例，对双曲线法进行公路软基沉降预测的影响因素进行了深入分析，并提出了改进沉降预测精度的措施。     

路堤沉降与稳定观测数据处理方法对比分析

用双曲线回归拟合法、指数曲线拟合法和星野法3种方法进行了路堤沉降与稳定观测数据的处理，通过对拟合结果的分析说明了三种方法的各自特点。结果表明，3种方法的短期沉降预测能力均较好，星野法模型较其它两个模型与实际最贴近，双曲线模型与星野法模型拟合效果相近，而指数曲线模型预测的最终沉降量较另外两个模型偏大。     

基于龚帕斯曲线法的高填方路基工后沉降预测新思路

引进一种新的沉降预测方法——龚帕斯曲线法,并同Duncan-Chang非线性有限元反析法及灰色系统理论并引入遗传算法放在同一工程实例中进行各种沉降预测的比较和分析,发现龚帕斯曲线法的沉降预测值最接近于实测值,其预测曲线与实测曲线吻合最好,且其误差也是最小的,绝大部分在1％以内。从而得出龚帕斯模型有更好的适应性,预测结果的离散性小及准确性高等优点,这对高填方路基的工后沉降预测提供了更可靠的方法,可推广应用于实践。     

京沪高铁CFG桩复合地基上填方路基沉降预测研究

以京沪高速铁路京徐段（K01+450~K04+786.04）CFG桩复合地基上填方路基工程为依托，基于改进指数曲线法，在路基沉降观测数据的基础上，对该段路基沉降进行了预测分析。结果表明:在该区段内对沉降量级小、相对波动大的高铁路基沉降数据，结合三点法求解的指数曲线法拟合及预测具有很好的适用性；数据的初始时间点选取在路基填筑完成之后，选择2个月及以上作为时间间隔，有利于提高沉降预测的精度。     

兰永公路软土地基处理后的沉降预测研究

根据兰永一级公路工程软土地基处理后的沉降实测资料，基于双曲线法、指数曲线法、幂多项式模型及Asaoka预测方法，对地基的沉降量进行预测。采取将预测结果与实测资料进行对比的方法，对4种预测模型进行了研究。结果表明:4种方法均可用于实际工程，Asaoka模型为最佳模型，对Asaoka方法的等时间间隔取值，一般为30天比较合理。     

路基沉降预测的非等间隔Asaoka法

路基沉降预测对于确保高速铁路无砟轨道结构铺设质量非常重要。《客运专线铁路无砟轨道铺设条件评估技术指南》中推荐的沉降预测方法对沉降观测数据时间间隔的要求并不一样。其中，Asaoka公式是根据一维固结问题推导得出，具有明确的物理意义，但需要沉降观测数据为等时间间隔数据。根据微分变差分原理，采用前向差分和后向差分推导出了非等间隔Asaoka法。工程实例应用结果显示非等间隔Asaoka法具有较好的预测效果，可以直接应用于非等间隔沉降数据，避免了Asaoka方法在应用中存在的问题。     

兰新二线新疆段戈壁土地基沉降预测分析

新疆戈壁土地基由于特殊土工特性,地基沉降预测是关键性的技术难题,根据兰新二线新疆段DK1335试验段地基沉降观测数据,应用双曲线法、三点法、Asaoka法对戈壁土地基进行了沉降预测,分析评价这些方法在戈壁土地基沉降预测的适用性。     

一种优选组合法在软土路基沉降预测中的应用

在软土路基沉降预测中,常用的方法有简单曲线拟合法、系统分析和控制理论法等。但采用单一的方法进行预测,会造成预测误差偏大。提出了一种优选组合方法,通过对若干种单一方法进行权重化处理,给予每种单一方法相应权重,得出新的沉降预测曲线进行沉降分析,并以工程实例为基础,说明该方法在实际预测中是可行的。     

使用人工神经网络预测冻土区公路路基沉降

冻土区公路路基沉降影响因素众多,预测难度大,针对目前传统的预测方法所面临的困难,应用人工神经网络理论,建立预估模型。分别对影响沉降的因素诸如气温,降水,交通量荷载进行预测,将前3个网络的影响因素变量的预测结果(即输出值)作为预测沉降的网络输入训练网络,得到冻土区公路路基沉降的预测值。使用这种方法,可以代替常规的力学数学方法,具有一定的适用性。     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

基于小波降噪与最小二乘支持向量机的公路软基沉降预测模型

根据沉降数据的特性,以最小二乘支持向量机为核心技术构建预测模型,提出了一种路基沉降预测的新方法。由于测量误差不可避免,沉降数据通常含有噪声,不宜直接进行拟合,因此首先采用小波分析的方法对原始沉降数据进行降噪预处理,然后馈送到最小二乘支持向量机完成沉降预测。最后用某高速公路实测数据进行了实例分析,并与BP神经网络预测结果进行了对比,计算结果表明,小波分析结合支持向量机的模型有较好的预测精度,将该模型应用于公路软基沉降预测是可行的和值得研究的。     

哈大客运专线桥梁墩台沉降观测与沉降预测

以哈大客运专线运粮河特大桥墩台沉降观测为背景.介绍了运粮河特大桥沉降观测的技术要求与观测方法.采用曲线拟合法综合分析了桥梁墩台的沉降变形趋势.运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,预测结果表明该模型精度较高.可以用于累积沉降的预测,对今后的同类工程有一定的借鉴意义.