共查询到18条相似文献,搜索用时 218 毫秒
1.
2.
基于粘土地基的几种路基沉降预测方法的比较 总被引:2,自引:2,他引:2
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。 相似文献
3.
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。 相似文献
4.
5.
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。 相似文献
6.
7.
8.
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。 相似文献
9.
基于龚帕斯曲线法的高填方路基工后沉降预测新思路 总被引:1,自引:0,他引:1
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。 相似文献
10.
11.
12.
路基沉降预测的非等间隔Asaoka法 总被引:1,自引:0,他引:1
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。 相似文献
13.
14.
15.
16.
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%。 相似文献
17.
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 总被引:1,自引:0,他引:1
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。 相似文献