首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 125 毫秒
1.
讨论灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行改进,建立了任意时间间隔的非等时序改进灰色模型。通过实例比较,结果表明非等时序改进灰色模型的预测沉降量与实测沉降更接近,精度更高。  相似文献   

2.
文中讨论了不同高路堤沉降预估方法的特点,并以某高速公路沉降观测点实测数据为例,建立了灰色GM(1,1)预估模型;并编写相应程序对高路堤后期沉降进行了预测,将预测结果与实测结果进行了对比。结果表明,灰色GM(1,1)预估模型可以对实测数据进行更好的拟合,且其对后期的预测沉降量与实际沉降量更接近。  相似文献   

3.
粉喷桩复合路基的沉降特性与预测技术试验研究   总被引:2,自引:1,他引:2  
结合高速公路试验段的现场监测结果分析,探讨粉喷桩复合地基的沉降规律及沉降预测方法。试验研究的结果表明:粉喷桩复合地基具有工后沉降小、沉降量收敛速度快等优点;在预压期粉喷桩复合路基沉降与桩身压缩性成比例;分层总和法用于预测粉喷桩路基沉降量,效果不理想;双曲线法和灰色GM(1,1)模型比较适合用于粉喷桩复合路基沉降预测。而三点法则不适宜。  相似文献   

4.
通过路基填筑过程所获得的有效获信息有限,缺少较准确的描述,符合灰色系统理论最少信息原理特征,因此凭借对灰色预测模型最核心的 GM(1,1)模型的研究,建立合适的灰色预估模型来对沉降进行预测。通过模型计算与现场实测的比较,结果表明:GM(1,1)模型可用于沉降值的预测,计算精度较高。  相似文献   

5.
基坑开挖引起周边建筑物的沉降变形是一个复杂的系统过程,单点模型GM(1,1)不能考虑各变形监测点间的相关性,必须建立多点灰色模型M-GM(1,n)进行预测。利用Matlab语言编写的预测程序,经实例计算表明M-GM(1,n)模型预测精度高。  相似文献   

6.
灰色预测在乍嘉苏高速公路动态监测中的应用   总被引:4,自引:0,他引:4  
钱林安 《公路》2004,(7):56-59
灰色预测是常用的工程预测方法之一。基于GM(1,1)模型,提出考虑时间不等距影响的累计沉降一时间相应方程,用以估算缺失的沉降资料;又基于R.Usher模型,利用曲线拟合法来估算公路路基的最终沉降量。  相似文献   

7.
GM(1,1)灰色模型在高路堤沉降预估中的应用   总被引:4,自引:3,他引:4  
付宏渊 《中外公路》2006,26(2):11-13
影响高路堤沉降的因素很多,可以将高路堤沉降过程看成一个灰色系统。该文利用灰色系统理论,建立了适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高路堤沉降预测中,经与实测数据对比,表明预测精度良好。  相似文献   

8.
填石路堤的沉降包括施工沉降和工后沉降,填石路堤往往填筑高度大,本身累积沉降大,受各种影响因素较多,其沉降体现出自身的规律性。该文利用灰色系统理论,充分考虑影响路堤沉降的各种因素,建立了适合填石路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高填石路堤的沉降预测中,经与实测数据对比,预测精度良好。  相似文献   

9.
分析灰色GM(1,1)预测模型存在的理论缺陷,指出灰色GM(1,1)预测模型虽可用于小样本基础数据预测,但对基础沉降一类随机性强、波动性较大的数据拟合质量较差,预测精度降低。因而,提出利用马尔可夫链修正神经网络模型,其计算过程为:首先建立神经网络动态拟合模型作为基础沉降变化的基准线,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,最后通过系统状态划分样本值与模型拟合值之间的残差及中误差等指标分析计算,最终完成基础沉降的准确计算,该模型应用于基础沉降工程实例运算,取得较好效果。  相似文献   

10.
高填石路堤沉降的灰色优化-马尔柯夫预测模型   总被引:4,自引:1,他引:4  
高填石路堤的沉降变形包括填石体施工期的沉降变形和工后沉降变形。在灰色理论的基础上,建立高填石路堤沉降的等步长灰色微分方程,采用优化理论,建立误差目标函数,利用最小二乘法,求得微分方程的系统参数,并引入Markov原理,利用一步转移矩阵预测高填石路堤的沉降发展规律。某高填石路堤实测结果分析表明,灰色优化-马尔柯夫模型比常规的GM(1,1)预测模型预测精度有较大的提高。  相似文献   

11.
考虑软土结构性损伤的路基沉降预测反分析   总被引:1,自引:0,他引:1  
为了较好的预测工后沉降,从软土的结构性入手,考虑天然软土的结构性损伤,减少由于软土的扰动、损伤对计算结果精确性的影响,对受扰动软土的弹性力学特征值进行了修正;结合反分析方法,由沉降固结计算的角度对模型参数进行反分析,预测了沉降趋势,并与实际观测数据及理论计算数值进行比较,对工后沉降做出合理地预测.结果表明,软土路基沉降...  相似文献   

12.
随着我国地铁建设的迅猛发展,地铁运营荷载造成软土地基的长期沉降问题引起了足够的重视。针对监测和观测时间的非等时性,文中采用牛顿二次插值多项式插值的方法建立了非等时距灰色理论模型GM(1,1)和GM(2,1),对上海地铁四号线一区段的沉降进行预测,并与实际监测沉降量进行了比较,结果表明,GM(2,1)较GM(1,1)有更高的精度。通过监测数据分析,发现其沉降速率上半年明显小于下半年,并给出了较为合理的解释。  相似文献   

13.
京沪高速铁路济南西客站软土路基沉降预测分析   总被引:2,自引:2,他引:0  
杨柳 《路基工程》2012,(1):15-17
近年来,我国高速铁路发展突飞猛进,为保证安全运营,对其路基的处理尤其重要。对京沪高铁济南西客站软土路基工程的沉降数据,分别采用灰色模型GM(1,1)和双曲线模型两种方法建立了预测模型进行分析,并编程作数据处理。结果表明:灰色模型GM(1,1)对软土路基的沉降评估更显优越性。  相似文献   

14.
基于成都轨道交通17号线明光站—九江北站区间的相关监测数据,采用了回归分析方法,利用Matlab拟合Peck法中的相关参数,对DK68+849,DK68+869断面的地表沉降进行了预测分析。同时,通过建立BP神经网络模型,调整相关的网络设置参数来调整模型的MSE值,最终得出最佳预测模型,利用训练出的BP神经网络模型对地表的最终沉降量进行了有效的预测。  相似文献   

15.
采用时间序列分析法,根据已有的路基沉降观测数据,建立模型,预测路基沉降的发展趋势。实例分析表明:利用该分析法预测路基沉降,不仅能避开软土路基复杂的力学性质,还可避开利用传统的路基沉降计算方法所用到的大量参数,而且建模比较简单,所得最终预测结果误差较小。  相似文献   

16.
路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。  相似文献   

17.
周晓曦 《路基工程》2014,(5):120-124
针对处于沿海滩涂软土路基之上的铁路专用线,采用真空-堆载联合预压的方案加固路基地基,开展了大量的表层沉降、孔隙水压力、分层沉降等观测项目.据实测资料,分析了地基表面的沉降规律,并考虑了地基分层沉降与孔隙水压力的变化规律,全面揭示了整个地基地层的沉降变化特征.运用双曲线合理地预测了工后沉降,且推算出地基整体的固结度;采用工后沉降与地基固结度建立卸载时机判别标准.结果表明:真空-堆载联合预压的处理方案有效地加固了沿海滩涂软土地基;全面考虑地基表面沉降、分层沉降及孔隙水压力,并采用工后沉降与地基固结度相结合的方式,为堆载预压的卸载时机判别标准研究提供了一种新的思路.  相似文献   

18.
由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上与泊松曲线模型建立一种组合预测模型,并利用马尔科夫链进行残差修正,得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析,将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析,结果表明:模型对铁路软土路基沉降变形可取得较好预测效果,提高了预测精度与稳定性。  相似文献   

19.
周斌 《路基工程》2012,(5):177-179
大量观测数据和理论研究表明软土地基沉降曲线发展规律一般经过发生、发展、稳定后达一定极限,其表现符合成长曲线的基本形式。分析了软土地基的工程特性和沉降特性,建立软土地基全过程沉降预测的MMF模型,利用Origin软件求解模型参数,给出模型的求解方式,讨论了模型预测效果,工程实例预测结果表明所建立模型具有科学性和适用性。  相似文献   

20.
无砟轨道线路对工后沉降控制要求十分严格,路基工程工后沉降主要为路基铺轨完成后地基的残余沉降,厚层松软土路基沉降控制是路基建设中的重点与难点.结合路基不同部位要求,采用桩板结构、桩筏结构及桩网结构联合超载预压进行地基加固,通过典型工点进行现场试验测试与验证,有效控制了路基工后沉降,整个路段内纵向沉降较为均匀,区段路基满足铁路高速、安全、平顺的运营要求,加固措施有效可行.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号