滑坡预测预报的Verhulst反函数残差修正模型

Verhulst反函数模型适用于非负、单调、监测数据波动小的预测问题,因而对随机波动性较大的数据序列拟合较差,故预测精度低.BP神经网络预测模型适用于随机的非线性动态数据系统,可弥补Verhulst反函数预测模型的局限性.在Verhulst反函数预测预报模型的基础上,增加残差项,运用BP神经网络对残差序列进行二次建模分析,形成滑坡失稳时间预报的verhulst反函数残差修正模型预测方法.应用VerhuIst反函数残差修正模型和Verhulst反函数模型预测方法,对国内外滑坡监测实例进行滑坡预测预报的结果表明,Verhulst反函数残差修正模型预测值的预报结果更接近实际观测数据,预测值的平均相对误差较Verhulst反函数模型减少1%～7%,预测精度高,适用范围广.     

基于BP人工神经网络的基坑围护结构变形预测方法研究

基坑的变形分析是基坑工程设计中的一个重要组成部分,如何预测基坑围护结构的变形是需要解决的问题。在分析基坑围护结构变形影响因素的基础上,采用BP(Error Back-Propagation,简称EBP或BP)人工神经网络方法建立了基坑围护结构变形的预测模型。结合南京地铁二号线逸仙桥车站基坑变形的现场监测数据对网络模型的预测结果与实测进行了对比。结果表明,利用大量的基坑工程现场实测资料,采用神经网络BP算法,可以较为准确地预测基坑围护结构的变形量,预测值与实测值吻合较好;必须坚持现场监测,并将最新监测信息及时反馈,将其添加到学习训练样本中,让神经网络重新学习,以提高基坑工程围护结构变形的预报精度。     

基于机器学习的高铁边坡位移预测不确定性度量与应用

为解决不确定性问题对高铁边坡位移预测精度的影响,引入区间预测理论量化位移预测中的不确定性问题,并建立Bootstrap-GRU-BP混合区间预测模型（BGB模型）。该模型首先采用基于Bootstrap的门控循环单元（Gated Recurrent Unit,GRU）算法度量位移预测均值和认知误差的方差,再采用BP算法度量随机误差的方差,然后将位移预测均值、认知误差和随机误差的方差3者结合在一起,量化出一定置信水平下的预测区间。最后,基于杭绍台高铁沿线边坡的监测数据,探讨BGB模型认知不确定性的响应特征,并通过对比多种区间预测模型来验证BGB模型的优越性。结果表明：BGB模型不仅能构造清晰可靠的预测区间,还能提供高精度的点预测结果;改变模型输入特征和预测算法会导致认知不确定性的改变,而BGB模型所构造的预测区间能正确地响应不确定性的变化;对比以极限学习机（Extreme Learning Machine,ELM）和支持向量回归（Support Vector Regression,SVR）为核心的区间预测模型,BGB模型的区间预测和点预测性均能更优。研究成果可为高铁边坡位移发展提供可靠的预...     

隧道变形与坡体灾害相互关系及其预测模式

分析了坡体病害地段隧道变形开裂的特征及二者相互关系,给出了隧道变形与坡体病害相互关系的5种地质结构模型,在此基础上提出了用隧道变形规律预测坡体灾害的模式,并用地质力学模型试验结果加以验证.本文的成果对建立铁路运营隧道智能管理系统有重要促进作用.     

绵阳—遂宁高速公路石麻湾大桥段滑坡变形分析

采取降雨量、深部位移、地表位移监测对绵遂高速公路K66+450—K66+660大桥段滑坡进行监测,为灾害预警和治理提供依据。结合实时监测数据资料,分析了每个测点的累计位移变形量的变化规律。研究结果表明:降雨使滑坡在短时间内产生较大的变形,是坡体产生变形的诱发因素。滑坡对桥梁安全影响较大的部位在桥台、桥墩处。建议在桥墩、桥台外侧或边坡前缘采用抗滑桩或锚拉抗滑桩加固坡体,以保证桥梁的安全。     

随道变形与坡体灾害相互关系及其预测模式

分析了坡体病害地段隧道变形开裂的特征及二者相互关系，给出了隧道变形与坡体疲害相互关系的5种地质结构模型，在此基础上提出了用隧道变形规律预测坡体灾害的模式，并用地质力学模型试验结果加以验证，本文的成果对建立铁路运营隧道智能管理系统有重要促进作用。     

舟曲县瓜咱坝1号滑坡的变形特征与机理分析

舟曲县瓜咱坝1号滑坡是中层中型的错落转化型破碎岩石老滑坡。通过地质调绘及现场勘查对该滑坡的工程地质条件以及滑坡的基本特征进行了研究。指出了引起滑坡变形破坏的主要影响因素是滑坡区的地质构造、地层条件、气象因素和人类活动的影响。总结了老滑坡的变形破坏及复活模式为老滑坡—前级不连续崩塌—坡体卸荷、松弛变形—牵引后级滑坡滑动—后级拉裂、滑移—推动挤压前级滑坡—整个滑坡的复活,为滑坡稳定性分析及工程治理提供了依据。     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

峡口滑坡不同降雨条件下蠕变行为分析

研究目的:峡口滑坡位于四川省雅安市境内,降雨是其主要的诱发因素之一.为准确把握峡口滑坡由于降雨而产生的变形情况,目前已建立了地表位移、地下位移、地下水位监测和降雨量监测的多参数监测系统.本文旨在分析峡口滑坡水文地质与工程地质条件,运用FLAC软件分别对不同降雨条件下峡口滑坡变形体的变形情况进行定量分析计算,并揭示其在不同降雨条件下的变形特征和变形机制,为滑坡的量化评价提供科学依据.研究结论:坡体的变形与降雨量呈正相关趋势,其中坡体前缘位移变化最大,中部次之,后缘变化最小;在一次短历时强降雨过程中,坡体变形随着降雨的进行而逐渐增大,在雨停后,变形仍会在72 h的时间内继续增大,达到最大后再缓慢减小.     

黄土地区管道沿线填土边坡滑坡发生机理和防治对策

应用数值模拟方法,对黄土地区管道沿线填土边坡滑坡病害的发生机理进行研究。主要包括3种工况：自然斜坡的初始应力场回归、填土在自重作用下的固结沉降及降雨对坡体变形的影响。结果表明：填土在自重作用下产生固结沉降以及向临空面方向的卸荷变形,在此应力重分布过程中,填土坡面以及坡体上部产生大量张拉破坏单元;降雨是填土边坡变形破坏的主要诱因,一方面增加了填土坡体的容重,另一方面,沿张拉裂缝下渗的雨水软化了填土与原自然坡面的接触带,导致了填土高边坡的滑动失稳。在稳定性评价的基础上,根据管道所处边坡部位的特殊性,采用锚管构架、锚索地梁以及反向坡排水等工程措施对工点病害进行治理。计算结果和现场监测资料表明,治理后的坡体变形得到了有效控制。     

坡体结构对地震滑坡发育贡献率研究

根据地震滑坡数据资料,基于贡献率分析法和极差分析法,分析了坡体组成、坡度、坡型、斜坡坡向与地层倾向差以及斜坡坡角与地层倾角差共五个坡体结构因素对地震滑坡发育的贡献率。研究表明:坡体结构不仅决定着滑坡的空间分布,而且控制着地震滑坡面积、体积及变形长度;斜坡坡角与地层倾角差、坡度的贡献程度最高,坡体组成的贡献程度中等,坡型、斜坡坡向与地层倾向差的贡献程度最低。研究结果可为以后的滑坡研究及防治提供借鉴参考。     

吉图珲客运专线GDK275滑坡形成机理

吉图珲客运专线GDK275滑坡为一破碎岩石滑坡,自2012年开始发现变形以来,随着时间的推移,坡体出现下沉、滑移及坡面开裂等变形现象,且日趋加大,呈持续性滑动变形。其形成与发展与坡体复杂的工程地质条件存在极大的关系,高含水的坡体结构是滑坡形成的基础,边坡坡脚的开挖产生了较大的临空面,使边坡稳定度降低,逐步形成滑坡。结合滑坡的变形特征及监测资料对其稳定性进行综合分析,确定了滑坡在不同条件下的安全系数,并对复杂地质条件下切层岩石滑坡的治理工程设计提出建议。     

基于人工神经网络的大直径盾构隧道施工地层变形预测分析

为了预测盾构施工引起的地表沉降规律,以京张高铁清华园大直径泥水盾构隧道工程为背景,结合盾构试验段隧道掘进过程中地层变形的监测数据,建立基于时间序列的NARNN(不含外部输入)和NARXNN(含外部输入)非线性自回归神经网络预测模型,对重要监测断面测点的隧道掘进过程中地表沉降发展趋势进行预测分析,并与传统时间序列ARMA模型预测结果进行对比,发现NARNN模型、NARXN模型、NARMA模型的预测结果与现场监测数据都比较吻合,而NARNN和NARXN非线性自回归神经网络预测模型精度明显高于传统时间序列ARMA模型,而考虑外部输入的NARXNN模型又比不考虑外部输入的NARNN精度高。因此,在考虑施工方法、地质条件和空间效应(埋深)等外部因素条件下建立的NARXNN模型具有良好的预测效果,能够较好地模拟盾构施工引起的地表沉降规律。     

滑坡变形的支持向量机非线性组合预测

在分析支持向量机(SVM)用于时间序列预测和非线性组合原理基础上,提出基于支持向量机的非线性组合预测方法。利用4种单项预测方法,包括SVM、径向基函数前向型神经网络(RBF)、反馈型神经网络(El-man)及3层神经网络(ANN),分别进行滑坡变形时序的建模与预测。对4种方法的预测结果再采用线性组合方法(简单平均、方差倒数、改进最优加权系数)和非线性组合方法(SVM、BP神经网络)进行组合预测及方法性能的比较。结果表明,非线性组合的平均相对误差明显低于线性组合方法,且对滑坡这种具有一定程度不确定性的非线性系统,SVM的非线性组合方法有着更理想的预测效果,7步外推预测准确度控制在89.3%以上。而与BP神经网络非线性组合相比,SVM也具有更好的稳健性和泛化性。     

管道受横向滑坡影响的模型试验研究

油气管道沿线的滑坡灾害会严重危及管道安全。本文以管道与滑坡滑动方向正交,在滑体后、中、前部不同部位布设管道进行模型试验,采用注水的方式诱导坡体滑动,利用百分表和应变片对坡体的变形及管道的应力与变形进行监测与分析。结果表明:管道中测点的应力随滑坡的滑动呈现逐渐增大并最终趋于稳定的特点;伴随着滑体的滑动,应力呈现阶段性的变化特征,滑体稳定后应力又略微降低。管道在滑坡推力作用下变形方式为弯曲变形,管道的变形与平面内两端固定的超静定梁在竖向荷载作用下的变形相似。滑坡前期,埋设于滑体后部的管道受力最大,中部的次之,前部的最小;而滑坡后期,埋设于滑体前部的管道受力最大,中部的次之,后部的最小。     

灰色理论在铁路客运量预测中的分析研究

针对传统灰色预测模型存在对历史数据依赖性强、容错性小及抗干扰能力差的局限性，将无偏灰色理论与残差验证理论引入预测模型，从趋势曲线灰色拟合与状态分类方式上对传统灰色模型进行改进，提出无偏灰色预测铁路客运量方法；同时，对铁路客运量预测方法从定性预测和定量预测两个方面进行阐述并对其优缺点进行分析。依据建立的无偏灰色预测铁路客运量模型，以1997—2016年铁路客运量为基础数据，对铁路“十三五”时期的数据进行预测，通过残差检验和结果分析，其预测精度明显高于BP神经网络预测。     

武罐高速公路崔家梁黄土滑坡形成机理与稳定性分析

武罐高速公路武都至洛塘段黄土滑坡分布密集,由于该地区黄土厚度较小,滑坡以浅～中层的中小型滑坡为主,研究认为该地区黄土滑坡的发生主要受降雨、地震和河流的影响,使滑坡表现出明显的周期性。以线路中比较典型的崔家梁黄土滑坡为研究对象,突出坡体结构在滑坡稳定性分析与计算中的重要作用,从滑坡地质结构与变形特征入手,建立滑坡坡体结构,分析滑坡形成机理和可能产生的失稳破坏模式,并进行稳定性分析与评价,确定滑坡变形状态。计算结果表明,崔家梁滑坡在天然状态时已接近极限平衡状态,在降雨或发生地震时稳定性将进一步降低从而可能产生整体滑动,为选择滑坡防治措施提供依据。     

基于径向基函数神经网络的轨道交通车辆振动状态预测

通过遗传算法优化径向基函数神经网络的中心、宽度及权重等参数,构建车辆振动神经网络预测模型。通过42自由度车辆多体动力学模型,以某线路实测轨道不平顺数据作为输入,得到车辆振动加速度数据。通过训练与优化,构建的车辆振动预测模型能预测车体振动加速度变化趋势。     

基于BP神经网络的振冲碎石桩复合地基承载力预测

由于影响振冲碎石桩复合地基承载力的因素众多,各种因素又相互作用,很难准确地计算其地基承载力。目前较准确的复合地基承载力载荷试验方法需投入大量的人力物力且耗时长,很难满足现场施工质量实时检测及工程进度的需求。本文在总结分析振冲碎石桩复合地基承载力影响因素的基础上,利用BP神经网络强大的非线性映射能力,建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明,利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的,为振冲碎石桩复合地基承载力的快速设计检算提供了一种人工智能解决方法。     

基于模拟退火算法的地铁盾构隧道长期沉降预测

软土地区的地铁盾构隧道沉降的影响因素复杂,且不同的因素会对隧道结构内力、变形、接头伸缩等造成影响,导致沉降预测困难。在对杭州地铁1号线某区间沉降实测数据分析的基础上,采用基于Monte-carlo迭代求解模拟退火算法,对逻辑斯蒂曲线模型进行求解,并综合考虑各因素对沉降影响的整体效果,建立地铁盾构隧道长期沉降预测模型。根据实测同预测数据的对比研究分析,本计算求解方法不仅可行,而且与实际量测数据吻合较好。