融合改进GM(1,1)与神经网络的地铁基坑变形预测应用研究

城市地铁工程不断增长,基坑的开挖也越来越多,如何控制基坑对周边建筑物的影响已成为地铁施工关注的热点和难点。采用融合改进的GM(1,1)模型和神经网络,对基坑变形监测时间序列进行预测处理,同时将预测结果与改进的GM(1,1)、神经网络预测模型进行了定量的比较和分析。结果表明,提出的融合预测模型预测精度更高,为基坑变形监测预测提供了技术支持和参考。     

基于灰色关联度的线性组合模型在基坑坡顶位移预测中的应用

基坑坡顶水平位移预测对基坑安全施工具有重要意义。以昆山市建滔广场花桥一期工程为例,结合BP神经网络模型和时间序列ARMA模型各自特性,建立了基于灰色关联度的线性组合模型预测其坡顶水平位移。实例分析表明组合模型可以在保证较好的预测精度的前提下,提高了预测的整体性,具有工程实用价值。     

时间序列在地铁隧道变形监测数据处理中的应用

地铁隧道变形监测是数据处理中的一项重要内容,其中变形数据的分析与预报尤为重要,可靠的预报能够为决策提供重要依据。从时间序列的基本原理出发,阐述如何运用时间序列法依据数据来实现建模与预测。通过南京市某地铁实例来验证时间序列预测方法的可靠性和有效性,较好地模拟并预测地铁变形监测点的沉降变化规律。     

基于灰色二阶模型的深基坑变形监测分析

以在建车库基坑边坡支护结构的变形监测为例,获取其竖直方向的动态数据,建立灰色GM(2,1)模型,对该车库基坑边坡支护结构进行沉降预测,并对所建模型进行精度检验,结果显示GM(2,1)模型在基坑边坡支护结构沉降变形分析中具有较强作用。     

应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

面向桥梁结构状态预测的ARMA-GM组合时序模型研究

桥梁健康监测数据中蕴含引起桥梁结构状态变化的信息,通过分析其特征变化而实现结构状态预测的方法已得到工程界和学术界的重视。为了克服单一时间序列模型ARMA和灰色关联模型GM(1,1)在桥梁结构状态预测中的不足,提出一种ARMA-GM组合时序预测模型,以描述监测数据序列前后之间的数学关系,并对未来某一时间段内的监测值进行预测。实验结果表明:组合模型在预测步长增大时预测的平稳性好,而且比单一模型的预测精度更高,能够为桥梁结构安全状态评估提供宝贵的预测数据。     

一种应用于基坑监测的近景摄影测量方法

针对地铁基坑施工的变形监测问题,用近景摄影测量的方法与传统测量相比有一定优势,对近景摄影测量方法在基坑监测中的可行性进行研究。采用近景摄影后处理软件作为内业处理平台,通过模拟实验,选定镜头焦距以及控制点的标志和个数等。基于石家庄地铁三号线西三庄站基坑现场进行实测,归纳总结适应于基坑监测的近景摄影测量的基本步骤并与实测数据进行综合比对。通过验证可知摄影测量误差在1mm左右,达到较高精度。在基坑监测中应用近景摄影测量是可行的。     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

自动化监测地铁隧道沉降值的修正方法初探

通过自动化检测设备对营运中地铁隧道变形[1]进行实时监测,可为复杂地质环境下邻近地铁的基坑施工提供指导依据,但对于整体沉降较大的地铁隧道,自动化设备所测得的沉降变形不能反映地铁实际沉降量。以某沿海城市软土地区邻近运营地铁的深基坑工程为实例,采用自动化监测方法和人工水准测量方法对地铁隧道沉降变形进行动态监测,实测分析发现自动化监测的地铁隧道沉降变形比人工水准测量方法得到的沉降变形普遍偏小。利用人工水准测量结果对自动化监测地铁隧道沉降变形进行修正,能较好的反映隧道的实际沉降变形。     

地铁车站深基坑变形规律的三维数值模拟分析

以西安地铁某大型车站深基坑工程为背景,采用现场监测与三维数值模拟相结合的方法,研究了开挖过程中地铁车站深基坑的变形规律。结果表明,围护桩的变形直接关系到基坑的稳定和安全;开挖使得基坑周围土体下沉,地表沉降呈抛物线型;计算结果与监测结果基本一致,运用FLAC3D数值计算方法研究深基坑的变形规律是可行的、可靠的。     

临近地铁隧道的软土基坑施工分析及方案优化

以某临近地铁隧道的软土基坑工程为背景,考虑地下水渗流作用下,运用有限元方法动态模拟基坑开挖过程,分析基坑变形以及对临近地铁隧道的影响,并对不同施工方案进行优化分析。研究得出:基坑开挖对邻近地铁隧道影响主要体现在近端隧道的水平变形上,可将其作为施工中隧道变形控制及预警指标;提出的5项控制措施均能减小地铁隧道变形,其中减小开挖深度和坑外降水效果最为明显,结合实际情况进行组合分析,选取合适的施工控制方案;地铁隧道处于对变形严格要求的运营阶段时,需辅助其他控制措施,如分块开挖等。     

盖挖逆作法基坑开挖对地表沉降的影响及控制措施研究

深圳地铁七号线福民站工程采用盖挖逆作法进行基坑开挖,依托该工程研究新建福民车站 施工对基坑周边地表沉降的影响并提出控制地表沉降措施。采用ABAQUS有限元计算软件对基 坑开挖过程中周边土体地表沉降变形进行精细化数值模拟,结合施工过程中实时动态监测资料, 总结采用盖挖逆作法施工对地表沉降的影响规律,为施工过程中结构变形发展预测和设计方案实 时调整提供理论支撑。结果表明,在福民站基坑盖挖逆作施工过程中,地表最大沉降值随基坑开 挖第一、二次卸、加载的进行而增大,后随第三、四次卸、加载的进行逐步趋于稳定。新建地铁 周边土体地表变形较小,距离基坑从近到远,沉降值逐渐减小直至趋于零,数值模拟及现场监测 的最大沉降值均在预警值10mm之内,保证了周边建筑物的安全性和稳定性,验证了当前设计方 案的可行性。     

基于粒子群算法改进支持向量机的深基坑变形预测研究

为实现复杂地质条件中深基坑变形的精确预测，提出了一种动态惯性权重粒子群算法改进支持向量机的基坑变形预测模型。引入遗传算法改进的支持向量机模型和标准BP神经网络模型作为横向对比验证了预测效果。结果表明：动态惯性权重对支持向量机核函数参数的寻优速度更快，收敛精度更高，采用改进粒子群算法优化的支持向量机模型预测的平均相对相对误差仅为5.46%,拟合精度相较其他算法更高，预测效果良好，可较为准确的实现深基坑的变形预测。     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

紧邻铁路线路地铁站基坑施工过程变形分析

地铁明挖车站施工邻近铁路轨道时,两者之间往往会产生相互的负面影响,对于施工的安全以及铁路的正常运营造成影响。以南昌市轨道交通3号线上沙沟站基坑施工为背景,分析了其在基坑开挖过程中对紧邻铁路线路的影响。通过有限元建模,建立了地铁车站基坑开挖及铁路路基相互关系的三维有限元分析模型,对施工过程中铁路运营与基坑施工相互作用下地表沉降、支护体系内力以及铁路轨道沉降的变化规律进行了分析。最后结合实际施工监测数据进行对比,验证了有限元数值模型的可靠性与准确性。研究成果为今后类似工程的变形预测以及相互作用分析提供参考借鉴。     

深大基坑开挖对邻近地铁车站影响研究

在运营地铁车站周边进行基坑开挖,无疑会对车站结构的变形产生影响．为确保邻近地铁车站的正常运营,运用PLAXIS软件建立平面数值分析模型模拟实际基坑开挖过程,研究了世博轴深大基坑工程开挖对邻近耀华路地铁车站水平、竖直及总变形的影响,并分析了不同基坑连续墙位移下运营车站的变形情况．计算结果表明,在基坑开挖过程中,运营车站竖向隆起量先增加后减少,而水平变形不断增加．运营车站竖向、水平变形的最大值均与基坑连续墙侧向变形最大值呈线性关系．     

地铁车站基坑施工对紧邻既有轻轨高架桥安全影响分析

以某地铁车站为背景,对紧临既有轻轨高架桥的地铁车站基坑施工过程安全状况进行分析。首先研究本工程中的轻轨高架线路变形控制标准,然后通过数值模拟方法,分析基坑开挖施工对快轨桥跨结构安全性的影响,对基坑开挖引起轻轨高架桥梁结构变形进行模拟计算,得出按设计要求进行基坑开挖对轻轨高架桥梁结构影响较小,并给出监测建议和保护措施,为类似工程提供借鉴。     

基于ARMA的滚动轴承振动数据预测

为实现对滚动轴承的振动数据预测,本文提出一种基于自回归滑动平均(ARMA)模型的预测方法。首先截取滚动轴承全寿命周期的早期无故障数据作为样本,计算截取样本序列的自相关系数和偏相关系数,然后采用最小信息准则(AIC)对ARMA定阶,运用最小二乘法估计参数建立ARMA模型,将轴承同工况与类工况下的数据输入到已建立的ARMA模型中,得到的轴承预测数据与实际故障数据进行对比,计算预测的准确率。结果表明:该方法可以准确预测轴承的实际状态,且同工况相对于类工况下的预测效果更优。     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

软弱土地区基坑工程对邻近地铁结构的影响分析

软弱土地层抗扰动能力较弱,基坑施工极易对邻近既有地铁结构产生影响,如何有效控制基坑施工产生不利影响成为保护地铁结构安全的研究重点。以南京长江漫滩地区临近地铁结构的基坑工程为例,采用MIDAS-GTS软件分析基坑各工况对相邻地铁结构变形影响发展趋势,并利用Modflow软件研究了基坑降水对坑外地下水作用,进一步了解止水帷幕随深度增加对周边环境影响趋势,继而确定最佳止水帷幕深度值,对类似的工程有借鉴意义。