基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

遗传退火算法在木兰溪防洪工程软基沉降预测中的应用研究

基于自然进化原理的遗传算法是一种解决岩土工程复杂非线性问题十分有前景的方法。然而遗传算法容易陷入局部收敛,对遗传算法进行改进加入退火因子解决了这一问题。软土地基沉降受众多因素的影响,在时序上表现出复杂的非线性特征。针对木兰溪防洪工程的沉降预测问题,运用MATLAB编写模拟遗传退火算法程序进行了预测分析。计算结果与实测资料基本一致,它在全局优化、非线性优化、多参数优化等方面表现出了传统算法无法比拟的优势。     

粉喷桩加固高速公路软基沉降三维数值分析

以有限元AD INA软件,对粉喷桩复合地基的沉降进行了数值模拟,分析了沉降规律,并就计算模型参数对软基沉降的影响进行了敏感性分析,并将有限元计算结果与实测值进行了比较。