共查询到20条相似文献,搜索用时 31 毫秒
1.
为解决传统智能算法网络结构参数复杂、运算速度慢等问题,基于遗传算法和极限学习机构建基坑变形的新型优化智能预测模型。先利用皮尔逊相关系数评价不同影响因素与基坑沉降变形之间的相关性,以确定极限学习机的输入层; 再采用试算法确定最优激励函数和隐层节点数,并将遗传算法和极限学习机耦合,利用遗传算法优化极限学习机的初始权值和阈值,以提高预测精度。经实例检验表明: 1)开挖时间、开挖深度、土体抗剪参数及重度均与基坑沉降变形显著相关,为构建极限学习机输入层提供了依据; 2)在预测过程中,激励函数和隐层节点数对极限学习机的预测效果具有一定的影响,以Sigmiod型激励函数和13个隐层节点数的预测效果为最优; 3)通过遗传算法的优化,能进一步提高预测精度,验证了遗传算法的优化能力和有效性。预测模型在不同工况下的预测结果均较优,说明该模型具有较高的稳定性和可靠性。 相似文献
2.
3.
为实现小净距隧道变形影响因素的定量评价,保证隧道变形规律的有效分析,采用数量化理论Ⅲ对小净距隧道的变形影响因素及其耦合性等进行定量分析,并利用极限学习机构建隧道变形预测模型,以验证前者分析结果的准确性。实例分析结果表明: 隧道变形的主导因素有围岩重度、变形模量、泊松比、内摩擦角和黏聚力,重要因素有围岩剪胀角、隧道埋深、喷射混凝土厚度、锚杆长度及隧道间距,而隧道围岩侧压力系数为一般因素; 隧道变形影响因素间存在耦合性,且分析样本4、6、16、18的耦合度高,其余样本的耦合度均为低; 另外,极限学习机的预测结果表明一般影响因素会减弱变形影响因素与变形值间的关联性,对变形规律分析不利,这与变形影响因素分析成果一致,且极限学习机对各监测项目的变形预测效果均较好,验证了该方法在隧道变形预测中的适用性和可靠性。 相似文献
4.
隧道穿越花岗岩断层带施工的最主要灾害为高压富水体的突涌,其危险性极高且破坏力巨大。为有效解决理论计算、模型试验、数值模拟等方法中隧道涌水量预测值与实际值存在较大误差的核心问题,从系统辨识工程地质、水文地质和施工设计3方面共13个独立的花岗岩断层涌水致灾影响因素入手,提出基于优化FAHP-TOPSIS法的隧道断层涌水精细预测方法。该方法的创新在于采用平均优势度进行模糊层次分析法(FAHP)的判断矩阵优化,能解决传统FAHP法排序互斥而导致权重分配失衡的问题;同时,采用逼近理想解排序法(TOPSIS)替代模糊综合评价法,避免模糊综合评价法依赖大量样本数据及模型训练冗余的问题,能极大提高隧道涌水预测精度。并将优化FAHP-TOPSIS法应用于涌水预测实例中,实现6处断层涌水区段涌水等级及涌水量的精细预测。预测结果表明: S1、S4、S5、S6区段存在中等涌水风险,S2、S3区段存在大涌水风险; 6处断层涌水区段预测涌水量与实际涌水量的最大相对误差为14.8%,平均相对误差为8.87%,满足工程准确预测精度要求。 相似文献
5.
为了准确评价隧道突涌水灾害风险等级,以降低隧道施工过程中突涌水事故的风险,依托海南五指山隧道进行风险等级评价研究。通过文献调研确定断层破碎带隧道突涌水灾害影响因素及评价指标,在专家打分的基础上,采用AHP熵权法得到指标权重,进而通过模糊综合评价方法确定灾害发生概率等级。调研归纳给出隧道最大集中涌水量与灾害后果等级的对应关系,最终根据灾害发生概率等级和灾害后果等级确定隧道突涌水灾害风险等级。将建立的风险等级评价方法应用于五指山隧道,评价结果与隧道实际突涌水情况一致,验证了该方法的合理性及可行性,为断层破碎带隧道突涌水灾害风险定量评价提供了有效途径。 相似文献
6.
隧道涌水预测方法的研究 总被引:9,自引:0,他引:9
论述了隧道涌水量预测的基本思路、基本原理与方法,提供了基于双孔介质模型的隧道涌水量及非均质各向异性裂隙含水围岩隧道涌水预测的基本公式,对隧道施工过程中涌水量的预测具有一定指导意义。 相似文献
7.
8.
9.
10.
灰色控制理论在隧道涌水中的应用 总被引:2,自引:1,他引:1
应用灰色系统理论GM预测模型的改进模型,对一座隧道开挖过程中一处溶腔几个月的涌水数据进行拟合,建立了GM-MM模型,最后预测了后几个时序的涌水量。经计算数据检验,拟合程度较好,模型的预测精度较高,方法适合于灰色特征数据的隧道涌水量预测。 相似文献
11.
为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明: 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。 相似文献
12.
深埋特长隧道的水文地质勘察及涌水量预测是隧道方案设计的重要依据。以拟建的深圳外环高速公路三期工程田头山隧道为例,通过分析隧址区地质构造特征,并结合隧道深孔钻探,在孔内开展抽水试验、水位恢复试验、压水试验,以获取隧址区典型深度段岩体的渗透系数,然后采用降水入渗系数法、裘布依理论式及古德曼经验式对隧道涌水量进行预测及分析;同时综合隧址区工程地质与水文地质特征,分段预测出了隧道的涌水量。通过研究认为,该隧道受节理裂隙发育带、褶皱构造、强烈风化的影响,局部将会形成导水通道,在隧道施工时可能产生涌水;复式向斜轴部是地下水富集区域,是良好的储水构造,开挖后会造成大量地下水涌出。 相似文献
13.
14.
铁路运输的低碳发展对交通系统实现“双碳”战略目标有着重要意义。针对当前铁路运输碳排放预测研究较少、预测精度不高的问题,考虑碳排放时间序列数据中历史信息和当前信息间的相关性,引入滑动窗口,结合长短期记忆(LSTM)网络,构建铁路运输碳排放量预测模型。采用灰色关联分析法计算铁路运输碳排放量各影响因素的关联度值,筛选铁路运输碳排放量的关键影响因素,使用高关联性数据作为预测模型的输入变量,提高预测精度;应用LSTM网络为基础预测模型,通过引入滑动窗口改进神经网络的数据输入;考虑未来减排政策变化对铁路运输碳排放量的影响,融合基于动态政策的情景分析,构建铁路碳排放预测模型,并利用多项式误差拟合方法进行误差修正,提高预测结果准确性。以1980—2019年铁路运输碳排放相关数据为例,从现有文献中总结出17个铁路碳排放影响因素,利用灰色关联分析法从中筛选出6个关键因素,通过滑动窗口对筛选出的数据进行子序列分割,测试不同长度窗口下的预测精度,选择最优窗口参数,建立改进LSTM模型进行预测,并将预测结果与原LSTM、BPNN和RNN模型进行对比,结果表明:改进LSTM模型将相对误差平均值降低至0.392%,... 相似文献
15.
海底隧道开挖时采用注浆加固措施,可显著减小隧道涌水量、降低衬砌背后水压力,而其关键在于合理地确定注浆圈参数。通过理论计算和分析,得出注浆圈参数变化对隧道涌水量的影响规律;利用安全系数法,采用Flac软件对围岩稳定性进行数值模拟分析,得出围岩稳定的安全范围。在此基础上提出应从隧道涌水量的大小和围岩稳定性2方面综合考虑确定注浆加固圈的参数。 相似文献
16.
基于BP神经网络方法的岩溶隧道突涌水风险预测 总被引:3,自引:0,他引:3
为了准确预测岩溶隧道突涌水风险等级,以降低隧道施工过程中突涌水事故的风险,在参考相关文献的基础上,统计研究及综合分析岩溶隧道水文地质条件,选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下,影响因素的权重有较大差异,为避开影响因素权重分析,运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上,结合超前地质预报,优化隧道施工开挖支护方案。在工程应用中,运用BP神经网络方法,对某隧道进行突涌水风险评估,结果与实际施工情况较一致,并结合超前预报提出合理的支护方案,避免了隧道突涌水事故的发生,以期为岩溶隧道突涌水风险预测提供借鉴。 相似文献
17.
《公路交通科技》2017,(12)
隧道拱顶沉降是多种因素共同作用的一个十分复杂的过程,很难用数学模型进行精确计算。实际施工过程中,围岩情况经常发生变化,为满足设计要求,必须严格控制隧道拱顶沉降。传统的预测模型都只是利用拱顶沉降监测数据建立单变量模型进行拟合并预测。隧道开挖过程中,拱顶变形所受影响因素较多,导致监测数据序列中常常出现离散型较大的数据,单一变量模型预测精度受这些离散数据的影响较大,而且筛除离散型较大的数据会直接影响模型预测精度,因此单一模型只能对拱顶沉降量做粗略的估计。针对这一问题,根据隧道变形的同时性和内在相关性,利用拱顶变形监测数据和同期两侧收敛变形监测数据构建带输入变量的时序模型、GM(1,2)模型和BP模型分别对拱顶沉降变形进行预测,并运用实例验证了所建模型的有效性。通过对两种模型的预测精度进行对比可知,单一变量的时序模型只能对变形的趋势作出预测,预测精度较低,难以对拱顶沉降进行有效预测,而单一变量的GM(1,1)预测模型则完全失效。为了避免单一模型自身的缺陷导致预测精度降低,同时使不同模型间优势互补,本研究建立了基于以上3种带输入变量模型的集成预测模型,其加权系数采用熵值法确定;最后将该模型运用于宝汉高速白庙子隧道中进行检验,结果表明该集成模型更有效,预测精度更高。 相似文献
18.
城市路网具有功能多样、组成复杂、交通量大、交叉口多等特点。优化短时交通流预测模型能够增加交通状态判别的精准度,有利于市民预知交通出行信息,为交通诱导措施的发布提供数据支持,免陷入拥堵困境。针对目前短时交通流预测模型优化过程中出现的模型适应性差,使用条件要求高、单一模型无法准确地描述交通流在不同时段内的变化规律等因素造成短时交通流预测精准度低的问题,采用Kohonen神经网络对交通流数据进行聚类分析,令聚类得到的不同交通流模式下的交通流数据作为训练多个不同BP神经网络模型的输入,将不同神经网络模型与无迹卡尔曼滤波结合组成多个交通滤波器,完成交通流量的非线性预测与在线校准,最后使用交互式方法融合各估计器预测结果得出综合交通流预测结果。仿真实例构建了多个估计器和1个基于该方法的联合估计器,将以上各个估计器用于某断面的流量预测中,验证了几类估计器的流量预测性能。试验结果表明:该方法搭建的联合估计器在各种交通模式下较单估计器的预测准确性均有所提高,且在交通流遭遇多因素影响下发生特征变化时表现出一定的自适应性;相比于传统系统预测模型,大大降低了对训练数据量的要求,取得了较为满意的短时交通流预测效果。 相似文献
19.