基于遗传算法的二次回归方程在沉降数据处理中的应用

软基路基沉降与其影响因素之间呈非线性关系。以某软基高速公路为例,以时段天数、时段载荷量及时段加载平均速率为解释变量,以时段沉降量为被解释变量,建立了非线性二次回归模型,并用遗传算法估算模型系数。工程实例表明,经遗传算法优化的非线性二次回归方程具有较高的预测精度,效果优于神经网络,用该模型进行软基高速公路沉降预测分析是可行的。     

软基路堤沉降估算方法研究

高速铁路、高速公路对路堤工程软基工后沉降提出了严格的要求,沉降量预测的精度直接关系到软基加固方案的选取及加固效果的成败。该文对目前软基沉降估算的基本方法进行了分析,并对软基沉降估算方法研究提出了建议,供高速铁路、高速公路对路堤工程中软基沉降计算及研究参考。     

基于最小二乘支持向量机的公路软基沉降预测

通过影响因素分析,确定了软土层厚度、软土层压缩模量、地表硬层厚度、地表压缩模量、路堤高度、路堤顶宽、路基填筑时间和填筑竣工时沉降量等参数对公路软基沉降有影响.对公路软基的观测数据进行分析和取样,输入样本为各参数,输出样本为路堤中线下地表沉降值,利用最小二乘支持向量机的非线性映射和泛化能力,通过训练,建立了公路软基沉降预测模型.研究表明,所建立的模型对公路软基沉降进行预测具有较高的精度,同时具有很好的泛化性能.     

基于混沌遗传算法优化GRNN模型的珠三角高速公路软土路基沉降预测

路基沉降的预测对于对高速公路的建设维护具有重要意义。考虑到珠三角地区的软土基特性,建立了混沌遗传算法优化的GRNN预测模型,并将其应用到高速公路的软土基沉降的预测之中。以广珠高速公路选取的一段软地基为例,利用该模型进行沉降量的预测,通过与GA-GRNN、BP、GM(1,1)等模型的预测能力的比较,证明了本文的预测模型的有效性和高精度,可以用来对软土基的沉降量进行良好的预测。     

高速公路软基沉降预测系统及其应用研究

开发了软基沉降预测系统,把多种预测模型归纳起来建立模型库,应用数据库来管理和处理大量的现场观测数据,把模型库和数据库连接起来建立预测信息系统。结合数据库强大功能,提出并建立集工程概况数据库、变形监测信息数据库、沉降预测模型库和预测结果数据库为一体的软基沉降预测信息系统,且形成一个集查询、编辑管理、数据处理和沉降预测及其结果可视化等为一体的软件系统。最后,将该系统应用到广东省广梧高速公路软基施工监控中,提高了监控效率与预测效果。     

支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.     

ELMAN神经网络在公路软基沉降预测中的应用

文章根据公路软基沉降的基本特征,提出了一种基于人工神经网络(ANN)技术的软土地基沉降预测新方法。通过对由实测资料形成的数据样本的训练学习,建立了可用于预测软土地基沉降量的Elman模型。实例检验证明,该网络的学习是成功的,具有一定的可靠性和实用性。     

某高速公路软基沉降模型预测效果评估

软基沉降规律对指导路基与路面设计、施工有重要作用。在分析某高速路实测软基路段沉降规律的基础上，分别采用Logistic模型、Asaoka模型、复合双曲线模型对实测数据进行了拟合。结果表明：1)复合双曲线模型与沉降实测数据变化较吻合，能较好地反映路段的沉降规律，模型预测效果较好；2) Logistic模型曲线存在唯一反弯点，对“台阶”状曲线拟合误差较大，沉降预测效果较复合双曲线差；3) Asaoka模型仅能预测本级荷载下的最终沉降量，无法越级预测，对施工中软基沉降预测效果不佳。     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

基于ABAQUS的公路软基沉降预测非概率可靠度研究

高速公路软基沉降是影响路基稳定的重要因素,合理预测路基沉降对于保障路基安全具有重要意义。ABAQUS有限元软件能够处理非常复杂的问题和模拟高度非线性问题,在预测软基沉降方面有很好的应用前景,但鉴于土体参数的变异系数远比一般人工材料大,现行的勘察手段对土体存在较大的扰动,致使勘察数据不能真实反映土体性质,从而很难精确计算和预测软基沉降。在应用ABAQUS有限元软件预测软基沉降的基础上,引入非概率可靠度理论对预测结构进行可靠度分析,从而对预测结果的可信度进行评价。     

基于皮尔-遗传神经网络的高路堤沉降预测研究

为确保高速公路的建设质量，许多高速公路进行了路基沉降观测工作，以便对路堤填筑完成以后的沉降发展做出准确的预测，高路堤沉降预测模型较多，但均较难达到理想的精度。文章则依据高路堤填土施工期路基沉降实测资料，考虑到沉降单调增长的特殊性，根据位移分解原理，采用皮尔曲线提取沉降趋势，用基于免疫进化的新型遗传神经网络模型外推偏差，从而提出了一种高路堤沉降预测的新型智能方法。实际工程证明了所提智能预测方法的有效性和可行性。     

路基沉降趋势的组合预测方法研究

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。     

人工神经网络在预测软基沉降中的应用研究

依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型,利用已建高速公路沉降数据,进行了软土地基最终沉降量的预测,取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。     

路基边坡问题研究现状

总结和分析现有路基边坡稳定分析方法中自然历史分析法、工程类比法、图解法等定性分析方法，刚性极限平衡分析法、有限单元法、离散单元法、块体系统连续变形分析方法、连续介质快速拉格朗日分析法、流形元法等定量分析方法以及人工智能和人工神经网络等非确定性分析方法的研究现状和存在问题，对路基边坡设计理论与工程实践及未来发展方向作简要评述。     

使用人工神经网络预测冻土区公路路基沉降

冻土区公路路基沉降影响因素众多,预测难度大,针对目前传统的预测方法所面临的困难,应用人工神经网络理论,建立预估模型。分别对影响沉降的因素诸如气温,降水,交通量荷载进行预测,将前3个网络的影响因素变量的预测结果(即输出值)作为预测沉降的网络输入训练网络,得到冻土区公路路基沉降的预测值。使用这种方法,可以代替常规的力学数学方法,具有一定的适用性。     

基于模糊神经网络的筑路机械生产率预测方法

以高等级公路沥青混凝土面层施工机械系统为研究对象，提出了一种施工机械生产率的预测方法，该方法利用神经网络和模糊数学，通过鉴定和收集相关数据，设计了带有模糊输入出系统的神经网络预测模型，该预测方法与现有的统计预测模型相比，使用更加简便，预测结果的准确性更高，该模型是针对沥青路面施工机械提出的，其建模的思想和方法对其他土木工程机械化施工系统也有一定的借鉴意义。     

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

双线盾构隧道下穿高速公路路基沉降影响研究

双线盾构隧道施工会对高速公路路基造成较大影响,若控制不当会造成路基沉陷甚至坍塌,因此需要研究施工过程中及施工后路基沉降的分布特性与控制方法.文中结合某双线盾构隧道下穿高速公路路基的典型案例,采用数值模拟的方法研究路基沉降的分布特性.结果表明,路基沉降在双线盾构隧道施工完成后仍处于中心对称状态,最大路基沉降出现在双线盾构...     

公路客运量预测的神经网络组合模型

针对公路客运量预测的问题,基于常用预测方法的研究,提出BP神经网络组合预测模型.结合河南省客运量运输情况,对组合预测模型进行了验证.实验结果表明,该方法对公路客运量的预测很有效.     

盾构施工引起地表沉降的BP神经网络预测

根据盾构施工引起地表沉降的具体问题，结合广州地铁三号线某区间地质资料，建立了地表沉降预测的BP神经网络模型，并对网络进行了训练和测试，测试结果表明，利用神经网络进行盾构隧道施工的地表沉降预测是可行的，可用于工程实践。