基于Kriging-NSGA-Ⅱ的大跨度斜拉桥多目标索力优化研究

文章针对大跨度斜拉桥的索力优化问题,提出了一种基于Kriging-NSGA-Ⅱ的多目标索力优化方法。以Kriging回归算法为基本模型建立了大跨度斜拉桥的结构代理模型,采用基于强度的非支配排序和动态交叉变异算子改进NASA-Ⅱ算法,求解考虑主梁弯曲应变和挠度双目标控制下的索力优化问题,并以某大跨度斜拉桥为工程背景验证了该方法的可行性。研究结果表明:Kriging模型对结构响应面的拟合良好;改进NSGA-Ⅱ算法可以实现对双目标索力优化问题的求解:优化后主梁弯曲应力和挠度得到明显改善。     

紧邻大型深基坑的地铁隧道沉降预测方法研究

针对紧邻大型深基坑的地铁隧道因其变形影响因素复杂、变形控制严格而难以准确预测其沉降变形的问题,文章引入对小样本、复杂、非线性数据具有优越预测性能的支持向量机理论,并利用蚁群优化算法搜索支持向量机最优参数组合,建立了优化的支持向量机预测模型。应用该模型对南京市地铁1号线某段隧道的预测结果表明,该模型预测精度高,能够准确反映隧道变形趋势,可以满足紧邻大型深基坑地铁隧道沉降预测的要求。     

矮塔斜拉桥施工阶段线形敏感性分析

文章以某双塔单索面预应力混凝土矮塔斜拉桥为工程背景,研究矮塔斜拉桥施工阶段线形对结构自重偏差、混凝土受力龄期、系统温差、索塔温度梯度、主梁梁温度梯度、索梁温差、斜拉索张拉力偏差、主梁预应力张拉力偏差等参数的敏感性,并引入敏感性评价参数α,合理评价各种参数对施工阶段桥梁线形的影响程度。研究结果表明:温度作用对施工阶段桥梁线形影响较大,矮塔斜拉桥的施工监控应加强温度监测;主梁自重偏差对施工阶段桥梁线形也影响较大,施工中应严格控制混凝土方量误差。     

基于不同优化算法的隧道洞口段拱顶沉降SVR预测模型及其比较评价

准确预测隧道洞口段沉降变形是保障安全进洞的重点工作，如何解决输入层维度高的问题以及准确描述机器学习预测模型的性能意义重大。因此，将主成分分析法（PCA）、优化算法和支持向量回归机（SVR）相结合，提出6个基于PCA和优化算法的SVR组合预测模型。首先，通过PCA筛选影响拱顶沉降的主要因素；其次，采用遗传算法（GA）、粒子群算法（PSO）和灰狼算法（GWO），对SVR的惩罚因子和核参数进行寻优；最后，将组合预测模型应用到温州市石鼻头隧道，采用相关性系数（R）、均方根误差（RMSE）和平均绝对误差（MAE）对预测模型的性能进行比较评价，并构建模型查询表。结果表明：组合预测模型均有较高精度，R≥0.987 0,RMSE≤6.792 4 mm,MAE≤3.493 7 mm;PCA降维后，GA优化后的SVR预测模型的预测效率提高了65%,PSO和GWO优化后的SVR预测模型减少了输入层维度，但需要更大的k值，降低了预测效率，PCA-GWO-SVR模型尤为明显；PCA-PSO-SVR预测模型的鲁棒性更强。     

基于LS-SVM的天然气管网负荷组合预测

针对现有组合预测模型,基于经验风险最小化原则,克服预测精度受组合模型限制的缺点,提出一种基于最小二乘支持向量机（LS-SVM）的天然气管网负荷组合预测模型,并与AR模型、BP神经网络模型、GM（1,1）模型以及最优权重组合模型进行了比较,得出基于最小二乘支持向量机的天然气管网负荷组合预测模型能够得到更高的预测精确度,可为天然气管网的安全运行以及优化调度提供决策支持的结论。     

大跨度混凝土斜拉桥主梁合龙温度研究与分析

文章基于某大跨度混凝土斜拉桥的合龙温度分析,介绍了主梁合龙温度的确定方法,并分析了合龙温度对斜拉桥成桥状态的影响。研究结论表明,合龙温度对成桥索力和主梁线形的影响较小,但对成桥后主梁的应力状态影响较大,特别是高温合龙时会产生较大的拉应力,因此在实际施工过程中应避免高温合龙,选择正确的合龙时间段。     

施工期矮塔斜拉桥线形监测及评价

以矮塔斜拉桥为背景,对施工期间的线形监测进行了研究。首先,对矮塔斜拉桥主梁高程测量、主梁高差偏位监测方案进行了阐述;然后,明确了测点布置的方案;最后,结合主梁高程及偏差的实测数据,对矮塔斜拉桥线形监测进行了分析。     

混凝土斜拉桥主梁悬浇的线形质量控制

文章以姚东大桥为例,总结了影响混凝土斜拉桥主梁悬臂浇筑的各种因素,并对各种因素产生影响的原因进行了分析,提出了施工过程中的线形控制方法。     

基于改进遗传算法的斜拉桥加速度传感器优化布置

为了合理布置结构健康监测系统中传感器的位置及满足结构损伤识别的要求,结合福州淮安大桥及福州三县洲大桥工程实例,提出了一种基于改进遗传算法和修正有效独立准则的加速度传感器优化布置方法。通过有限元进行动力特性分析,总结了利用曲率模态识别斜拉桥主梁损伤的一般过程,得出了一种加速度传感器数目的估计方法,并提出将修正有效独立准则与弯曲变形能法相结合,利用改进遗传算法搜索,以得到双塔、独塔斜拉桥加速度传感器的优化布置方案。算例分析表明：所提算法在稳定性和参数调整量上对比传统遗传算法分别减少2.1%绝对误差和40%参数量。并对斜拉桥传感器优化布置的方法进行总结以供一般斜拉桥传感器优化布置提供参考。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

智能算法在短时交通流量预测中的应用

为了深入研究不同智能算法在不同时间尺度下短时交通流量预测中的预测效果,采用历史平均法作为参照,选取小波神经网络、支持向量机回归、非参数回归三种典型的智能算法,对快速路单截面的交通流量进行预测,分别探讨其在1min、5min、15min三种典型预测步长条件下的预测效果。分析了不同时间尺度的波动系数以及道路线形对预测结果的影响,并提出优化思路。     

基于PSO-LSTM算法的智能交通流量预测研究

交通流量本身具有很强的不确定性,复杂、多变,容易受到随机因素的扰动,并且规律性不明显。随着不同预测方法的引入,对短时交通流的预测也出现了许多预测模型。长短期记忆模型擅长于处理和预测时间序列中具有时间间隔和延迟相对较长特征的重要事件。粒子群算法是一种通过模拟鸟群捕食行为设计的随机优化技术。本研究引入粒子群算法优化长短期记忆模型,使用昆明市某个路口断面所采集的过车数据作为训练集和测试集。本研究使用matlab软件进行上述模型的建模和预测,使用均方误差模型进行预测模型的误差分析。结果表明,引入粒子群算法优化模型后,预测误差降低60%,PSO算法优化LSTM模型能够更为准确的预测交通流量。     

高速公路挖方边坡优化设计智能方法与应用

文章针对高速公路挖方边坡设计的特点和要求,结合依托工程实例,阐述了基于支持向量机和粒子群算法的智能方法在高速公路挖方边坡优化设计中的具体应用,为高速公路挖方边坡优化设计提供参考。     

基于相关向量机的TBM掘进速度预测模型

TBM具有安全性强、施工效率高等优点,在隧道施工尤其是长距离隧道施工中得到广泛应用。TBM掘进速度受多个因素影响,各因素本身除了具有较强的不确定性以外,还存在着复杂的关联关系,难以建立精准的速度预测模型。文章提出一种基于相关向量机的TBM掘进速度预测模型,该模型通过对样本的学习,可以建立各因素与掘进速度的非线性映射关系,精准预测仅知道影响因素的预测样本。将该模型应用于TBM掘进速度预测,结果表明,该方法具有精度高、容易实现和离散性小等优点,为TBM掘进速度预测提供了一条新途径。     

基于机器学习的铁路隧道施工碳排放预测模型研究

为构建适用于铁路隧道施工建设阶段碳排放预测的算法模型，以某铁路隧道建设工程为研究案例，首先基于碳排放计算体系量化得到案例隧道的施工碳排放量与各子阶段碳排放占比；然后采用多种机器学习算法构建不同预测模型，结合动物优化算法对预测模型进行参数调优，选用R²、MAE、MSE、RMSE、MAPE、SMAPE等评价指标对比分析拟合效果，筛选最佳预测模型，并基于SHAP值分析各参数变量的重要性程度。结果显示：建材生产阶段对隧道施工碳排放的贡献最大，建材运输阶段的碳排放最小；BP神经网络相对随机森林、LightGBM、SVR、极限学习机等算法的回归效果更好，并且通过对比使用PSO算法、WOA算法和SSA算法优化后的回归预测模型，WOA-BP算法的拟合效果最好；基于SHAP算法的分析，各参数变量的特征重要性排名依次为：开挖面积>围岩等级>开挖工法>埋深。     

连续刚构桥体外预应力加固施工线形监控分析

文章以某连续刚构桥体外预应力加固施工过程监控项目为研究对象,针对施工过程中的主梁线形、应力及体外索索力进行监测分析,并运用有限元软件对体外预应力加固施工过程进行仿真分析,通过对比分析主梁监测实测值和理论计算值的变化规律来评判桥梁线形监测效果。结果表明：在体外预应力施工过程中,主梁挠度、应力及体外索索力的实测值与理论值均在合理误差范围之内,主梁挠度误差<5 mm,应力误差<1 MPa,体外索索力误差<5%,桥梁线形、应力及索力均符合施工设计要求。该桥体外预应力加固施工监控取得了良好效果。     

叠合梁斜拉桥主梁拼装工艺对钢梁应力的影响分析

叠合梁斜拉桥主梁拼装阶段步骤较多,需要对这些施工步骤进行多种方案的组合。文章以宜宾南溪长江公路大桥项目钢梁吊装工程为例,介绍了叠合梁主梁拼装工艺,并建立模型对叠合梁各种成梁施工阶段进行模拟计算,分析各种成梁施工阶段对主梁应力的影响规律,得到最优施工步骤与主梁应力的合理组合,可为优化施工组织、控制施工风险、提高施工质量提供依据。     

基于多尺度组合核极限学习机模型的隧道围岩变形预测及应用

隧道围岩变形序列具有高度非线性,采用常规方法很难得到满意的预测精度。为了提高隧道围岩变形的预测精度,基于实测变形数据,提出一种隧道围岩变形的多尺度组合核极限学习机预测模型。首先,通过集合经验模态分解技术将实测变形数据分解为多个不同的尺度序列,然后通过组合核极限学习机对各分量序列进行建模预测,最后将预测得到的各分量结果进行组合获得最终的预测值。改进模型中通过径向基函数和多项式核函数线性加权而成组合核函数,运用粒子群算法对核参数和加权系数进行优选,并通过马尔可夫链对模型的预测结果进行了讨论,可以较好地提高隧道围岩变形的预测精度。文章通过大相岭隧道围岩变形预测实例表明:提出的改进模型在单步预测和连续多步预测隧道围岩变形时,都能取得较高精度,对比可得优于贝叶斯正则化BP神经网络,与工程实例监测变形相比处于可接受范围内,具有一定的应用价值。     

斜拉—连续组合桥梁主梁一次落架施工关键控制参数分析

为探讨无应力状态控制法在斜拉桥梁主梁支架施工监控中的应用,以福建省龙岩市上杭县潭头大桥为例,基于无应力状态控制法,分析单塔混合梁斜拉—连续组合桥梁支架一次落架的施工控制关键参数。结果显示,该控制参数施工效果符合规范和设计要求,可供其他工程参考。     

基于AIGA-WLSSVM的埋地管道腐蚀速率预测方法

为了降低埋地管道腐蚀影响因素之间的复杂相关性,提高腐蚀预测精度,文中提出一种基于自适应免疫遗传算法-加权最小二乘支持向量机(AIGA-WLSSVM)的埋地管道腐蚀速率预测建模方法,并采用AIGA优化模型参数,进一步提高模型的学习能力和稳定性。最后通过实例分析验证了AIGA-WLSSVM建模方法在埋地管道腐蚀速率预测中的可行性和有效性,为埋地管道的检修与更换提供参考。