基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.     

运用灰色理论与人工神经网络预测公路沉降

介绍了灰色理论中的G（1,1）模型、BP人工神经网络模型和灰色BP神经网络模型;根据岳阳城陵矶进港道路管桩处理后的路基沉降实测资料,分别运用这三种模型进行沉降预测,并对预测结果进行了分析,比较了这三种方法预测沉降的效果。     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

人工神经网络在预测高速公路路基沉降中的应用

人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中.重点介绍了ELMAN模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值.     

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。     

综合神经网络法及双曲线拟合法预测软基沉降

根据湿软地基的基本特性,通过预测沉降与实测沉降的对比,应用BP人工神经网络预测短期沉降。结合曲线拟合法建立了适合开封地区的路基沉降特性的双曲线模型,成功地预测了兰许高速公路的工后沉降。     

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。     

基于粘土地基的几种路基沉降预测方法的比较

基于粘土地基的路基实测沉降资料,采用曲线拟合法、人工神经网络法和灰色预测法,通过对比分析,探求实际沉降发展规律;研究这些预测方法的适用条件以及优缺点,为粘土地区实际工程变形预测提供参考。     

基于实测沉降资料的路基沉降预测模型比较研究

该文基于实测沉降资料进行路基沉降预测,在龚帕斯成长曲线的基础上提出了皮尔曲线预测模型,并利用现有的各种预测模型对衡（阳）-枣（木铺）高速公路的路基沉降变化进行了预测分析,通过与实测沉降结果的比较,研究了各种不同路基沉降预测模型的特点和适用条件。     

人工神经网络在路堤沉降预测中的应用

以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗法和S型曲线法这2种在近几年推广应用的预测方法进行了对比。结果表明，3种方法预测的最终沉降大体相近，它们之间的区别在于人工神经网络法预测的沉降较大（同时更接近实测值）；S型曲线法较小；浅岗法居中。由于神经网络是用实测数据直接建模，少了人为干扰因素，并且偏大的数值对工程来说是偏于安全的，所以选用人工神经网络预测沉降比较适宜。     

软土路基沉降与稳定监测异常数据的判别分析

鉴于分析与判断软土路基沉降与稳定监测异常数据的重要性,对软土路基沉降与稳定监测异常数据的成因进行了分析,提出了综合应用监测指标、监控预报模型、监测关系曲线作为判断路基沉降与稳定监测异常数据的评判准则,并利用相邻监测点间存在的关联性及监测点的时序性判别异常监测数据,为软土路基沉降与稳定监测提供了有效的数据分析方法。     

软土区受地铁基坑开挖影响的古建筑沉降预测研究

为了减少宁波市新建地铁基坑对邻近古建筑的影响,地铁车站附属基坑开挖需要精细化的沉降变形监测。依据该市老城隍庙古建筑沉降监测数据,运用GM(1,1)灰色预测理论构建沉降预测模型。研究结果表明:古建筑沉降预测值与实测值一致性较好,说明该灰色理论预测模型精度较高,可用于宁波市古建筑后期沉降的预测和控制,对地铁工程周边建筑环境的保护有着重要意义。     

兰永公路软土地基处理后的沉降预测研究

根据兰永一级公路工程软土地基处理后的沉降实测资料，基于双曲线法、指数曲线法、幂多项式模型及Asaoka预测方法，对地基的沉降量进行预测。采取将预测结果与实测资料进行对比的方法，对4种预测模型进行了研究。结果表明:4种方法均可用于实际工程，Asaoka模型为最佳模型，对Asaoka方法的等时间间隔取值，一般为30天比较合理。     

地铁荷载下隧道土体沉降的灰色预测与分析

随着我国地铁建设的迅猛发展,地铁运营荷载造成软土地基的长期沉降问题引起了足够的重视。针对监测和观测时间的非等时性,文中采用牛顿二次插值多项式插值的方法建立了非等时距灰色理论模型GM(1,1)和GM(2,1),对上海地铁四号线一区段的沉降进行预测,并与实际监测沉降量进行了比较,结果表明,GM(2,1)较GM(1,1)有更高的精度。通过监测数据分析,发现其沉降速率上半年明显小于下半年,并给出了较为合理的解释。     

铁路路基沉降变形组合预测模型优化

由于传统灰色模型在预测波动性较大的数据时精度不高,提出一种改进的动态GM-Poisson-Markov组合预测模型。利用非等间距加权矩阵与无偏优化对灰色模型进行改进,通过原始序列的动态更新实现模型的参数更新,在此基础上与泊松曲线模型建立一种组合预测模型,并利用马尔科夫链进行残差修正,得到改进的动态GM-Poisson-Markov组合预测模型。利用汉巴南铁路路基沉降变形监测数据进行实例分析,将预测结果与泊松、灰色模型、非等间距无偏灰色模型以及组合模型预测结果进行对比分析,结果表明：模型对铁路软土路基沉降变形可取得较好预测效果,提高了预测精度与稳定性。     

基于RS-SVR的上软下硬地层盾构施工地表沉降预测

为了提高由盾构施工引起的软硬不均地层地表沉降预测的准确性,建立基于粗糙集-支持向量回归（RS-SVR）的地表沉降预测模型,并将该模型应用于实际地铁隧道工程的地表沉降预测中。首先,根据特定地质条件,从几何因素、地层因素和盾构施工因素选取影响地表沉降的条件属性,采用粗糙集理论的Pawlak属性重要度方法删除冗余数据,获取影响地表沉降的最优条件属性集。在此基础上,基于支持向量回归（SVR）建立RS-SVR地表沉降预测模型,并与没有经过属性约简的SVR模型进行对比分析。为了比较不同核函数对SVR模型的影响,RS-SVR和SVR模型分别选取径向基函数（RBF）、Sigmoid函数、Polynomial函数作为核函数对训练样本及测试样本进行回归预测。最后,利用佛山地铁2号线南湖区间上软下硬地层的20组地表沉降监测数据,对该模型予以试算。研究结果表明：将选取的影响地表沉降的12项条件属性约简为包含7项的最优条件属性集,分别为硬层比、黏聚力、内摩擦角、土仓压力、总推力、刀盘扭矩以及掘进时间,地表沉降分类结果与约简前保持一致;同类模型进行横向对比时,RBF作为核函数的RS-SVR模型和SVR模型预测误差分别为5.54%、13.10%,均低于以Sigmoid函数和Polynomial函数作为核函数时的预测误差;以同种核函数进行纵向对比时,RS-SVR模型预测误差分别为5.54%、11.48%、13.26%,均低于SVR模型预测误差的13.10%、15.71%、19.68%。     

非线性耦合模型在桥梁桩基沉降预测中的应用研究

通过对桥梁桩基的沉降预测,能有效地评价和判断桥梁的稳定性,为现场施工提供一定的指导依据。同时,系统性的预测方法能有效提高预测精度,因此,将灰色模型和BP神经网络进行耦合,建立了桥梁桩基沉降的初步预测模型,再利用马尔科夫链建立误差修正模型,实现桥梁桩基沉降的分阶段预测。该模型发挥了灰色模型“累加生成”灰色序列的优点,增加了沉降数据的规律性,又充分利用了BP神经网络和马尔科夫链的非线性预测能力,具有系统性强、全面性高等优点。同时,利用2个实例进行验证,结果表明实测值和预测值较吻合。其中,实例1平均相对误差为1.37%,实例2的平均相对误差为1.39%,两实例的预测结果差异不大,具有较高的预测精度,验证了所提预测模型的有效性。     

优化的多变量变步长灰色模型及其在路基沉降预测中的应用

传统的单变量或等步长灰色预测模型,未考虑监测点间的系统关联性和实际沉降观测周期,往往具有非等间距的特点,不足以反映路基沉降变形的实际规律。在综合考虑实际工况中断面沉降点间相关性及不等时距观测的基础上,建立路基沉降预测的优化NMGM（1,n）模型。工程实例分析表明,优化的模型与建模工况相适应,具有良好的拟合及预测精度,能够满足工程实际应用需要。     

基于灰色理论的黄土高填方地基沉降变形预测研究

以某黄土高填方工程为研究对象,建立黄土高填方沉降变形的GM(1,1)预测模型,运用MATLAB编程程序并结合工程实际监测的数据,分别对黄土高填方沉降变形进行了短期、中期及长期预测。结果表明:GM(1,1)模型对于高填方地基沉降不仅在短期精度高,随着施工的进行对于中长期精度也可以保证,这既可缩短工期、降低工程成本,又能提高工作效率。