共查询到19条相似文献,搜索用时 343 毫秒
1.
2.
3.
4.
人工神经网络在预测高速公路路基沉降中的应用 总被引:5,自引:0,他引:5
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. 相似文献
5.
6.
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。 相似文献
7.
8.
基于粘土地基的几种路基沉降预测方法的比较 总被引:4,自引:2,他引:2
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。 相似文献
9.
10.
人工神经网络在路堤沉降预测中的应用 总被引:6,自引:2,他引:6
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。 相似文献
11.
12.
13.
14.
15.
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。 相似文献
16.
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%。 相似文献
17.
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。 相似文献
18.