基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

基于BP神经网络的基坑土钉支护结构优化设计

结合均匀试验设计和蒙特卡洛模拟,提出了一种基于BP神经网络的基坑土钉支护结构优化设计方法。在保证基坑安全稳定的前提下,首先通过确定决策变量、目标函数、约束条件（如安全系数、位移、沉降量等）和BP神经网络智能算法来优选所选定的支护结构参数,进而从中筛选工程量最小的样本作为最优支护方案。工程实例优化分析表明,该方法优化效果好,具有明显的经济效益和社会效益。     

基于BP神经网络的基坑喷锚网支护变形分析

喷锚网作为一种新型的基坑支护技术在基坑施工中已大量采用,但基坑塌滑等安全事故也时有发生。文中运用快速拉格朗日法对其进行了分析研究。基于BP神经网络,通过实际工程对喷锚支护技术进行了数值计算,得到了设计喷锚支护方案下基坑变形的分布规律,并与现场监测进行了比较,结果一致。通过数值分析表明,喷描网技术在严格控制基坑变形、保护环境方面具有明显的优越性,值得推广。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

基于优化支持向量机-混沌BP神经网络的基坑变形预测研究

为解决基坑变形预测精度低的问题,采用小波去噪分离基坑变形的趋势项及误差项序列,并利用多种优化的支持向量机对趋势项序列进行预测,采用混沌BP神经网络对误差项序列进行预测,将两者预测结果进行叠加即得到变形预测值,且可根据后期监测数据的更新,实时增加数据信息,达到跟踪预测的目的。经过3个实例检验,得出小波函数的去噪效果相对较优,且预测结果的相对误差均值均小于2%,验证了优化支持向量机-混沌BP神经网络模型的有效性,且该模型具有预测精度高、适用性强等优点,对掌握基坑变形的发展趋势及评价基坑的稳定性具有重要意义。     

基于机器学习的基坑变形预测研究

为确定施工现场深基坑沉降变形值,结合3种机器学习算法,建立沉降量与相关因素之间的非映射关系,并以上海某基坑为例对沉降量进行预测。结果表明,相比支持向量机和决策树算法,随机森林算法具有较高的预测精度,其拟合优度R²和均方根误差RMSE分别为0.96、1.13,能很好地预测基坑变形量;内摩擦角对基坑沉降的影响最显著,土层渗透系数的影响较小。     

支护结构桩变形监测的研究

结合某城市地铁车站深基坑围护结构桩变形监测,研究了基坑开挖围护结构桩位移变形规律。用实测数据对结构桩的沉降位移、桩体水平位移及桩顶水平位移变化值进行了统计分析,得出了在不同开挖时期结构桩变形规律,具有一定的实用价值。     

基于BP神经网络算法的矩形顶管施工地表沉降预测研究

顶管施工过程中的地表沉降预测对保证施工安全、保护周边环境具有重要意义和作用。应用BP神经网络算法,建立了某淤泥质黏土层矩形顶管工程地表沉降数据预测模型,通过监测数据验证,结果表明预测值与实测值拟合程度较高,从而得到地表沉降规律,为施工提供帮助。     

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。     

群光大陆广场深基坑工程变形监测的应用

深基坑工程是土体与围护结构互相作用的一个动态变化的复杂系统,仅靠理论分析和经验估计是难以掌握其变形规律的。通过群光大陆广场深基坑工程进行变形监测,得知基坑坑顶的水平位移一般随着开挖深度的增加和时间的延长,逐渐增大而后趋于稳定;同时根据监测结果,及时采取处理措施,可有效预防事故的发生。     

基坑支护结构变形对邻近地铁隧道的影响研究

对广州某深基坑开挖支护结构变形对邻近地铁隧道的影响进行了有限元模拟,并将模拟结果和实测结果进行了对比分析.结果表明:基坑支护结构的侧向位移,不仅对邻近地铁隧道产生侧向位移,也产生一定的竖向位移,而位移增量以竖向变形为主.运营地铁隧道的变形增量,随着新建基坑支护结构的变形增大而增大,隧道顶部的位移变化量比底部处的大,靠近基坑支护结构一侧的变形比远离基坑支护结构一侧的大.建议采取有效措施来控制深基坑支护结构的侧向变形,以防止引起既有地铁隧道竖向变形过大,确保地铁运营的安全.     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的AGV防撞预测方法研究

在AGV(Automated Guided Vehicle)运行过程中,建立BP神经网络预测模型,对周围环境的智能移动体的运动轨迹进行综合动态预测和评估,结合纳什均衡理论建立移动机器人运动决策模型,使得AGV在运行过程中建立类人判断的能力即考虑AGV和其他移动智能体的相对位置的关系,对其他的移动智能体的预测价值可以有效的评估。文章通过构建动态博弈模型求解灰色碰撞概率,可以高效的为AGV防撞提供合理的参考。     

基于BP网络动态预测预报轻轨隧道围岩位移

分别利用ANSYS有限元程序动态施工反演分析方法和BP网络的方法,进行轻轨隧道围岩的位移预测预报,计算结果表明,基于BP网络的方法不仅克服了有限元反演分析方法的不足,而且能综合考虑隧道围岩节理、裂隙等对围岩位移的影响,为适时地进行围岩支护提供理论依据。     

论基坑支护结构的变形控制与周边建筑物的保护

该文就建筑深基坑支护结构在工程建设过程中的变形控制及对周边建(构)筑物的保护等若干问题进行探讨,可供同行参考。     

加卸载工况下的车站深基坑开挖变形性状研究

某地铁车站深基坑北侧邻近新建住宅高楼,南侧毗邻另一个在挖基坑.以该车站基坑开挖为背景,通过分析基坑的实测数据,重点研究基坑在此特殊工况下其南北两侧围护墙水平位移和地表沉降的差异以及建筑物沉降和立柱沉降.分析实测数据可得:北侧围护墙水平位移和地表沉降均大于南侧,且常常超过变形报警值;北侧坑壁上的主动土压力大于南侧坑壁所受...