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。     

非等时距灰色模型在软土路基沉降预测中的应用

针对软土地区公路工程特点,采用实时有效的路基沉降观测手段和合理的沉降预测方法对于保证公路建设质量具有积极作用。笔者以Lagrange插值法为基础,利用灰色理论建立软土路基沉降预测的非等时距GM(1,1)模型,通过现场实例分析,验证了该方法的可行性。     

非等时距GM直接模型在软基沉降预测中的应用

在对原始数列等时距处理的基础上,通过用一次累减数列与原始数列构建微分模型,得到了非等时距GM（1,1）直接模型。通过实例说明该模型适合处理呈上升或下降饱和变化趋势、对数据无非负性要求的任意数列,其预测值不需还原计算,具有适用范围广、预测精度高和简单实用的特性。     

GM(1,1)灰色模型在高路堤沉降预估中的应用

影响高路堤沉降的因素很多,可以将高路堤沉降过程看成一个灰色系统。该文利用灰色系统理论,建立了适合高路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高路堤沉降预测中,经与实测数据对比,表明预测精度良好。     

沥青路面使用性能的非等时距灰色预测模型

目前常依据灰色理论在检测数据缺乏的条件下建立沥青路面使用性能指标的预测模型,但传统的等时距灰色模型仅适用于等时间间隔且累加生成具有明显指数规律的原始动态序列,而非等时距灰色模型能减少原始数据在检测时间上的限制,可以系统地利用原始数据。对等时距灰色模型进行了改进,建立了非等时距灰色模型。工程实例计算表明,非等时距灰色模型在沥青路面性能指标的预测方面较传统的等时距灰色模型具有更高的精度,更能符合工程实际的需要。     

基于非等时距灰色线性组合模型的边坡变形数据处理研究

受监测环境影响,边坡变形的非等时距监测数据采集时有发生,为实现工程中监测数据非等时距的等间隔化,保证数据分析的有效性,基于灰色线性组合模型,对非等时距监测数据进行等间隔化处理,建立了非等时距灰色线性组合模型。依托某一边坡工程,基于现场实测数据,采用非等时距灰色线性组合模型进行预测,结果表明预测结果和实际数据误差在1 mm以内,拟合值与实测值接近且拟合精度比传统模型高,这为解决存在非等时距监测数据的边坡变形预测问题提供了一条有效途径。     

考虑侧向变形的高路堤沉降计算探讨

针对高填方土体由于侧向无约束,在自身较大自重应力作用下,引起边坡产生较大侧向变形,从而导致路堤自身沉降增大等工程问题,首先基于一维分层总和法中引入压缩模量随填土应力变化的修正,使路堤沉降计算时能够考虑到不同土层压缩模量因填土荷载增加而变化的情况;其次针对高路堤填土变形的特性,提出了侧向变形影响的修正系数K表达式,使得高路堤沉降与路堤高度、边坡形式及填土特性建立了联系,建立了同时考虑路堤侧向变形及路堤模量随填土高度变化影响的高路堤自身最终沉降量简化计算模型,并将模型计算结果与现场实测、模型试验及有限元计算结果进行了对比,验证了计算方法的可靠性。     

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.     

GM（1，1）模型在高填方路基沉降预估中的应用

文中讨论了不同高路堤沉降预估方法的特点,并以某高速公路沉降观测点实测数据为例,建立了灰色GM（1,1）预估模型;并编写相应程序对高路堤后期沉降进行了预测,将预测结果与实测结果进行了对比。结果表明,灰色GM（1,1）预估模型可以对实测数据进行更好的拟合,且其对后期的预测沉降量与实际沉降量更接近。     

高速铁路车站岔区高路堤沉降组合预测研究

有砟轨道高速铁路车站岔区由于车轨系统动力相互作用复杂,线路几何形位变化较快,且维修难度大。为提高线路稳定性,可将车站岔区有砟轨道更换为无砟轨道。依托中兰客专北滩车站岔区铺设无砟轨道的工程,分别对路基补强方案和路基沉降预测开展研究。为满足岔区铺设无砟轨道的要求,提出路基冲击碾压、堆载预压及路基面封闭隔水的补强方案。基于灰色Verhulst、双曲线和邓英尔预测模型的共性和个性,对三者进行最优化组合。以组合模型的最小误差平方和为目标函数求解最优加权系数,构建组合预测模型。通过预测对比发现,三模型组合预测模型的精度优于任一单一模型和两模型组合模型,且适应性更强更可靠。     

高液限红粘土路堤的沉降变形规律实测研究

高液限土具有高天然含水率、高孔隙比和结构性强的特点,压实度普遍较低。为了明确高液限红粘土路堤的沉降变形规律,本文结合某高速公路建设,现场埋设传感器,对路堤沉降及其随时间变化规律进行了实测。结果表明：高液限红粘土路堤断面沉降分布呈现中间大、侧小的正态分布形状;高液限红粘土路堤填筑完成后,应经历8个月到一年的时间方可进行路面施工。     

差分法在路基沉降预测中的应用

路基沉降预测是保障道路安全施工的重要工作之一。在预测工作中，模型选取很关键。本文利用差分法对主要路基沉降预测模型，包括对数曲线预测模型、皮尔曲线模型和多项式曲线模型等方法进行差分计算。对工程现场实测值进行差分分解，探讨适合不同监测点的预测模型，将其差分法分析的最佳拟合模型应用于实际监测值拟合，研究结果表明，拟合效果较好，能够快速确定预测模型，可避免模型尝试的盲目性，对类似工程具有较好的应用价值。     

高路堤欠压实区沉降特性有限元模拟分析

由于碾压机械施工困难等原因导致路基边缘压实度不能得到保证,形成欠压实区,尤其路基填方过高时,在欠压实区及压实区之间由于沉降差异容易产生纵向通缝。通过对压实不均匀的高填方路基沉降特性进行的有限元模拟分析,比较了不同工况下路基欠压实区与正常压实区之间的的差异沉降,对减少高路堤病害具有现实意义。     

软土地基上旧路拓宽高路堤全过程沉降预测

基于软土地基上高路堤沉降的变形特征,结合沪蓉西高速公路贺家坪连接线K2＋710～K2＋890段软土地基上拓宽高路堤的施工实践,采用Gompertz曲线拟合高路堤全过程的沉降一时间变化曲线,对该高路堤全过程沉降进行监测和分析,表明Gompertz曲线对软土地基高路堤的工后沉降进行预测的合理性。     

高填路堤沉降回归的一种改进计算方法——S曲线指数法

针对目前山区高填软基路堤预估计算方法存在的缺陷,通过西南山区某公路高填路堤和软基路段工后沉降观测数据进行反分析,首次提出了改进的S曲线指数法分析模型,并通过实例验证了该模型的实用性,具有一定的参考价值。     

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。     

山区土石混填高路堤路基沉降特性研究

路基的沉降控制是山区高速公路建设中的重点和技术关键。文中依托福建泉三（泉州-三明）高速公路，通过对典型土石混填高路基断面沉降的现场监测，分析了山区高速公路土石混填地基及路堤本体的沉降特性。     

路基沉降预测非等时序改进灰色模型应用研究

讨论灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM（1,1）进行改进,建立了任意时间间隔的非等时序改进灰色模型。通过实例比较,结果表明非等时序改进灰色模型的预测沉降量与实测沉降更接近,精度更高。     

Logistic曲线在间歇性路堤填筑下软基沉降预测中的应用

软土路基沉降的预测是高速公路建设的一个重要部分，目前预测方法越来越多，但由于路堤填筑受到自身或者外界因素影响，使得路堤处于间歇性填筑，因此选择合理科学的预测方法至关重要。在介绍软土沉降机理和Logistic曲线性质的基础上，结合西南地区遂（宁）—资（阳）—眉（山）高速公路遂宁至资阳段软土路基沉降预测工程实例，证明Logistic曲线在间歇性路堤填筑下软土路基沉降预测应用上具有科学合理性和适用性。     

灰色系统理论在填石路堤沉降预测中的应用

填石路堤的沉降包括施工沉降和工后沉降,填石路堤往往填筑高度大,本身累积沉降大,受各种影响因素较多,其沉降体现出自身的规律性。该文利用灰色系统理论,充分考虑影响路堤沉降的各种因素,建立了适合填石路堤沉降预测的GM(1,1)沉降预估模型及其残差模型。最后将其应用于某高速公路高填石路堤的沉降预测中,经与实测数据对比,预测精度良好。