隧道位移空间向量监测模型的建立

隧道施工、运行中的实际位移是空间向量,在现有位移监测资料分析中,各方向位移一般单独建模,为合理综合位移多方向的监测信息,更全面、真实掌握隧道位移发展规律,在分析空间位移向量构造形式的基础上,对监测模型的结构进行了探讨,根据位移空间向量具有多变量形式的特点,采用多因变量逐步回归方法建立隧道位移空间向量监测模型,并通过计算过程和实例对隧道多因变量位移监测模型和单方向位移监测模型的区别加以了说明.     

基于支持向量机的钢筋混凝土桥梁损伤识别

为了克服现有方法存在的一些不足,提出基于小波包和支持向量机的混凝土桥梁损伤识别方法。采用小波包对环境振动下的信号进行分解,获得各个频带上的能量,该向量对损伤敏感,可以作为模型识别的输入向量。利用支持向量机强大的分类功能,提出根据频带能量建立支持向量机并进行损伤模式识别的方法。应用该方法对一座三跨连续梁桥进行了损伤识别分析。结果表明经过训练的支持向量机可以较准确地识别出损伤位置和程度。对小波频带能量进行主成分分析后建立的支持向量机会获得更好的识别效果。获得更精确的实际信号特征将进一步提高有限元模型精度和实际应用效果。     

路面结冰时间预测方法

通过室内控制试验获取路面结冰相关数据,将温度、风速及降雨量作为输入变量,结冰时间作为输出变量,建立了路面结冰时间的多变量多项式回归预测模型;引入核函数,将路面结冰预测问题转化为高维空间中的线性回归问题,构造了多输入、单输出的支持向量机路面结冰时间预测模型。将预测结果与实测数据进行比较。结果表明,两类方法均能较好地预测路面结冰时间,四次多项式统计模型预测值与实际值的相关性为0.974,支持向量机预测值与实际值相关性为0.99,支持向量机预测结果更精确,表明支持向量机更适用于处理小样本、非线性、维数灾难和局部极小等问题。     

基于支持向量机模式识别的大跨度桥梁钢箱梁损伤识别研究

葙梁为大跨度桥梁主要的承重构件,为实时在线监测钢箱梁的损伤状态,以恒载作用下的均布荷载挠度变形曲率为特征参数,采用支持向量机模式识别理论,对某大跨度悬索桥钢箱梁进行损伤识别研究.结果表明,支持向量机模式对损伤定位、损伤程度均具有较好的识别效果.     

基于支持向量机模式识别原理的悬索桥吊杆损伤识别研究

吊杆为悬索桥主要的传力构件.为实时在线监测吊杆的损伤状态,文中以恒栽作用下的均布荷载挠度变形曲率为特征参数,采用支持向量机模式识别理论,对某大跨度悬索桥吊杆进行损伤识别研究.研究结果表明,支持向量机理论无论在损伤定位及损伤程度的识别上均具有较好的识别效果.     

高速公路雾天能见度预测方法

以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量,雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立了雾天能见度的预测模型;将预测结果与实际数据进行对比分析,结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978,支持向量机预测结果的误差更稳定,表明支持向量机更适于处理小样本、非线性、维数灾难和局部极小等问题。     

PSO-SVM反演隧道周围加固软土的力学参数

传统获取土体物理力学参数的试验方法受土体扰动、仪器及人员操作影响,得到的结果往往较离散。研究基于统计学习理论的支持向量机(SVM)改进方法,通过使用搜索效率高的仿生学算法——微粒群算法(PSO)对支持向量机参数进行优化,提高支持向量机的预测精度,并结合三维有限元数值模拟分析,得到一种新的可快速获取参数指标的反演计算模型。从而达到在统计样本量较少的情况下,也能获得很好预测结果的目的。以实际隧道施工过程中地表沉降监测数据为依据,对隧道周围泥炭质土及黏土层加固后的压缩模量采用POS-SVM进行反演,将反演值代入三维有限元模型计算地表沉降,并对实际监测、三维有限元模型计算及Peck公式计算的地表沉降值进行对比分析。发现在布设的28个地表沉降监测点中,实际监测及模型计算结果间差异很小,一半的点之间差异小于10%,有几个点稍大,但最大也仅是18.8%。监测与模型计算结果吻合较好,沉降规律也一致。而Peck公式计算的值大部分偏大,计算沉降与实际监测的规律也不一致。以上研究结果表明,采用PSO-SVM反演岩土力学参数的方法是合理可行的,对今后设计及施工所需岩土力学参数的确定及校核提供了一种新的分析方法。     

基于批处理增量Lagrange支持向量回归机的短时交通流预测模型

实时、准确的交通流预测是智能交通控制和诱导的关键之一,针对实际中短时交通流数据批量增加的情况,为了提高预测模型准确性、缩短运行时间和模型更新问题,文章提出了一种基于批处理增量学习Lagrange支持向量回归机的短时交通流预测模型。仿真实验表明,与传统的支持向量回归机增量学习算法相比,提高了模型的预测精度,缩短了训练时间。     

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GA-SVM优化方法的PC斜拉桥线形控制分析

通过将遗传算法和支持向量机相结合,建立了用于PC斜拉桥主梁标高误差预测的自适应GA-SVM模型。采用遗传算法对传统的支持向量机进行改进,利用其强大的全局搜索能力求解出支持向量机的最佳参数组合。将该模型用于梅溪河斜拉桥施工过程主梁标高误差预测。结果表明:该模型具有较高的学习和泛化推广能力,给出的预测结果令人满意。     

青岛地铁车站深基坑变形规律分析

为了研究青岛地区土岩复合地层地铁车站深基坑围护结构变形规律，以庙头站基坑为工程背景，根据现场监测数据，分析了从基坑开挖到底板浇筑完成及拆除底板以上钢支撑时的桩体变形特性。结果表明:钻孔灌注桩+内支撑的支护方式能够有效地控制基坑变形，第三道钢支撑的及时架设，对围护结构深层水平位移最大值的位置与大小都有重要影响。     

支持向量机在路段行程时间预测中的应用研究

主要探讨支持向量机理论在路段行程时间预测中的应用。具体的方法是,首先将研究路段根据路段交通状态和车辆检测器设置情况进行分段,然后以前几个时段的各个小路段的交通流量、平均速度和车道占有率和整个路段的行程时间为输入,以下一时段的整个路段的行程时间为输出,选取高斯径向基函数作为核函数,建立了基于支持向量机的路段行程时间预测模型,从而探讨支持向量机在路段行程时间预测中的应用效果。最后,利用交通仿真软件的模拟数据进行验证,并与BP神经网络计算结果比较,计算结果的对比表明本文提出的方法预测效果更好。     

基于视频图像的公路隧道火灾烟雾检测

为有效检测公路隧道火灾烟雾并预警，针对公路隧道传统火灾烟雾探测器存在的反应慢和功能单一等问题，通过分析研究火灾烟雾视频图像的颜色和纹理特征，提出一种基于烟雾图像特征的公路隧道火灾烟雾检测方法。首先，通过改进后的Vibe算法模型提取图像运动区域；然后，在YUV色彩空间中确定疑似烟雾区域后利用颜色滤出方法分割出疑似烟雾区域；最后，用从疑似烟雾区域图像中提取的颜色矩和均匀局部二进制模式（ULBP）与灰度共生矩阵（GLCM）构成机器学习分类器的输入向量进行隧道火灾烟雾识别。为满足复杂的隧道环境，对比分析BP神经网络、支持向量机、随机森林3种机器学习分类器的烟雾识别效果，选出最优算法作为公路隧道烟雾识别分类器。通过模拟公路隧道火灾烟雾试验视频和某实际公路隧道火灾视频对分类器进行试验测试，结果表明： 基于BP神经网络算法的检测系统识别性能最优，选取的烟雾特征具有较高识别精度，能够在隧道复杂环境中识别火灾烟雾。     

基于手机GPS定位数据的交通方式换乘点识别方法研究

交通方式换乘点识别长期以来是手机大数据交通调查领域的一大技术难点,既有研究大多通过设置出行时间、距离阈值进行识别,算法经验性强,普适性不佳,且易将起讫点、信号控制、交通拥堵等停留误识别为换乘停留。为此,提出了一种基于手机GPS定位数据的交通方式换乘点识别新方法：首先,构建模糊时空聚类算法识别个体运动-静止状态,算法同步实现了定位点时空密度双重聚类约束与聚类边界弹性需求,对个体运动状态识别效果更佳;其次,建立支持向量机模型进行交通方式换乘点识别,有效解决了起讫点、信号控制、交通拥堵等停留对换乘停留造成的干扰;最后,从出行链视角出发,提出了基于序列相似度算法的误差回溯自检与优化模型,能够有效修复换乘点漏识别与错误识别问题。此外,在成都市开展了大范围实测试验,由150名志愿者采集了近2 160 h得到的777.6万条数据被用于技术实证评估。试验结果表明：所述方法对交通方式换乘点平均识别准确率达89.3%,换乘时间平均识别误差控制在20 s以内;与既有空间聚类、小波分析算法相比,换乘点识别精度提升近10%,换乘时间误差最大可降低20 s以上,算法适用性与效果更佳。研究成果可为基于活动的交通需求模型演进提供数据支撑,为交通规划与管理部门决策提供技术支持。     

基于相空间重构和支持向量机的盾构滚刀岩机实验台轴承状态趋势预测

以盾构滚刀岩机作用实验台为研究对象,提出一种基于相空间重构和最小二乘支持向量机的盾构轴承状态评估及预测方法。该方法将一维时间序列重构到高维相空间中,利用相点作为支持向量机输入,自适应地对特征进行选取,并结合支持向量机非线性回归的优点,可有效预测轴承的运行状态。对实际采集的盾构滚刀岩机实验台的轴承信号进行研究分析,发现本算法的预测结果明显优于BP神经网络。将本文算法应用于工程实践,可以对盾构关键轴承状态评估和预测,能够为盾构轴承的定期保养和维修提供有效的指导。     

基于位移与轴力的软土深基坑开挖扰动控制

针对软土地层基坑工程钢支撑体系压力控制液压伺服反馈控制中施工扰动最终位移的不确定性及其环境风险,研究建立了以扰动位移控制为核心、位移与支撑轴力综合优化的钢支撑液压伺服智能控制方法。提出基于容许位移约束的线性位移变化与支撑力综合优化智能控制模式,并建立相应的施工全过程实时调压技术。构建了基于高精度激光测距和液压监测同步的反馈系统,采用形函数的随机数据误差处理方法,有效防范随机误差带来的反馈控制失误和风险。经模型试验,验证了该方法的可靠性和适用性。经上海世博通道工程示范应用,位移控制效果显著。     

支撑轴力伺服系统在地铁深基坑工程中的应用

介绍一套自主研发的支撑轴力伺服系统,能够以围护结构位移为主控指标进行测控,并根据结构变形来对实时控制钢支撑轴力的大小,已成功应用到了上海若干深基坑工程中。现场数据检测结果表明:该系统能有效地控制基坑变形,提高基坑开挖的安全性。     

最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

深厚软土地基条件下基坑围护结构设计优化方案

针对佛山地区的深厚软土地基,以荔村站地段基坑开挖为例,分析了基坑围护结构计算模式,根据基坑开挖工况和施工顺序,按作用在弹性地基上的竖向弹性地基梁模型逐阶段计算其内力及变形。对深厚软土地基条件下基坑围护结构选型进行了分析,基坑采用地下连续墙加内支撑的支护形式和明挖法施工。拟设了基坑围护结构尺寸,运用理正深基坑支护结构设计软件进行计算,分析了基底加固深度、连续墙嵌固深度和支撑间距条件对基坑整体抗滑动稳定性、抗倾覆稳定性和抗隆起稳定性、围护结构水平位移和内力的影响,优化了满足地质条件和设计要求的围护结构设计方案。     

深厚淤泥区基坑开挖作用下临近地铁基坑的力学响应

为确保处于深厚淤泥区的临近地铁基坑在新建基坑开挖支护过程中的安全性.通过有限元软件建立精细的三维计算模型,计算分析地铁基坑对新建基坑开挖、支护的力学响应特征。研究结果表明:开挖完成后,地铁车站基坑位移呈现岀“鼓肚型”,符合连续墙加内支撑基坑支护型式一般的变形规律;新建基坑围护桩最大侧移为24.5 mm,竖向位移为6.54 mm,均小于围护桩位移控制值,说明新建基坑支护体系设计具备合理性;地铁车站基坑围护结构最大位移为12.16 mm,远小于一级基坑位移限值。同时发现其地下连续墙两侧的位移增量不同,右侧(靠近新建基坑一侧)地下连续墙位移增量较小。其原因是新建基坑开挖淤泥区使右侧地下连续墙所受的主动土压力减少。