基于灰色理论的高速公路软基沉降变形预测研究

基于灰色理论中的GM模型,推导出等载条件下的沉降速率公式,与基于双曲线模式的沉降速率公式相比较,找出一种与实测结果相接近的预测方法,并结合有限元计算结果对这两种方法在预测最终沉降方面进行比较研究,总结两者的优缺点,对于工程实践具有一定的参考价值.     

高速公路路基沉降的快速预测方法

高速公路沉降控制的关键是在填筑期末能够及时准确地预测预压路基的沉降,包括欠载、等载或超载预压路段在预压期以及（卸载后）路面施工期和通车后的沉降、速率过程。基于太沙基理论和线弹性假设,提出了一种不需要具备荷载稳定期观测资料。可以及时快速进行沉降预测的方法。研究了多级荷载作用下考虑卸载与回弹的沉降预测模型．探讨了荷载稳定期内速率衰减特性、卸载前后速率变化规律。结合工程实例,讨论了动态反演的实施方法．验证了快速预测方法的可行性、适用性和合理性。     

广东省潮惠高速公路某软土路基的沉降预测研究

软土强度低、压缩性大、含水量高、孔隙比大和灵敏度高,这些工程不良特性导致软土路基存在诸多与沉降密切相关的隐患。基于此,新建公路的软土路基施工过程中都会开展沉降量监测及预测工作。本研究以广东省潮惠高速公路A1标段K3+240里程处软基断面为例,利用沉降量观测结果进行基于双曲线法、指数法、泊松法和Asaoka法的沉降定量化预测。预测结果表明,不同部位的监测结果与不同预测方法相吻合,建议软基的沉降预测可综合利用上述几种方法。     

考虑侧向变形影响的路基沉降计算方法修正

针对现有路基沉降计算方法未考虑侧向变形影响的不足,基于数值模拟计算结果,提出了一种考虑侧向变形影响的路基沉降计算方法,研究结果表明该方法有效减小了计算结果与实测结果之间的误差,可为考虑侧向变形影响的路基沉降预测提供理论参考。     

复合成层地层浅埋隧道开挖地表沉降规律分析

为探究本构模型对浅埋隧道开挖诱发地表沉降规律的影响,考虑摩擦性与临界状态土体本构模型,对复合成层地层浅埋隧道开挖诱发的地表沉降槽进行了分析.首先,基于PlAXIS 3D有限元平台建立砂-黏复合地层浅埋隧道数值模型,材料模型选用3类本构模型（莫尔库伦（MC）、修正剑桥（MCC）、硬化小应变（HSS））及其组合模型;其次,利用参数等值转换关系,深入探讨了本构模型的选取对隧道开挖地表沉降槽宽度与深度的影响;最后,结合经验公式计算并对比分析,研究基于3类本构模型及其组合模型的沉降槽数值模拟与经验计算结果存在差异的原因.结果表明：上、下地层均采用HSS模型时,最大沉降量及沉降槽宽度与经验公式的计算结果吻合度较高,最大沉降量相差不超过7.3 mm;上、下地层均采用MC模型时,出现地表隆起的不合理现象;下卧地层采用MCC模型、上伏地层分别采用MC模型和HSS模型,即采用MC-MCC模型和HSS-MCC模型时,其数值预测的最大沉降量高于经验公式计算值,达24.8 mm,而沉降槽形状相对于经验公式预测结果“窄而陡”;在针对HSS模型的参数敏感性分析中发现,若卸载再加载模量与初始剪切模量变化值为5%,将导...     

高速公路桥头段软基后期设计方案分析

桥头软基处理是高速公路建设施工中的关键技术之一.通过对某桥头采用的桩-网复合地基处理后的沉降观测及数据分析,结果表明,其路基的沉降速率收敛性较好,但考虑到可能存在的工后沉降,将原设计采用堆载预压法修改为预抛高方案进行处理.针对该工程的实际情况,分析推导出一种曲线拟合法中的三点法计算公式,该公式可很好地预测出工后沉降量从而求出预抛高值.该法简洁,计算简单,其结果能很好地满足施工要求,在工程上具有一定指导意义.     

软土地基沉降预测模型的对比研究

分析了指数曲线预测模型与双曲线预测模型。基于某实体工程的观测数据,分别采用指数曲线和双曲线进行了永久性土基沉降预测。结果表明,指数曲线预测结果相对保守;通过对截面的沉降预测表明,两种模型的后期预测结果存在较大差异,但预测的稳定性差别不大。     

既有桥桩对盾构引起地表沉降槽的变形影响

针对预测盾构开挖引起的地表沉降槽变形曲线,通常采用Peck公式或其修正公式,但该公式没有考虑邻近桥桩刚度对地表沉降槽变形的影响。采用Midas GTS NX建立三维有限元模型,分析不同桩径和桩-隧道间距对地表沉降槽曲线的影响,提出一种适用于预测盾构近距离侧穿桥桩时地表沉降槽的偏态分布曲线。以长沙地铁5号线圭塘站至高桥南站区间为工程背景,将有限元计算结果和现场实测值与偏态分布曲线值进行对比分析。研究结果表明：当L/D<1.8时,地表沉降槽变形曲线会呈现明显偏态分布,整体地表变形会在桩基附近出现“绕桩”现象。采用偏态分布曲线可以较好地预测邻近桥桩影响下盾构开挖引起的地表沉降槽变形,可为此类工况修建盾构隧道提供参考。     

青连高铁K104+080路基工后沉降预测

以青连高铁K104+080路基为例,通过设计合理的监测方案监测了路基不同部位的工后沉降、沉降速率和湿度,分析了路基工后沉降规律;基于监测数据采用GM(1,1)模型、神经网络模型和灰色神经网络模型进行了路基工后沉降预测,在验证预测效果的基础上基于灰色神经网络模型构建了路基工后沉降预测模型,明确了该路基的稳定状况并提出了路基工后沉降预警方法.研究结果表明:Ⅰ-1、Ⅰ-2、Ⅰ-3和Ⅰ-4监测点的工后沉降预测值在第45监测期以后增量很小,并分别收敛于5.19、4.96、4.71和4.47 mm,该路基将继续保持稳定状态;选取工后沉降量为主要预警指标,沉降速率为辅助预警指标,将高铁路基沉降预警等级分为Ⅰ、Ⅱ和Ⅲ级.     

软弱地基沉降规律及预测方法

控制路基沉降是保证高速公路建设质量的关键。选取常用的双曲线法、指数曲线法和灰色系统法对软弱地基沉降进行预测,对比分析三种方法预测的沉降量的大小,提出适宜的软弱地基沉降预测方法。结果表明：对于沉降观测值来说,灰色系统法与三点法和双曲线法相比,误差稍微有些偏大,但对于最终沉降量的预测。灰色系统法预测结果比较安全、可信程度高,因此,应用灰色模型预测软弱地基沉降具有良好的适用性。     

GM（1，1）模型在路基沉降预测中的应用

灰色模型法计算工作量小,精度高,基于灰色理论的灰色模型在公路路基沉降预测中得到了普遍的应用。以工程实际沉降观测数据为基础,建立GM（1,1）灰色模型,对模型的预测结果进行了分析,由此证实GM（1,1）灰色模型在路基沉降预测中具有可行性。     

基于自适应灰色模型的高速公路路基沉降预测

自适应灰色模型理论正确、精度合格,能够满足实际工程应用,将自适应灰色理论模型应用于高速公路地基的沉降预测同时用MATLAB编制自适应灰色模型预测程序,可以使应用该模型进行预测变得简便易行且方便移植。     

高速公路软土地基沉降灰色预测方法研究

根据高速公路软土地基沉降的特点,探讨了灰色预测模型G(1,1)的基本原理,并将其运用于沉降预测中,通过编程实现了该方法,并且获得了很好的效果.     

基于非等时序灰色模型的路基沉降预测

结合高速公路路基施工沉降观测数据,讨论了灰色系统理论和双曲线模型在公路路基沉降预测中的应用,并对等间隔的灰色模型GM(1,1)进行了改进,建立了任意时间间隔的非等时序改进灰色模型。通过具体工程实践,给出了灰色模型和双曲线模型对公路路基沉降量预测结果与实测结果的比较,结果表明灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

非等时距DGM(1,1)模型及其在路基沉降预测中的应用

传统路基沉降预测灰色模型往往采用将非等时距序列变换为等时距序列的方式来建立预测模型,建模过程较为繁琐。为此,本文另辟蹊径,通过引入新的序列累加累减生成运算,采用直接由非等时距序列构建预测模型的方式,以有效避免从非等时距序列到等时距序列转换的繁琐运算,提出了新的非等时距DGM(1,1)模型。在此基础上,应用最小二乘法获得新模型辨识参数值,并给出了其显著预测公式。最后,以某高速公路路基沉降预测为实例,说明了本文模型的有效性。     

高路堤侧向位移沉降特性分析

公路高路堤填筑期的变形包括竖向沉降变形和侧向位移.建立了基于等体积法的路堤侧向位移沉降模型,推导出的计算公式能准确简便的计算出沉降组成中侧向位移产生的沉降量.采用该公式对兰许高速公路试验段长达1a的沉降和侧向位移观测数据进行计算,结果表明：侧向位移产生的沉降量约占总沉降量的20%;侧向位移产生的沉降也并非瞬时能完成,而是延续相当长的时间;在沉降预测中,应充分考虑侧向位移产生的沉降对模型的影响.     

灰色预测在高铁路基沉降预测中的应用

以在建某高速铁路为背景,通过对路基沉降实测数据的汇总,根据沉降曲线形态及沉降速率的差异将其分为3类.对观测数据进行等时距变换,采用灰色理论GM(1,1)模型、双曲线法、三点法对工后沉降进行预测,并对灰色理论预测模型进行精度检验.选取堆载预压期的数据作为模型原始数据,通过与实测最后一期数据的对比,发现灰色理论预测结果更接...     

改进的BP神经网络在路基沉降预测中的运用

针对BP神经网络存在训练过程不确定的缺点,基于MATLAB建立改进的BP神经网络模型,该模型可克服BP神经网络模型在训练过程中收敛速度慢、易陷入局部极小点等缺点。结合实体工程实测数据,将该优化模型与指数曲线模型、双曲线模型、泊松曲线模型和Compertz模型对比分析,结果表明改进的BP神经网络模型在黄土路基沉降预测中精度最高,可运用于黄土路基的沉降预测。     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.