路基沉降变形观测与灰色预测模型研究

介绍了客运专线路基沉降观测的方法,根据灰色理论预测的基本原理,建立了等时距的灰色GM（1,1）型Verhulst和灰色模型,对京沪高速铁路DK0＋240典型断面的路基沉降进行实例预测,并运用相对误差法对预测结果进行精度检验,分析了灰色理论模型对客运专线路基沉降的预测效果。     

高速铁路路基施工期沉降量的灰色预测模型及应用

为正确估算高速铁路无碴轨道路基施工期的沉降量,以京津客运专线工程为例,分别采用传统灰色预测模型和修正灰色预测模型对路基的沉降变形进行预测.研究结果表明:一方面,因为修正灰色预测模型对原始资料中已有信息的利用更加充分,所以,模型的精度更高;另一方面,修正灰色预测模型突破了传统灰色预测模型等间隔时序系统的限制,拓宽了模型在实际预测中的适用范围.因此.在实际应用中,推荐采用修正的非等时距灰色预测模型.     

基于灰色系统理论的铁路客运专线路基沉降预测

基于灰色预测模型GM（1,1）模型、离散灰色预测DGM（1,1）模型和非线形离散灰色预测NLFDGM（1,1）模型,采用FORTRAN语言,编制了路基沉降预测程序GREYMODEL。将该程序应用于铁路客运专线路基典型断面沉降预测,并与实测结果进行对比。结果表明：DGM（1,1）模型作为GM（1,1）模型的离散形式,两种模型的预测结果比较接近,短期预测精度高,中长期预测精度低;结合等维信息建模,非线形离散灰色预测NLFDGM（1,1）模型具有极高的精度和稳定性,在路基沉降预测中推荐使用;并提出了若干关于提高灰色模型预测稳定性和精度的建议。     

深厚软土地基上跨浅埋地铁桩板结构施工技术研究

桩板结构具有强度高、刚度大、稳定性好、沉降小等特点。沪杭客运专线DK5+344.8～DK5+374.8段为上跨浅埋地铁深厚软土路基,采用桩板结构处理此段特殊路基。对施工难点进行分析,深入研究桩板结构路基的施工技术,包括施工控制要点、施工工艺和施工流程等。采用全套管钻孔桩施工工艺,对桩板结构钻孔桩桩底进行注浆加固,基坑开挖与混凝土浇筑施工按分部、分段进行,同时采用硬化施工场地等措施。工程实践表明,桩板结构新技术、新工艺的应用,满足了深厚软土地基沉降控制要求。     

堆载预压情况下基底土质对路基沉降影响的分析研究

以京沈客运专线安匠站的两段堆载预压路基工程为依托,搜集堆载预压期间的沉降监测数据,建立双曲线模型和灰色系统GM(1,1)模型,对该路基沉降进行预测分析。结果表明,该段路基沉降已达到相对稳定,基底粉质黏土较其他土质压缩模量更小,在堆载预压载荷下会产生更大的沉降量,并且达到稳定的时程较其他土质更长。     

基于最小二乘支持向量机的高速铁路路基沉降预测

高速铁路路基的施工环境复杂,沉降监测数据往往是不等时距的.鉴于最小二乘支持向量机拥有强大的非线性拟合能力,使用最小二乘支持向量机建立沉降与时间的关系函数,以等时间步长插值得到路基的等时距沉降时间序列,建立基于最小二乘支持向量机的高速铁路路基沉降预测模型.分别运用给出的预测模型和BP神经网络与灰色理论联合方法对杭甬铁路客运专线上虞北站5个路基沉降监测断面进行路基沉降预测,并与现场实测数据对比.结果表明,短时距的最小二乘支持向量机预测模型比BP神经网络与灰色理论联合方法的预测精度高,预测结果更稳定,外推预测沉降更可靠.     

高速铁路路桥过渡段地基沉降测试与预测方法研究

以津秦客运专线路桥过渡段路基沉降测试为例,利用BP神经网络方法和灰色系统法研究了路桥过渡段沉降预测问题。计算实例表明,神经网络法和灰色系统法短期沉降预测结果比较准确,简便易行,因而具有广泛的工程实用价值和应用前景。     

客运专线路基工程沉降观测实施技术

以郑西客运专线DK29 657-DK35 000段路基工程施工为例,介绍了客运专线路基沉降观测内容和一般规定,观测断面和观测点的布置原则,沉降观测的频度和观测精度要求,分析评估方法和判定标准,以及沉降变形监测网的建立及测量技术要求.     

软土地区客运专线路基沉降的监测技术与预测方法

以沪宁城际铁路为工程背景,详细介绍了软土地区客运专线路基沉降监测的技术,以及基于实测的沉降监测数据对工后沉降进行预测.分析了不同预测方法对软土地区路基工后沉降预测的可行性和适用性,并提出了适合于软土地区客运专线路基工后沉降的预测方法.     

基于FPSO灰色Verhulst模型的铁路货运量预测

为提高灰色Verhulst模型的预测精度,采用粒子群算法对灰色Verhulst模型的参数值进行优化,利用滑动窗对原始数据序列进行动态更新,使用Fourier序列修正模型的误差,提出FPSO灰色Verhulst模型预测铁路货运量的方法。以平均绝对误差、均方根误差、平均相对误差为评价指标,采用传统灰色Verhulst模型、GM(1,1)、径向基神经网络、FPSO灰色Verhulst模型分别对具有增长趋势、摆动发展以及交叉发展趋势的铁路货运量进行预测。结果表明,FPSO灰色Verhulst模型能更好地反映铁路运输过程中的突变因素,是一种减少误差、充分利用新生数据、提高预测精度的有效方法。