基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

神经网络在填石路基沉降预测中的应用

应用BP神经网络对填石路基沉降进行预测.建立BP趋势提取模型,用以代替常规BP算法中使用三次样条曲线插值的预处理方法,从而使BP预测模型能克服数据波动带来的干扰,大大提高了BP神经网络预测模型的预测效果.     

基于支持向量机与神经网络法的路基沉降预测对比研究

城市地铁车辆段整体道床区路基对工后沉降有严格要求。为保证路基沉降观测数据的可靠性,首先采用沉降观测异常数据判别方法,对沉降数据进行了预处理;根据路基沉降数据的特性,分别以支持向量机和神经网络法为核心技术构建了路基沉降预测模型,并通过工程实例详细介绍了预测方法与过程。对比分析表明:基于支持向量机和神经网络法构建的预测模型均有较好的预测精度;预测结果显示,依托工程路基沉降已基本趋于稳定,运营期不会发生较大的工后沉降,现有地基处理与路基填筑压实的施工方法是有效的。     

基于小波-神经网络的软土路基沉降预测方法

软土路基的沉降是公路施工中常见的一种病害。该文结合小波分析和神经网络的特性,提出了一种新的路基沉降预测方法(Wavelet-RBF)。分析表明,该方法具有较好的预测精度和泛化能力,可以用于工程实际。     

路基沉降趋势的组合预测方法研究

路基沉降的理论值与实际监测值通常存在较大偏差,对此,在详细论述四种常用的路基沉降预测方法的基础上,提出一种基于人工神经网络与灰色模型的组合预测方法,并结合工程实例的实测数据,证实了组合方法在路基沉降趋势分析中的有效性和合理性。     

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。     

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。     

使用人工神经网络预测冻土区公路路基沉降

冻土区公路路基沉降影响因素众多,预测难度大,针对目前传统的预测方法所面临的困难,应用人工神经网络理论,建立预估模型。分别对影响沉降的因素诸如气温,降水,交通量荷载进行预测,将前3个网络的影响因素变量的预测结果(即输出值)作为预测沉降的网络输入训练网络,得到冻土区公路路基沉降的预测值。使用这种方法,可以代替常规的力学数学方法,具有一定的适用性。     

高速公路路基沉降预测方法

介绍了传统沉降预测方法、数值分析预测方法和根据实测资料的沉降预测方法,通过对每一种预估方法的原理、优缺点和适用范围等全面了解后,认为对高速公路路基沉降的预测应根据实际情况和经验,灵活选用几种方法进行预估分析。     

基于广义回归神经网络的公路货运量预测方法研究

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述.采用广义回归神经网络(GRNN)对货运量进行分析及预测.通过对1995～2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004～2005年的实际数据进行模型检验,结果证明了GRNN用于货运量预测的有效性.     

基于支持向量机的多年冻土路基融沉变形预测

多年冻土路基热稳定性差,工后沉降量大,路基病害较为严重。如果能够准确预测该类路基的工后融沉值,就可为工程建设提供重要的参考依据,从而提高该类路基的路用性能。为此,在对现有预测模型应用效果分析的基础上,首次将支持向量机应用于多年冻土路基融沉变形的预测中,提出了一种有效可行的新型预测方法,并以实际工程为依托,构建了基于支持向量机原理的多年冻土路基融沉变形预测模型。通过与实测值及其它预测模型的对比分析表明：该模型在预测过程中有效的避免了“过拟合”及“维数灾难”,人为干预较少,具有预测精度高,泛化能力强,预测结果稳定的特点,成功的解决了多年冻土路基影响因素多,样本数量少等带来的预测难题。     

胶新铁路软弱土路基实测沉降与预测分析

基于胶新铁路路基沉降监测和预测研究,分析了试验段软弱土路基的实测沉降及其变化规律,并对各断面在通车前后的累积沉降进行对比,研究发现:在路堤自重作用下,路堤各部分土体均表现为沉降变形;线路上碴和铺轨阶段沉降较大;正式通车3个月后,路基在自重和列车动荷载作用下,沉降较大;选用不同的预测方法拟合同一工程的不同阶段,能得到更确切的沉降信息,使之服务于工程需要。     

路基沉降预测与计算方法综述

在路堤施工中,为了控制施工进度,指导后期的施工组织和安排,同时保证路堤的稳定与使用,需对路堤不同时刻的沉降及最终沉降量进行预测和计算。对于天然地基,其沉降预测和计算方法较多,且有各自的适用性。阐述了天然地基沉降预测和计算方法,以及各种方法的优缺点,可为类似路基工程设计提供参考。     

基于BP神经网络吹填土路基处理方式决策模型

针对吹填土路基处理技术决策中是否需要进行处理,是深层处理还是浅层处理的问题,基于BP神经网络构造了软土厚度、软土压缩模量、地表硬壳层厚度和吹填土路堤高4个参数的吹填土路基处理方式决策模型。通过BP神经网络模型进行学习、训练以及回判和预测,实现预测结果和实际处理结果基本一致。     

人工神经网络在预测软基沉降中的应用研究

依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型,利用已建高速公路沉降数据,进行了软土地基最终沉降量的预测,取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。     

路基沉降与稳定性的同步计算分析

基于Biot固结理论和强度折减思想,利用快速拉格朗日差分法,对高速公路路基沉降和稳定性进行实时同步数值分析。结果表明,施工期随着填筑高度的增加,地基沉降呈线性增大,路基边坡的安全系数逐渐减小;道路营运期,随着孔隙水压的消散,固结沉降累积最终趋于稳定,边坡的安全系数在施工完毕初期为最小。     

浅路基沉降模型研究

被广泛应用于路基工程中的土工合成材料具有较好的抗拉性能,可以提高路基整体稳定性,减小路基整体位移变形。对经典加固土模型进行了回顾,旨在说明不同模型对应的实际组分。通过路基结构稳定性的量化分析,得到了材料抗拉性能及其他属性对路基沉降的影响。并通过经典模型与实际工程的参数化联系,解决实际工程问题。