人工神经网络在预测高速公路路基沉降中的应用

人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中.重点介绍了ELMAN模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值.     

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.     

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。     

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.     

用人工神经网络预测高速公路软土地基的最终沉降

采用人工神经网络较强的非线性映射能力和学习能力,提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因而具有广泛的工程实用价值。     

运用灰色理论与人工神经网络预测公路沉降

介绍了灰色理论中的G（1,1）模型、BP人工神经网络模型和灰色BP神经网络模型;根据岳阳城陵矶进港道路管桩处理后的路基沉降实测资料,分别运用这三种模型进行沉降预测,并对预测结果进行了分析,比较了这三种方法预测沉降的效果。     

综合神经网络法及双曲线拟合法预测软基沉降

根据湿软地基的基本特性,通过预测沉降与实测沉降的对比,应用BP人工神经网络预测短期沉降。结合曲线拟合法建立了适合开封地区的路基沉降特性的双曲线模型,成功地预测了兰许高速公路的工后沉降。     

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。     

基于粘土地基的几种路基沉降预测方法的比较

基于粘土地基的路基实测沉降资料,采用曲线拟合法、人工神经网络法和灰色预测法,通过对比分析,探求实际沉降发展规律;研究这些预测方法的适用条件以及优缺点,为粘土地区实际工程变形预测提供参考。     

基于BP-ANN技术预测软基沉降研究

以某高速公路工程为依托,采用BP-ANN(BP人工神经网络)技术预测其软基沉降量。研究结果表明:模拟计算的数据合理,且相对传统的预测方法——一维固结理论法来说,精确度更高,实测结果验证了采用BP-ANN技术预测软土地基沉降量效果显著。     

高填方路基沉降龚帕斯模型预测方法应用研究

通过对高填方路基沉降变化的分析与研究,总结出其沉降变化的发展规律,建立了基于龚帕斯模型的路基沉降预测方法.结合工程实例,证实了龚帕斯模型能够很好地反映高填方路基的沉降变化过程,该模型预测结果与实测沉降值十分接近.     

神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量     

向量时序SVM-AR模型在公路软土地基沉降中的预测研究

为提高公路软土地基沉降预测的精度,提高工程的安全性,文中分别探讨了SVM模型和时序AR模型适用范围和特点,并结合2类模型各自优点提出SVM-AR模型。该模型用SVM模型预测趋势沉降量,用AR模型预测随机沉降量,然后组合获得预测沉降量。工程实例表明,SVM-AR比SVM模型预测结果更为准确,更好地反映公路软土地基沉降过程。     

ELMAN神经网络在公路软基沉降预测中的应用

文章根据公路软基沉降的基本特征,提出了一种基于人工神经网络(ANN)技术的软土地基沉降预测新方法。通过对由实测资料形成的数据样本的训练学习,建立了可用于预测软土地基沉降量的Elman模型。实例检验证明,该网络的学习是成功的,具有一定的可靠性和实用性。     

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。     

哈大客运专线桥梁墩台沉降观测与沉降预测

以哈大客运专线运粮河特大桥墩台沉降观测为背景.介绍了运粮河特大桥沉降观测的技术要求与观测方法.采用曲线拟合法综合分析了桥梁墩台的沉降变形趋势.运用灰色系统的新陈代谢GM(1,1)模型建立累积沉降的预测模型,预测结果表明该模型精度较高.可以用于累积沉降的预测,对今后的同类工程有一定的借鉴意义.     

Logistic-双曲线组合模型用于黄土高填方路堤沉降预测的研究

Logistic曲线模型与双曲线模型是工程中常用于沉降预测的两种模型。两种独立模型对黄土高填方早期沉降预测的效果较好,但是对于后期沉降、最终沉降量的预测误差较大。将二者合理组合后建立Logistic-双曲线组合预测模型,充分发挥了两种模型的优势。文章结合工程沉降监测试验,对Logistic-双曲线组合预测模型用于黄土高填方的沉降预测进行了研究。结果表明:组合模型与黄土高填方沉降的实测值拟合程度更好、一致性更高,预测精度、适应性均得到进一步提高,故而可以较精准地预测填方体最终沉降量。     

灰色理论在软土路基沉降分析中的应用

根据灰色理论建立GM(1,1)模型,得到时间响应函数及预测模型,据此对路基沉降过程和最终沉降量进行预测,其预测精度满足工程需要.     

MGM(1,n)模型在软土路基沉降预测中的应用

为提高高等级公路路基沉降预测的准确性,提出了一种由灰色相似关联度分析优选各个相关预测变量,构建灰色MGM(1,n)模型进行沉降预测的方法,可以更全面有效地利用工程监测数据.实例分析对比表明,这种方法比其他常用沉降预测法具有更高的准确性和可靠性.     

MGM（1,n）模型在软土路基沉降预测中的应用

为提高高等级公路路基沉降预测的准确性,提出了一种由灰色相似关联度分析优选各个相关预测变量,构建灰色MGM（1,n）模型进行沉降预测的方法,可以更全面有效地利用工程监测数据.实例分析对比表明,这种方法比其他常用沉降预测法具有更高的准确性和可靠性.