基于D-S证据模型的冻土区公路路基沉降监测技术

针对传统落锤式弯沉仪法无法大面积检测路面,沉降差大,导致监测效果不佳的问题,提出基于D-S证据模型的冻土区公路路基沉降监测技术。采用测定沉降值乘以经验系数法,计算主固结沉降和路基工后不均匀沉降数值,完成沉降监测仿真建模。通过构建等维信息模型,获取新的等维动态序列,对路基沉降进行预测。通过路基填筑、填料压实,实现路基沉降信息化监测。利用BP神经网络方法对路基监测稳定性进行鉴定,保证监测效果具有可靠性。由实验结果可知,基于沉降监测仿真建模的技术比传统落锤式弯沉仪法路基沉降监测差小3.7 cm,说明其监测效果较好。     

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...     

基于SA算法的灰色Verhulst模型在软土路基沉降预测中的应用

公路软土路基在施工完成后会产生较大的工后沉降,对后期的车辆通行有一定的影响,因此对软土路基的沉降预测进行了研究。根据实际工程中所测得的沉降数据,利用python编程语言的科学计算库,建立了非等时距灰色Verhulst模型。采用SA算法(模拟退火算法)对模型进行优化,求得模型参数的最优解和最终沉降量,给出了路基随时间变化的沉降预测曲线,并与传统非等间隔灰色Verhulst模型曲线进行了对比和误差分析。结果表明:经SA算法优化后的模型能更好地反映软土路基的沉降规律,可较好地应用于软土路基的沉降预测研究中。     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

基于灰色理论的公路沉降预测研究

以工程实测数据为基础,根据灰色理论中的数列预测理论,针对公路建设中路基沉降监测,建立灰色预测模型.根据预测结果与沉降实际测量数据的对比,分析了模型预测结果的合理性.同时讨论了所用灰色预测模型的特点及其在沉降监测中的应用.     

高速公路路基工后长期沉降稳定判别

随着高速公路建设的迅速发展,公路软基工后长期沉降问题日益得到重视,预测工后长期沉降和判别工后长期沉降是否稳定对高速公路养护和拓宽至关重要。文章提出了路基工后长期沉降稳定的标准,即:路基某时间段的实测沉降小于次固结沉降计算值、且实测沉降速率小于次固结沉降速率的计算值,并应用实际工程中;并对盐靖高速公路和启杨高速公路路基沉降观测资料进行分析,认为次固结沉降与主固结沉降之间呈线性正相关关系。     

不等时距GM(1,1)模型预测地基沉降研究

分别采用直线插值、三次样条插值、BP神经网络3种方法,用M ATLAB语言编制程序将不等时距序列转化为等时距序列,采用灰色理论预测沉降.由于BP神经网络强大的非线性映射功能,可以避免常规插值法所造成的一系列误差.实际工程应用结果表明,利用直线插值、三次样条插值和BP神经网络与灰色理论联合建模所得的预测值与实测值的最大相对误差分别为17.2%,5.9%和4.6%.由此可见BP神经网络和灰色理论联合建立的GM(1,1)模型用于预测路基沉降最为精确.     

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。     

CFG桩网结构地基加固处理路基变形规律研究

以武广客运专线典型路基断面为例,对路基沉降变形进行监测,结合实测沉降曲线对沉降规律进行探索,并利用曲线拟合法对路基沉降进行预测.预测结果表明:CFG桩复合地基剩余沉降最大值5.6 mm;双曲线法预测的沉降曲线与实测数据比较接近;路基的工后沉降与填土高度存在一定的相关性.     

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。     

黄土沟壑区湿软路基沉降预测模型

为合理考虑路基沉降预测时诸多影响因素的不确定性与随机性,提出基于神经网络范例推理的路基沉降预测模型。以同类工程的成功经验为基础,建立了基于神经网络的沉降范例检索模型,在范例相似度计算中,引入归一化效用函数,通过神经网络的学习,建立当前沉降范例与沉降源范例之间的相似关系,最终实现当前沉降范例的沉降预测。对黄土沟壑区湿软路基沉降预测结果表明,该模型具有较高的预测准确性,预测值与实测值绝对误差小于10%。     

多模式路基沉降预估方法在土石混填路基沉降分析中的应用

土石混填路基为山区、丘陵区路基填筑的基本形式,路基施工期的沉降及工后沉降可以采用多种沉降预测模型进行一定时间段内的沉降预估。由多种沉降预估模型预测结果可知,Morgan-Mercer-Florin函数法预测结果与实测值比较接近,能够有效提高路基工后沉降预估的准确性。     

基于改进灰色Markov模型的建筑物沉降量预测

为了对地铁车站深基坑施工过程引起的周边建筑物沉降进行预警,利用改进的灰色Markov模型,预测地铁车站施工过程中周边建筑物的沉降量。首先,基于实测数据,采用改进的灰色模型对建筑物沉降趋势进行预测;其次,将实测数据与预测数据的相对误差作为Markov误差修正的初始数据序列,进行状态区间划分并结合Markov转移概率矩阵和误差修正公式对预测数据进行修正,确定最终预测值;最后,基于小误差概率、后验差比值和相对误差分析,对改进后的灰色Markov模型与改进的灰色模型的预测精度进行对比分析与评价。研究结果表明：与改进的灰色模型相比,改进的灰色Markov模型预测的相对误差从4.2%降到2.1%。     

GM(1,1)预测模型在路基沉降中的应用

为了控制老路拓宽中的差异沉降,需要对新路基进行沉降预测.取沉降观测点在相同观测时段内的沉降量为原始序列,将其作1次累加生成1次累加序列,根据GM（1,1）模型建立灰色微分方程,解微分方程可得方程的时间响应序列,并采用后验差法对模型的可靠性进行了检验.通过对贺家坪连接线新路基的实测沉降数据的分析,证明将灰色预测模型GM（1,1）应用于预测路基的沉降量是可行的.在实际运用过程中,应不断代入新近的实测数据,以获得更准确的结果.     

基于LSTM网络模型的高速公路软基长期沉降预测

LSTM网络模型相较于一般曲线拟合方法具有容错性好、记忆功能强等显著优势,可有效识别并保存已有数据中的隐藏信息特征.基于以上优势,构建针对高速公路路基长期沉降预测的LSTM神经网络模型,进一步利用高速公路路基长期沉降特征的时序化特点,基于LSTM神经网络模型对其进行预测,结果表明:所构建LSTM模型可有效表征高速公路路...     

高速铁路路基沉降的控制和变形监测

介绍了石武客运专线河南段SWZQ-2标段路基填筑工程中减少路基沉降的控制措施,路基变形监测的目的、项目和方法。施工过程中严格控制地基处理的施工质量和路堤的填筑质量,通过堆载预压以及所得到的路基沉降变形监测数据,分析推算总沉降量、工后沉降值、后期沉降速率、最终沉降完成时间等,使路基工后沉降满足规范的要求,取得了满意的效果。     

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。     

����ģ����ϵ���·��װ������Ԥ��

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.     

高速铁路路基不均匀沉降的动力学识别

高速铁路路基不均匀沉降直接影响列车的动力特性.本文建立了车辆轨道路基空间耦合动力学模型,对沉降区车体振动、轮轨力、钢轨加速度和轨道板加速度等动力特性进行了分析.在车辆动力响应和轨道动力响应中,车体垂向振动加速度受路基不均匀沉降影响最为明显,且最有规律可循.将车体垂向振动加速度作为输入量,基于RBF神经网络对路基不均匀沉降的弦长和幅值进行识别,通过网络逼近性能和输出结果的训练不断优化神经网络模型,最后可得预测效果误差小于2％,可用于路基不均匀沉降的识别.     

基于模型组合的铁路集装箱运量预测

根据铁路集装箱运量预测受到多因素影响以及非线性的特点,本文采用灰色关联分析法选取了影响集装箱运量的主要因素,提出了一种基于非线性灰色模型和神经网络模型组合的铁路集装箱运量预测方法. 该方法将非线性灰色预测模型的预测值作为输入,相应的实际集装箱货运量作为输出,建立了神经网络模型结构,并提出了相应的算法. 最后以实例分析了该模型的可行性和科学性. 实例分析表明：非线性灰色模型预测的最大误差为10.52％,而组合模型的预测误差最大为8.72％,说明文中提出的组合预测模型充分考虑了多指标的共同作用,灰色预测模型提供了较完善的输入数据,神经网络模型考虑了各主要指标的关联关系.