季节性冻土区路基差异性沉降控制

分析了季节性冻土区域的路基温度分布情况,从大气温度和地表温度出发,得出沿路基深度的温度分布规律;研究了影响道路路基差异性沉降的地质条件和因素,探究温度、冻土类型、路基处理方式等对差异性沉降的影响;通过研究结果汇总,提出了季节性冻土道路路基沉降的预防措施,有效抑制了沉降的产生。为今后季节性冻土道路路基沉降的设计施工提供有益参考。     

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。     

青藏公路冻土路基沉降的模糊综合评判

影响青藏公路冻土路基稳定性的因素较多，但路基稳定的主要问题是路基的总沉降变形。本文就冻土路基总的沉降进行其影响因素的模糊综合评判，为预报路基工程病害、进行工程改建和整治设计服务。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

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。     

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。     

青藏铁路冻土区路基趋于稳定

通过青藏铁路冻土区段沿线建有的铁路冻土区工程长期观测系统，监测人员对接收的数据进行分析表明，全线开通近一年来。在热棒、碎石护坡、通风管等多种技术防护措施集中使用的地段，冻土路基下沉、开裂等病害发生较少，冻土区路基正逐步趋于稳定，达到了理想效果。     

BP算法在公路软土路基沉降监测中的应用

公路软土路基沉降监测通常采用传统的算法,由于传统算法主要根据人的经验判断,主观性强,且费时费力.提出了一种基于BP算法及相关理论,在公路软土路基沉降监测实体工程中进行了应用与分析,对软土路基沉降观测数据进行简化处理,提高了沉降观测的准确率和工作效率.结果表明:BP算法的理论值与实际观测值相比误差较小,处于0～1范围内,...     

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.     

软基路堤最终沉降的人工神经网络预测

针对软基土路堤最终沉降预测这一技术难题,先对影响路堤最终沉降的主要因素进行了分析,接着提出了带偏差单元的神经网络模型。工程实例验证表明:该模型预测精度高、简便易行,可为软基路堤沉降的预测和计算提供方法上的参考。     

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。     

人工神经网络在汽车变速器齿轮故障诊断中的应用

本文通过对神经网络的研究，提出了基于神经网络的故障诊断方法，并以汽车变速器齿轮诊断为例，建立齿轮状态的分类网络，对齿轮状态进行诊断识别。经过验证表明该方法具有效的。     

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。     

湿陷性黄土场地强夯夯沉量的预测

以湿陷性黄土地区的大量强夯工程实例为对象,分析、选择了影响夯沉量的五大主控因素作为BP神经网络模型的基本特征量,建立夯沉量与其之间的相关关系的BP网络模型,对夯沉量进行了预测分析。结果表明:BP神经网络模型能真实反映强夯夯沉量与主控因素之间的非线性关系,预测结果与实测值之间的相对误差小于10%,用该模型对强夯夯沉量进行预测是有效的。     

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。     

基于遗传神经网络的再生沥青混合料性能预测研究

以matlab为平台,分别应用BP神经网络和遗传算法优化的BP神经网络对再生沥青混合料的性能进行预测。以旧料掺量、油石比等8个影响因素作为输入层,以动稳定度、残留稳定度等5个性能指标作为输出层,将28组归一化处理后的试验数据进行神经网络的训练、验证和测试。结果表明:遗传算法优化的BP神经网络预测表现出更加精准的预测效果。将遗传算法优化的BP神经网络应用于工程实践中,再生沥青混合料性能预测可以大大提高试验科学性和预见性。     

基于BP神经网络的高速公路服务区车辆驶入率预测

为科学度量高速公路服务区车辆驶入率,在分析服务区车辆驶入率影响因素的基础上,构建了基于BP神经网络的服务区车辆驶入率预测模型。以新郑服务区为实例,验证预测模型的可行性及确定石武高铁对新郑服务区车辆驶入率的影响程度。验证结果显示,该模型具有可操作性及可靠性。     

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。