南昌富水砂层渣土改良技术研究

以南昌地铁4号线3标段富水砂层为研究对象,对渣土改良试验进行分析,通过坍落度试验评价渣土改良效果;研究不同泡沫、膨润土泥浆及高分子聚合物注入率对改良后渣土流塑性影响,并确定不同改良剂最优掺量区间,提出富水砂层渣土改良技术方案,解决在盾构开挖掘进时容易造成螺旋机喷涌、掌子面压力不稳定以及刀具磨损等问题     

富水砂层土压平衡盾构渣土改良试验研究

富水砂层由于其高渗透性、高含水率及高摩擦角等特性,在盾构开挖时常面临喷涌、刀具磨损严重及掌子面压力不均等难题。依托南昌地铁4号线七里站至民园路西站高渗透富水砂层区间隧道工程,为确定最优膨润土泥浆改良参数,通过室内试验测试膨润土泥浆性能及渣土改良,确定合理膨润土泥浆黏度和盾构膨润土泥浆性能参数及高承压水砂层改良方案。研究结果表明：采用膨润土泥浆配比为1∶8,对应黏度约为22 mPa·s,改良效果较好;砂土中含水量可促进膨润土泥浆改善渣土流动性;对上述膨润土泥浆配比,当膨润土泥浆注入率为10%、聚合物注入比为1%时,改良后的渣土具有很好的流塑性和较低的渗透性。现场渣土改良结果也表明,采用上述渣土改良方案,可以有效降低刀盘扭矩和盾构机总推力、提高盾构掘进速度。     

基于盾构掘进效果的富水砾砂地层渣土改良试验研究

为解决土压平衡盾构在富水砾砂地层中掘进时螺旋输送机出口易发生喷涌的难题,依托昆明地铁4号线盾构隧道工程,开展富水砾砂地层渣土改良研究。首先通过大型渗透试验评价地层的渗透性,然后对试验段内每环的渣土进行坍落度试验,分析渣土改良对盾构掘进参数的影响,检验并评价渣土改良的实际效果,进而给出昆明地区富水砾砂地层的合理改良建议。研究结果表明： 1）昆明地区砾砂土的坍落度与含水率呈明显的正相关关系,而其渗透系数随测试时间的增加而降低,在2 h后减小为0; 2）塑流性较好的渣土对应着较低的刀盘转矩、推力和较高的掘进速度; 3）通过对掘进参数的分析可知,坍落度达到5~10 cm即可满足施工要求。     

使用聚合物对纯砂层进行渣土改良的试验研究

土压平衡盾构在不同的地层进行渣土改良的关键是选择合适的改良剂,纯砂层施工中最常用的改良剂就是膨润土泥浆,目前已开始尝试使用聚合物进行改良。本文选取3种典型的聚合物,研究聚合物溶液特性与聚合物浓度、搅拌时间和静置时间的关系,并选择合适的聚合物对粗砂试样进行塌落度试验、渗透试验和直剪试验的室内试验研究。研究结果表明,针对粗砂地层(含水率10%左右),0.3%的PAM聚合物溶液注入率为20%~25%时,能有效增强粗砂的流动性和黏聚性,降低渗透系数和摩擦因数,满足土压平衡盾构施工要求。     

富水砂卵石地层盾构施工渣土改良研究

针对成都地铁富水砂卵石地层中盾构施工渣土改良进行了室内试验研究,初步得出适合于该地层渣土改良剂的种类和配比,并通过现场应用确定砂卵石地层盾构施工渣土改良的合理配比,为其他类似地层盾构施工渣土改良提供一种参考。     

富水圆砾地层盾构渣土改良技术研究

为解决土压平衡盾构在富水圆砾地层中渣土不易改良及易喷涌问题,采用昆明地铁4 号线圆砾土作为试验材料,以膨润土泥 浆、羧甲基纤维素(CMC)与聚丙烯酰胺溶液(PAM)作为主要改良材料,泡沫作为辅助改良材料开展室内改良渣土坍落度和常水头渗透性试验。试验结果表明: 1)在塑流性方面,仅用泥浆或泥浆与CMC 混合改良时,圆砾土流动性过大; PAM 加入到泥浆改良渣土中时,能够提高渣土的塑流性; 泡沫的掺入对泥浆和PAM 共同改良渣土的塑流性无影响。2)在渗透性方面,CMC、膨润土泥浆和PAM 均可有效改善渣土渗透性,且渗透系数随着注入比的增加而增大; 泡沫的掺入对泥浆和PAM 共同改良渣土的渗透性无影响。根据试验结果可知: 当地下水头约为25 m 时,可将膨润土泥浆配比1 ∶ 4(1%CMC)、膨润土泥浆注入比(BIR)= 25%、PAM 注入比(PIR)= 12. 5%、泡沫注入比(FIR)= 20%或膨润土泥浆配比1 ∶ 3、BIR= 25%、PIR= 7. 5%、FIR= 20%作为此圆砾地层的渣土改良参数。     

基于BP神经网络的浇导混凝土融冰效果预测

为准确预测浇注式导电沥青混凝土的融冰效果,基于300组试验样本数据,以环境温度、结构层厚度及通电时间为输入层,以融冰体积为输出层,建立了BP神经网络浇注式导电沥青混凝土融冰效果预测模型,并采用Pearson相关性检验方法验证了预测模型的准确性。结果表明:不同环境条件下,BP神经网络预测模型的相对误差在2.1%以内,其相关系数R介于0.995 5~0.996 5之间,拟合优度R~2介于0.991 0~0.993 0之间,预测结果准确、可靠性强。     

基于BP神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制提供了一定的依据。     

基于BP神经网络的福泉高速公路车流量预测

高速公路车流量预测为高速公路管理企业对减轻高速公路的拥堵情况、改善高速公路的通行能力等方面提供了不可或缺的数据基础,也对其未来收益提供了参考。论文以福泉高速公路为研究对象,选择BP神经网络进行预测;其次分析车流量预测的影响因素,确定神经网络的输入和输出变量的数据类型、确定BP神经网络的层数及各层神经元的数量、各参数值,利用MATLAB构建完整的BP神经网络预测模型,最后收集样本数据,进行数据的预处理,利用样本数据对神经网络进行训练,包括训练完成后输入已知数据,进行实时预测,通过MATLAB进行仿真,证实方法可行有效,得到的结果证明BP神经网络的结构和参数值都是比较合理的,可以较好模拟现实环境,进行比较准确的预测。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于BP神经网络的储粮安全预测模型研究

介绍BP神经网络在储粮安全预测模型方面的应用情况,根据粮情样本数据建立了储粮安全预测BP神经网络模型,通过已有的粮仓温度、湿度,粮食水分和害虫数据预测储粮的安全状况,及时为粮情测控系统的控制策略提供可靠依据.     

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。     

基于BP神经网络的AGV防撞预测方法研究

在AGV(Automated Guided Vehicle)运行过程中,建立BP神经网络预测模型,对周围环境的智能移动体的运动轨迹进行综合动态预测和评估,结合纳什均衡理论建立移动机器人运动决策模型,使得AGV在运行过程中建立类人判断的能力即考虑AGV和其他移动智能体的相对位置的关系,对其他的移动智能体的预测价值可以有效的评估。文章通过构建动态博弈模型求解灰色碰撞概率,可以高效的为AGV防撞提供合理的参考。     

基于BP神经网络的锂电池剩余寿命预测

准确的电池状态估算与剩余使用寿命预测能让用户及时获取电池信息并更新失效电池,保障整个电池组的安全高效运行.文章为精确地预测锂离子电池剩余寿命,引入了BP神经网络算法,并利用NASA电池循环寿命实验数据进行验证.     

城市盾构隧道施工地表沉降BP神经网络预测应用研究

基于成都轨道交通17号线明光站—九江北站区间的相关监测数据,采用了回归分析方法,利用Matlab拟合Peck法中的相关参数,对DK68+849,DK68+869断面的地表沉降进行了预测分析。同时,通过建立BP神经网络模型,调整相关的网络设置参数来调整模型的MSE值,最终得出最佳预测模型,利用训练出的BP神经网络模型对地表的最终沉降量进行了有效的预测。     

基于BP神经网络方法的岩溶隧道突涌水风险预测

为了准确预测岩溶隧道突涌水风险等级,以降低隧道施工过程中突涌水事故的风险,在参考相关文献的基础上,统计研究及综合分析岩溶隧道水文地质条件,选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下,影响因素的权重有较大差异,为避开影响因素权重分析,运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上,结合超前地质预报,优化隧道施工开挖支护方案。在工程应用中,运用BP神经网络方法,对某隧道进行突涌水风险评估,结果与实际施工情况较一致,并结合超前预报提出合理的支护方案,避免了隧道突涌水事故的发生,以期为岩溶隧道突涌水风险预测提供借鉴。     

基于BP神经网络隧道施工岩爆预测研究

通过综合分析和对以往岩爆判据的研究,将影响岩爆的因素分为三类:围岩岩性、初始地应力、开挖扰动。选取能反映以上三类岩爆因素的4种指标作为岩爆的预测参数,实现了岩爆的多因素预测:利用BP神经网络方法对信息进行大规模处理的能力及很强的鲁棒性和容错性,解决隧道岩爆及其多种影响因素之间关系复杂难以表达、各因素权重的分配不合理问题,实现了根据先验岩爆案例预测未来岩爆情况的目的。在预测模型计算方法的实现上,利用已相当完善的数学软件——Matlab及其神经网络工具箱。计算结果与施工实践对比表明:用该方法及模型进行岩爆预测是可行有效的。