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。     

软土地区超大断面矩形顶管施工地表沉降分析

依托上海市某矩形顶管工程实测数据,对超大断面矩形顶管施工引起的地表轴线沉降、剖面沉降和随顶进里程变化特点等进行了分析,提出了矩形顶管施工沉降控制要点.同时,结合实测数据探讨了 Peck公式在超大断面矩形顶管沉降预测中的适用性,为同类工程沉降槽宽度系数、地层损失的取值提供经验参考.     

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。     

软土地层矩形顶管隧道工后地表沉降计算方法研究

矩形顶管隧道施工会使周围土体产生扰动,进而引起超孔隙水压力,导致施工结束后继续产生固结沉降,对周围环境造成危害。采用Peck公式计算矩形顶管在施工阶段引起的地表沉降量; 运用应力释放理论和应力传递理论,推导出矩形顶管隧道周围土体中任意一点的超孔隙水压力计算公式,采用分层总和法计算土体初始超孔隙水压力消散引起的工后地表固结沉降量;二者叠加得到工后地表总沉降量。提出固结开始t时刻的地表总沉降量计算方法,研究了地表沉降和地表沉降速率随时间的变化规律。算例分析结果表明： 本文方法计算得出的沉降速率在施工结束后3个月内最大,之后迅速减小; 横向地表固结沉降曲线和总的地表沉降曲线均符合正态分布规律。     

顶管施工地表沉降数值模拟分析

随着城市人口的不断增长,城市地下空间的发展程度不断提高,顶管法在城市地下空间地下管道（包括排水管道、电力管道等）的建设中得到了广泛的应用。现结合顶管技术的特点,分析了顶管技术在城市地下排水管道施工过程中可能出现的施工技术难点和重点问题,并提出了一些处理措施。并以某市顶管排水管道施工实际工程为例,结合数值模拟手段,详细介绍了不同顶管施工技术在此类地质条件下的施工特性,包括土压型平衡顶管技术、泥水型平衡顶管技术、气压型平衡顶管技术,得出泥水型平衡顶管更适宜此类土层施工的结论。     

康定机场高填方地基工后沉降的BP预测

采用Matlab自带的BP神经网络工具箱函数建立神经网络预测模型,并对康定机场高填方地基工后沉降量进行预测。结果表明,所建模型预测与实测吻合较好。     

曲线顶管施工引起的地表变形预测研究

为了研究曲线顶管施工引起的地表变形,通过分析拱北隧道管幕工程曲线顶管现场实测数据,得出曲线顶管地表沉降槽的偏移曲线;在现有Peck和Loganathan地表变形计算公式的基础上,考虑曲线顶管与隧洞的相对位置对沉降槽偏移量的影响,得出经过沉降槽偏移修正的Peck和Loganathan地表变形预测公式。结果表明:1)曲线顶管施工引起的地表沉降槽曲线表现为非对称,最大沉降点可能出现在轨迹弯曲内侧,也可能偏向外侧;2)曲线顶管与隧洞相对位置引起的土体损失变化是造成沉降槽偏移的主要原因,相对位置与顶管穿越地层性质、顶进力、注浆压力和轨迹曲率半径等因素有关;3)修正的Peck公式可以较好地反映砂层和淤泥质土层中曲线顶管施工地面沉降槽偏移效应和最大沉降量。     

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神经网络的高速公路地基变形的预测

介绍并举实例说明人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法,对软土地基变形进行预测具有较大的优越性。     

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。     

基于BP神经网络的富水砂层渣土改良试验效果预测

在地铁隧道建设过程中,渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进,以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集,根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分,基于BP神经网络建立渣土改良效果的预测模型,对南昌地区富水砂层进行渣土改良效果预测,并将预测值和实际值进行对比分析。研究结果表明：坍落度、渗透系数、内摩擦角在模型学习过程中的平均预测值分别为1728 mm、3355×10-6 cm/s、216°,相对误差平均值分别为176%、453%和360%; 预测集的输出结果与实测值的部分数据重合,三者的平均误差均在5%以内,可决系数R2值分别为088、090和085,表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内,可见BP神经网络模型能够对渣土改良的效果进行精准预测。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。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。     

遗传BP算法在预测深厚软基沉降中的应用

依托某高速公路应用塑料排水板堆载预压法处理深厚软基的工程实践,运用皮尔-遗传神经网络对其沉降观测结果进行了分析、预测。结果显示,预测精度高。     

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。     

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。