考虑实测数据新旧程度的工后沉降单项模型预测方法

工后沉降预测是建筑物地基或路基安全性与加固维护方案决策的重要依据。因此,为了获得更加合理而简单实用的单项模型工后沉降预测方法,本文针对实测沉降数据新旧程度对地基沉降预测效果的影响,引入新鲜度函数,对单项预测模型沉降计算值与实测值之间的误差描述方法进行改进,从而建立出单项预测模型拟合分析的新型目标误差函数,并在此基础上,提出了基于实测沉降曲线的拟合分析确定地基单项沉降预测模型参数的新方法,进而提出了反映实测沉降数据新旧程度影响的单项模型工后地基沉降预测新方法。它既不失传统单项模型沉降预测方法简单实用的特点,还能明显改善地基沉降预测的效果。     

基于数据新旧程度和预测取值区间调整的沉降组合预测方法

工后沉降预测是建筑物地基或路基的安全性评价及其加固维护方案决策的重要依据。为此,引入组合预测思想,首先通过探讨实测沉降数据新旧程度对工后沉降预测效果的影响规律,引入新鲜度函数,建立出考虑实测沉降数据新旧程度对沉降预测影响的分析模型;其次,通过研究沉降组合预测可能取值的变化规律,引进平行修正的思路,建立出有利于提高沉降组合预测精度的组合预测可能取值区间的调整方法;然后,在此研究基础上,提出了同时考虑实测沉降数据新旧程度和组合预测可能取值区间调整,对沉降预测效果影响的改进工后沉降组合预测新方法。最后,通过工程实例计算与比较分析,表明了改进的工后沉降组合预测方法的合理性与可行性。     

高速铁路深厚软基连续薄板梁结构测试分析

在深厚软土地基上修筑无砟轨道高速铁路低矮路基,需要重点解决好软土地基工后沉降和长期动力稳定性问题.软土地基具有高压缩性,路堤荷载作用下会产生较大的残余沉降;同时,线路运营后,地基土在高速列车长期循环动荷载作用下易产生较大的塑性变形,二者耦合将严重影响到无砟轨道的几何状态和线路运营安全.基于此,在京沪高速铁路上海虹桥深厚软土地区低矮路基中,首次采用了桩基-连续薄板梁结构型式,并进行了系统的静动态监测、测试.结果表明,该结构工后沉降控制效果良好、长期循环荷载作用下性能稳定,可以满足高速铁路铺设无砟轨道和高速列车长期平顺运行的要求.     

黄土高填方场地工后沉降预测模型性能评估方法

工后沉降预测结果是黄土高填方场地变形稳定性评价和建筑物规划布局的重要参考依据。为遴选适合黄土高填方场地的工后沉降预测模型,基于某典型黄土高填方工程的实测沉降数据,分析了工后沉降曲线的变化规律和发展趋势,建立了17种回归参数模型,提出了模型预测效果的评价指标和方法。结果表明：（1）该工程填方区工后沉降历时曲线呈“缓变型”变化,土方填筑完工初期无陡增段,随时间增加沉降速率逐步降低,尚未出现沉降趋于稳定的水平段;（2）将外推预测误差、内拟合误差和后验误差比最小化作为综合控制目标,可遴选出理想的回归参数模型;（3）MMF模型（Ⅱ型）和双曲线模型具有较高的预测精度、较好的稳定性和较强的适应性,在17种模型中的预测效果最佳;（4）沉降数据的变化越平稳,模型预测效果越好;（5）增大建模数据的时间跨度,会提升预测精度,但增大至一定值后,预测精度提升效果不再显著。     

铁路客运专线路基沉降预测的新方法

路基的工后沉降控制是高速铁路建设的重要问题之一,利用铁路客运专线路基现场观测数据,找出相应的路基沉降规律有利于指导设计与施工。在分析武广铁路客运专线路基大量数据的基础上,将三点法的基本思想引入到双曲线模型,建立了基于双曲线模型的三点法。其具体做法是：在实测沉降曲线上选取3个适当的点作为预测样本,代入双曲线模型进行预测。为了检验新方法,运用常用的双曲线方法、三点法、Asaoka法、星野法、泊松曲线法进行对比分析,并且提出了新方法的取点控制条件。研究表明：基于双曲线模型的三点法的预测误差小、相关系数高、与实测数据吻合较好,具有一定的实用价值,为铁路客运专线无砟轨道铺设的沉降预测问题提供了参考。     

黄土路基沉降量预测方法的研究

归纳对比了评估指南所提出的几种常用沉降预测模型的优缺点,提出检验任一拟合方法是否是通过实测沉降数据预测最终沉降量的最优方法,除检验其拟合精度外,还必须检验其预测精度,并基于所提出的拟合指标及预测指标,分析郑西客运专线实测数据后提出了适用于黄土路基沉降预测的预测方法。并根据组合预测的思想,通过加权系数调整各单一预测模型的比例,基于最小二乘法进行求解,建立了组合预测模型。探讨了其拟合及预测精度,指出使用组合预测模型可综合利用各种方法所提供的信息,有效地减少单个预测模型受随机因素的影响,较大地提高预测精度,其拟合精度比任何单一预测模型高得多。但用其预测之前,必须将参与组合的模型进行筛选,预测精度与所选取的筛选准则是否合理息息相关,如何选择一个比较合理的筛选准则使得在保证被筛选用于最优组合模型的预测模型其权系数均大于0的前提下,误差平方和最小,仍需进一步研究。     

基于递归图理论的沉降时间序列可预测分析

在实际沉降监测中,由于不确定性因素的影响,导致基于实测沉降数据的工后沉降预测误差较大。采用递归图和递归定量分析方法对沉降时间序列的可预测性进行分析,选择出预测效果好的沉降时间序列,进行准确的工后沉降预测。通过对无砟轨道整体道床的沉降时间序列进行可预测性分析得出:（1）沉降时间序列具有混沌特性;（2）沉降时间序列的递归图颜色分布越规律、色彩深浅变化越均匀,沿着主对角线出现的白色区域越小,沉降时间序列的可预测性越强;（3）通过提取递归定量指标随时间变化的曲线,可以直接确定预测时间起点;（4）利用递归图求取二阶任意熵作为沉降时间序列的可预测步长因子,可推算出预测效果最佳的沉降时间序列。     

BP神经网络模型预测高速铁路路基沉降的适用性分析

以武广高速铁路乐昌段19个路基断面的沉降数据为研究对象,利用Matlab软件建立BP神经网络预测模型,计算原始模型和改进模型的预测误差,对两种模型的适用性进行评价,结果显示：单纯的BP模型容易陷入局部最小,不适用于高速铁路路基沉降的预测,采用双隐含层的GA-BP网络模型可以明显减小误差,提高预测的稳定性。     

考虑压缩模量深度效应的深厚软土桩基沉降计算

对于深厚软土桥梁桩基础的沉降计算,土层的压缩模量是一个极为重要的参数。针对京沪高速铁路桥梁桩基沉降,以DK152工点处的土工试验数据和现场测试成果为基础,通过拟合分析得到与土层深度有关的天然状态下压缩模量计算公式。在该基础上,进一步运用神经网络建立土层压缩模量与桩基沉降之间的映射关系,对不同土层在不同深度的压缩模量进行反演分析,相关反演结果与经验公式计算值基本一致,得到的桩基沉降量与现场监测位移吻合良好,说明文中提出的压缩模量计算公式的准确性和实用性,相关模型概化和反演计算方法也是合理的,对深厚软土地基下高速铁路桥梁深长桩基的沉降计算有一定的参考价值。     

红层填料蠕变特性及工程应用研究

为了保持轨道的平顺性和稳定性,高速铁路要求路堤的工后沉降为0。红层属于C类填料,易崩解、软化,依据单轴压缩蠕变（粒径小于2 mm和压实度为95 %）试验结果,对红层填料的蠕变特性进行了分析,同时基于工程应用的目的,根据蠕变曲线对路堤的工后沉降进行了预测,论证了采用红层作为填料在一定的施工工艺下能满足路堤工后0沉降的要求。     

基于Stacking模型融合的深基坑地面沉降预测

为了提高机器学习对深基坑地面沉降的预测能力,本文提出了一种基于Stacking集成学习方式的多模型融合的地面沉降预测方法,并以深圳某深基坑为例,采用斯皮尔曼相关性系数对基坑地面沉降的影响因子进行筛选;运用筛选后的8个影响因子建立Stacking深基坑地面沉降预测模型,以验证该方法的适用性。结果表明：Stacking预测模型的平均绝对误差为0.34、平均绝对误差百分比为2.22%,均方根误差为0.13,相较于传统基模型（随机森林、支持向量机和人工神经网络）,Stacking预测模型的平均绝对误差、平均绝对误差百分比和均方根误差值皆为最小。     

软土路基沉降实时建模动态预测

在路基填筑施工过程中,用多项式与时间序列AR组合模型预测其沉降变形发展。根据沉降观测值,采用统计分析方法识别和建立多项式预测模型,预测在某时期沉降趋势值;用平稳时间序列分析方法建立随机部分模型,并预测沉降随机部分值,二者之和即为某时期沉降预测值。随着新观测数据的不断加入,及时修改预测模型参数值,达到实时预测之目的。工程实例研究表明：组合模型预测值明显优于单一趋势模型预测值。组合模型一步预测误差绝对值大多数情况下小于5 mm。预测步数越多,预测误差则越大。     

基于PSO-BP神经网络的基坑周边地面沉降预测方法研究

基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现：二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明：优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。     

控制点布设方案对无人机精度测量的影响及其应用

近年来矿区地质灾害愈发严重。为准确监测尾矿坝地表沉陷变形,以地形地貌复杂的尾矿坝为研究实例,开展无人机低空摄影的形式进行监测数据收集。无人机原始POS数据存在系统误差的问题,文章利用误差改正模型纠正原始POS数据,并设计7种像控点布设方案,并对获取的尾矿坝高分辨率正射影像及DEM进行了精度评价。结果显示,当布设像控点数量为8个时,数据误差可以控制在3 mm以内;用两期DEM数据差值覆于地面模型,生成尾矿坝沉降图, 沿Y=350 m、Y=100 m和X=60 m剖面线做剖面图。基于测量结果发现,尾矿坝已出现整体沉降,其中南部尾矿坝下坡沉降范围最大,沉降范围在0.16 m之内。这次应用验证了在尾矿坝地表监测中无人机低空摄影测量的精度是可靠的。利用无人机的高精度成图方法对尾矿坝变形进行监测,对应急响应溃坝可能导致的绿洲地区及周边河湖生态灾难地形和矿区安全生产起到一定的预警作用。     

基于粒子群优化神经网络算法的深基坑变形预测方法

深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。     

深基坑施工时地表沉降预测的时序-投影寻踪回归模型

为了保证施工的正常进行、实现信息化施工,必须对基坑实际监测数据进行分析与预测。现有的趋势时间序列分析方法很难满足实际施工中高度非线性问题的拟合,预测误差较大。基于这点考虑,以天津某工程基坑施工地表沉降观测序列为例,在对原始数据进行分析的基础上,提出既可以考虑趋势时间序列,又具有高度非线性拟合性能的时序-投影寻踪回归模型。首先,通过比较分析几种时间序列方法的逼近误差和预测误差,寻求出一种逼近较好的时间序列预测方法。然后,将预测得到的时间序列和观测数据相结合,采用投影寻踪回归方法拟合。应用结果表明,该模型逼近性能良好,预测误差小,可为深基坑位移沉降的动态预测提供一条较好的途径,对基坑动态设计与信息化施工等方面具有重要的参考价值。     

Developing artificial neural network models to predict allowable bearing capacity and elastic settlement of shallow foundation in Sharjah,United Arab Emirates

This research proposes the use of artificial neural network to predict the allowable bearing capacity and elastic settlement of shallow foundation on granular soils in Sharjah, United Arab Emirates. Data obtained from existing soil reports of 600 boreholes were used to train and validate the model. Three parameters (footing width, effective unit weight, and SPT blow count) are considered to have the most significant impact on the magnitude of allowable bearing capacity and elastic settlement of shallow foundations, and thus were used as the model inputs. Throughout the study, depth of footing was limited to 1.5 m below existing ground level and water table depth taken at the level of the footing. Performance comparison of the developed models (in terms of coefficient of determination, root mean square error, and mean absolute error) revealed that the developed artificial neural network models could be effectively used for predicting the allowable bearing capacity and elastic settlement. As such, the developed models can be used at the preliminary stage of estimating the allowable bearing capacity and settlements of shallow foundations on granular soils, instead of the conventional methods.     

公路软基沉降预测的支持向量机模型

提出了基于支持向量机（SVM）模型对公路软基沉降进行预测的一种新方法,工程实例预测结果表明,在同样的训练均方误差下,SVM模型预测能力要优于BP神经网络模型,同时该模型能够综合利用分级加载过程中的沉降观测数据作为训练样本集,比仅依靠预压期内部分实测沉降数据的双曲线法更能反映地基土的变形趋势。因此,将建立的SVM模型应用于公路软基沉降预测能够更准确地反映实际沉降过程     

PSI和CRI联合算法用于苏通大桥基础沉降监测

深厚河床覆盖层地基上建设的超大型群桩基础,其沉降是安全监控的关键问题。针对苏通大桥群桩基础沉降监测中存在的问题,在基础沉降监测中综合运用了永久散射体干涉测量（PSI）和人工角反射器干涉测量（CRI）监测技术。结合大桥自身的永久散射体特性和桥位区重点监测部位安装的人工角反射器,利用EV-InSAR软件的CTM模块对该地区2003－2008年（主体工程施工期间）间获取的20景Envisat卫星单视复数据（SLC）进行差分干涉测量处理,利用PSI和CRI联合算法成功提取出了桥位区的永久散射体点,并解算出各永久散射体点在施工过程不同阶段的变形量,客观、全面地反映了苏通大桥在建设过程中基础的沉降。将获取的主墩处的永久散射体沉降量与有限元计算结果进行了对比,两者相对误差为4.64%。研究结果表明,PSI和CRI联合算法是一种极具潜力的大型桥梁地基基础沉降监测技术。随着监测区合成孔径雷达（SAR）数据的不断累积,利用该技术可以不断获取运营中的苏通大桥基础的高精度沉降量。