基于神经网络的组合模型在基坑沉降预测中的应用研究

通过对基坑沉降发展规律及其沉降曲线特点进行的研究,在多种S型单项预测模型基础上引入了组合预测的思想,本文先用4种S型增长曲线模型分别对基坑开挖周边地表沉降值进行拟合和预测,然后基于各单一模型预测数值通过神经网络进行组合建立组合模型进行预测。通过实例,对模型的预测结果进行了分析和检验,证明了在沉降变形分析中应用此组合预测法的可行性。     

基于Matlab的建筑基坑变形灰色系统分析预报与应用

在基坑变形监测领域,将GM（1,1）模型应用于变形量的分析预报较为普遍.根据灰色系统理论,通过设定参数,进行用于基坑变形分析预报的灰色预测模型Matlab程序设计,利用具体工程前数期的实测数据,预测建筑基坑后期累计位移变形量,通过与后期实测数据的对比分析表明,程序运行的准确度较高,能够满足基坑变形预测预报的精度要求.     

基坑变形混沌特征识别与非线性预测模型研究

混沌理论特征识别是进行混沌时间序列分析和预测的前提。普通的线性数学算法已经无解决基坑变形所遇到的问题,为了研究基坑变形监测数据的非线性复杂问题,采用混沌非线性理论方法,首先求取基坑变形时间序列的延迟时间和嵌入维数,其次对基坑监测数据进行相空间重构,最后对比分析加权一阶局域预测模型以及RBF神经网络混沌预测模型的预测结果,实验表明RBF神经网络混沌预测模型预测精度最高,同时也说明了混沌预测模型更适合短期预测。最终证明了RBF神经网络混沌预测模型应用在基坑变形监测中的可行性与有效性。     

GM(1,1)模型在深基坑变形预测中的应用

为研究基坑工程的变形规律,合理预测基坑未来的变形趋势,针对基坑工程变形中存在的各种变形因素复杂、变形大小不确定等情形,采用灰色系统理论建立基坑变形分析模型,结合工程实例,通过GM(1,1)模型群的建立确定最佳预测模型,然后在最佳模型基础上分别建立全数据模型、新信息模型、自动更新三种模型;预测结果表明应用灰色模型进行基坑工程变形分析的可行性和可靠性,为基坑工程的变形分析和安全性诊断提供了可靠的理论依据和科学的分析方法。     

遗传算法的灰色神经网络在基坑变形中的应用

针对基坑施工安全和能够快速地发现基坑变形的问题,该文提出用遗传算法的灰色神经网络对基坑沉降观测数据进行处理,并预测变形大小。实例数据表明,通过预测变形值与实际变形值进行比较,可知遗传算法的灰色神经网络模型的收敛速度较快,训练时间较短,预测精度较高,能满足工程精度的要求。通过与GM(1,1),BP神经网络模型和灰色系统和神经网络的组合模型进行比较,本模型是最优的。     

维纳过程在基坑变形监测数据处理中的应用

基坑监测是保证基坑工程安全施工和运行的重要手段。基坑的变形受到较多外部因素的影响,很难用力学模型或经验公式进行计算和预测。本文引入维纳过程对基坑变形数据进行建模,然后,在历史监测数据的基础上利用卡尔曼滤波对基坑变形进行预测。应用实际监测数据和基于维纳过程的预测模型,进行了某基坑监测数据的预测实验。结果表明,该方法能够根据历史监测数据进行较为准确、高效的预测。     

基坑变形监测分析及预报方法研究

由于基坑结构性强、稳定性差且不易控制,在建造过程中需要不断地进行变形监测和预报分析来保证工程顺利进行。本文提出一种基于监测点精度要求反推控制网等级的观测方案,首先根据基坑规模确定监测点精度和控制网等级,然后布设控制网观测并验证平差结果,最后整理分析数据使用回归分析法进行预报。本文以苏州广济医院基坑为例进行监测和预报分析,得到最佳拟合的三次曲线模型,并对各观测项变形趋势进行预测,该基坑在周期内变形趋势稳定,周期外预测值满足规范要求,基坑总体运行安全。     

基于趋势性分析模型的地铁基坑变形预测研究

以时间序列分析方法的趋势性分析为基础,构建了基坑变形预测的移动平均法预测模型和指数平滑法预测模型;以实际工程监测数据为基础,进行基坑变形预测;并结合尖点突变理论分析基坑的安全稳定性,验证了预测模型的准确性和可靠性。实例检验结果表明,两种预测模型因其参数选择的不同,预测结果略有差异,但均具有较高的预测精度,选择合适的参数即可得到较好的预测效果。当n=1时,移动平均法预测模型的预测精度最高;当a=0.7时,指数平滑法预测模型的预测精度最高,能较好地反映基坑的实际变形情况。尖点突变理论的拟合度达到0.988 9,验证了预测模型的准确性和可靠性,可作为类似工程建设时的参考依据。     

基于多元分析的地铁车站深基坑形变规律研究

鉴于深基坑变形监测中观测数据相互关联影响,结合地下管线与桩体位移等形变数据,将多元线性回归模型与灰色模型GM(1,N)应用于深基坑形变数据预测。本文根据深基坑监测基础数据进行多种形变数据的规律性分析;应用两种分析模型预测了五种基坑形变数据,将预测结果与实测值进行对比分析。结果表明,基坑监测设计合理,开挖期间形变不大、较稳定;比较两种模型,随时间生成动态参数的GM(1,N)模型具有更小的残差,能较好地预测基坑变形规律,可以用于相关项目的实施与数据分析。     

基于蚁群算法的组合预测在基坑沉降监测中的应用研究

运用曲线拟合、自回归法和指数平滑法对基坑变形监测数据进行初步预测,并利用蚁群算法将曲线拟合、自回归预测和指数平滑预测进行组合,实现最优权重的选取,完成组合模型的设计和实现.最后对某基坑监测数据预测和分析表明,基于蚁群算法的组合模型综合利用了单个模型的特点,预测结果比单一模型的预测精度有明显提高.     

VB和三维激光扫描仪在基坑塌陷事故预警中的应用

基础建设施工中的基坑安全是建筑施工的一个难点与重点。通过利用三维激光扫描仪对宁夏某在建电厂的"灰库"进行变形监测。利用编制好的"基坑塌陷预警系统"在VB环境下处理数据,对基坑塌陷事故进行预测,及时做出预警和采取措施。     

点投影法在基坑变形监测中的应用

目前,建筑水平的提高以及基坑施工期间事故频发等因素,对基坑进行变形监测以及监测精度也越来越重要。基坑水平位移监测有小角度法和极坐标法等多种方法,随着全站仪仪器开发生产的先进性,其仪器中的点投影测量方法在基坑水平位移监测应用中表现出更加方便、快捷、直观的优点,在节省外业观测时间和提高内业处理效率的同时,也更加精确地反映了基坑的变化,从而能够更快、更准确地对基坑变形进行预测分析。     

优化组合模型在建筑物基坑沉降预测中的应用

为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。     

郑州市轨道交通基坑工程变形特性的分析与研究

通过对郑州市轨道交通1号线和2号线一期20个车站基坑的变形监测资料进行统计分析,以基坑深度为依据,分别研究了不同风险等级基坑的地表沉降、桩（墙）顶水平位移和桩（墙）体水平位移情况;明确了各监测项目的实测值分布形态,并给出了实测数据的数理统计结果;分析了桩（墙）体水平位移最大值出现的位置,明确了基坑深度对最大值位置的影响,并着重对该地区基坑工程的变形规律进行了分析研究。研究成果可指导后续郑州地区基坑工程变形控制工作的开展,也可为类似地区基坑工程建设提供借鉴。     

三维激光扫描监测基坑变形分析

为解决传统基坑监测技术无法对基坑整体变形进行有效分析的问题,本文提出地面三维激光扫描技术应用于基坑监测的方法。该方法使用Leica Scanstation C10型扫描仪获取大量基坑围护墙体的点云数据,经过点云处理并建模,采用Geomagic Studio软件对点云模型进行变形分析,得到基坑围护墙体的3D整体变形和2D局部变形。通过和传统的测斜数据进行对比,两种监测技术在变形量上有较大偏差,对产生偏差的原因进行了简单的分析。为了提高三维激光扫描技术的监测精度,文章最后提出了相应的解决措施。     

变形分析的神经网络技术应用实例

大型工程施工过程中的变形监测、分析与预报极为重要。变形分析建模的方法很多,神经网络技术的应用是其中之一。文中结合某深基坑工程的监测资料和工作经验,运用神经网络BP算法进行预测分析。简述BP神经网络的基本概念,介绍基坑变形分析的BP神经网络的具体模型结构,将神经网络方法预报结果与实测数据对比效果较好。该成果对生产实践具有参考价值。     

基于CEEMD和LSTM方法的深基坑沉降变形预测

为了提升长短时记忆(LSTM)神经网络对深基坑沉降监测数据的预测效果，本文提出一种基于互补集合经验模态分解(CEEMD)、样本熵以及LSTM神经网络的组合基坑沉降预测模型。该组合沉降模型实现基坑沉降变形预测的关键步骤为：首先，使用CEEMD分解算法将基坑沉降序列分解为若干个本征模态函数(IMF);其次，重组相同特征的IMF分量；最后，使用LSTM神经网络预测重组后分量并叠加预测结果。使用某实测基坑数据进行实验，结果显示，本文提出组合预测模型预测结果的均方根误差、平均绝对误差以及平均绝对百分比误差较对比模型均更小，表明本文提出组合预测模型的预测精度更高，具有较好的非线性序列预测效果，为基坑沉降预测提供了一种新方法。     

基坑变形的混沌时间序列分析方法及应用研究

运用混沌理论研究基坑变形破坏的演变机理,对基坑变形观测数据序列进行相空间重构,将若干固定时间延迟点上的测量作为新维处理,形成相点,按照关联维数方法求算吸引子维数,提取和恢复基坑系统原有的规律。实例分析表明,混沌理论为基坑预测研究提供了新的途径。     

顾及邻近点变形因素的高斯过程建模及预测

针对传统的变形监测建模方法一般针对单一监测点的变形预测模型,未考虑到监测点间相互作用的变形特点,该文分析了变形监测点间的相互关联性,通过相关系数法对监测点进行分类,并将邻近监测点的观测序列值作为和时间因素等同的影响因子应用到建模过程中,利用高斯过程算法进行训练,建立预测模型。为提高高斯过程算法的模型预测精度,应选择适合工程案例最优协方差函数。通过实例分析,比较GM(1,1)、多点灰色预测模型和顾及邻近点变形因素的高斯过程等3种模型在基坑围岩、滑坡等变形监测数据处理中的预测精度,表明该文算法考虑到监测点间的变形关联性,充分利用高斯过程在针对小样本、非线性数据建模时的高自适应性等优点,具有较高的预测精度。     

顾及开挖深度的卡尔曼滤波模型在基坑变形分析中的应用

基坑开挖深度是影响基坑变形的重要因素,在建立监测数据与基坑开挖深度之间的关系模型的基础上,将关系模型的模型参数作为状态向量,应用卡尔曼滤波模型埘状态向量进行滤波,构建了顾及基坑歼挖深度的动态变形分析模型.实例分析表明,应用这种方法确定的数学模型能够客观地反映基坑的变形规律,而且预测效果也比较理想.