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。     

混沌时间序列相空间重构及特性识别

相空间重构是混沌时间序列分析及预测的前提。针对地铁建设中地表沉降变形监测的弱信号数据处理问题,该文引入了混沌理论,通过采用自相关函数法和C-C法对比求得时间延迟τ,运用G-P方法和Cao方法求取嵌入维数m,从而对时间序列进行相空间重构;并通过求取最大Lvyapunov指数对时间序列进行混沌特性的判定识别。研究结论表明,系统的混沌特性,在研究地铁变形监测、运用混沌理论建模预测以及变形监测数据处理方面是值得重视的。     

Volterra级数混沌自适应模型在变形分析中的应用

针对变形监测数据混沌序列的特点,提出一种基于Volterra级数的混沌时间序列变形预测模型。经过相空间重构,确定合适的嵌入维数和延迟时间,输入Volterra级数自适应预测模型,然后得到变形量的预测值。将预测值与实际值及其他预测模型的预测结果进行比较,发现基于Volterra级数的混沌时间序列预测模型精度较高,在变形预测上是可行的。     

变形监测数据的混沌现象分析

简要介绍了识别变形数据混沌现象的Lyapunov指数方法和关联维数方法;讨论了变形监测数据的Lyapunov指数和关联维数的计算方法;最后结合大坝观测变形观测数据给出了实际算例。     

变形监测数据的混沌现象分析

本文简述了识别变形数据混沌现象的Lyapunov指数方法和关联维数方法;讨论了变形监测数据的Lyapunov指数和关联维数的计算方法;最后结合大坝观测变形观测数据给出了实际算例。     

基于混沌理论的煤矿井筒地表沉降分析及预测

通过对主井及其附近两个稳定点进行了变形监测,利用混沌理论对两个时间序列进行了混沌特征的分析,发现两个时间序列的关联维数分别为1.3282和1.4587,嵌入维数都为3,最大Lyapunov指数分别为λ=0.0833和λ=0.0745。说明这两个监测点的时间序列具有混沌的特征,存在混沌现象。采用混沌一阶局域法进行预测时,采用不同时间间隔得到预测结果有较大差异。其中,采用最小时间间隔得到预测结果最差,而采用平均时间间隔得到的预报精度等级和预报准确率均为最优。     

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.     

混沌理论支持下的桥梁变形监测研究

针对桥墩的非线性下沉问题，引入了混沌理论。采用改进的C-C算法计算时间序列的时间延迟τ，采用改进的G-P算法计算最佳嵌入维数m，进行相空间重构，并与传统算法对比抗干扰性，计算效率等得到了改善，运用Lvyapunov指数判别该时间序列的混沌特性；最后根据所求参数建立加权一阶局域预计模型和RBF神经网络混沌预计模型，分别对观测数据进行预计分析，将混沌时间预测结果与指数平滑法预测结果进行对比分析。得出混沌时间预测精度高于指数平滑法预测精度，RBF神经网络混沌预计模型的预计精度最高，证明混沌时间序列预计精度可靠，能够实时对桥身变形进行监测，避免灾害的发生。     

混沌理论在变形分析与预报中的应用

由于受到各种环境因素及仪器本身的影响,变形监测被看作为一个复杂系统。它本身的各种参变量是不确定的、随机的,表现为复杂的非线性行为。运用现代混沌理论,对变形监测时间序列进行探索性研究,把混沌时间序列理论引入到变形分析研究中,对该理论的建立及预测方法进行了讨论。通过实例表明混沌时间序列预测方法对变形数据序列的预测具有比较好的精度。     

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。     

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。     

成都地铁深基坑变形可视化研究

基于成都地铁车站深基坑的实测数据,建立该基坑的独立坐标系,并对基坑测斜数据进行处理,得到独立坐标系下基坑各个特征监测点Pi的三维坐标(Xi,Yi,Zi)及变形值Ci,组成监测点的4个参数(Xi,Yi,Zi,Ci)。利用Matlab对数据进行可视化处理,通过色阶变化可发现基坑各部分的变形特征。可视化分析方法较单数据分析方法更直观,且可进行整体分析,为基坑变形数据分析提供一种新的途径。     

基坑围护结构水平位移监测常用方法比较

本文介绍了基坑围护结构水平位移监测的各种方法及新技术,重点讨论和分析了视准线法、极坐标法与角度交会法,结合误差传播定律分别对各方法监测点精度进行推算;在极坐标法的基础上,提出了监测精度更高的双极坐标法。论文结合具体基坑监测工程,分别利用每种方法对基坑围护结构水平位移监测进行精度估算,并分析不同监测方法的适用情况,为类似基坑水平位移监测方案设计提供理论参考。     

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。     

沿海地区管廊建设基坑变形规律探讨

滨海软土相对于其他软土在工程特性上具有明显差异,以沿海某管廊建设所采用的两种不同基坑支护形式为例,探讨不同支护形式基坑的变形规律。结果表明,两种不同的支护形式都受基坑两侧动荷载和静荷载的影响较大,两侧荷载不均时易产生向一侧的偏移,灌注桩对基坑变形的控制明显优于钢板桩;坑底地基土加固和及时施工垫层及底板都可以有效的控制基坑变形,防止出现基坑失稳现象。     

工作基点的位移对观测点的影响分析

在基坑变形监测工作中,受场地条件的限制,工作基点往往只能埋设在基坑边相对稳定的地方,因此,工作基点也会产生位移。针对在施工现场进行变形观测时工作基点易于发生变动的情况,分析和讨论了工作基点位移的确定以及其位移给观测点带来的影响,提出相应的修正方法,并结合工程实例进行了分析。     

基于FLAC~(3D)的地铁车站深基坑变形规律研究

地铁车站深基坑工程在地铁设计与施工中是关键工程。近年来,由于城市化速度加快,城市地铁的建设也越来越快,所以地铁车站深基坑工程的变形监测工作显得尤为重要。本文针对杭州某地铁深基坑,通过FLAC~(3D)对其进行模拟分析,得到最大变形量与变形曲线,再与实测数据进行比对。结果发现,通过FLAC~(3D)模拟能有效地反映地铁车站深基坑的变形规律,为以后的地铁深基坑工程的变形监测提供了参考。     

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。     

变形监测技术在基坑施工中的应用

深基坑工程是地下工程施工中内容比较丰富且富有变化的领域。为了确保基坑工程施工安全顺利进行,在复杂的地质条件下进行变形监测,及时发现和预报异常现象。对有效控制基坑变形、指导施工、保证施工质量具有重要意义。