软土路基沉降变权重组合S型曲线预测方法研究

通过对软土路基沉降发展规律及其沉降曲线特点进行深入研究,在S型单项预测模型基础上,基于5种S型增长曲线模型,引进组合预测的思想,重点探讨了软土路基沉降发展的预测方法与理论,并建立了软土路基沉降预测的变权重组合S型增长模型,通过数学规划方法求解,从而可根据有限的实测沉降观测数据预测软土路基沉降发展过程。工程实例分析表明,利用该模型与方法得到的预测曲线与实测曲线吻合良好,能够满足工程要求,此外,变权重组合预测模型比其它单项模型具有明显的优越性,为软土路基沉降发展预测提供了一种有效而实用的方法。     

泊松模型预测路基沉降

路基沉降变形有其自身的规律性。本文根据路基沉降特征,结合泊松曲线特点,建立了路基沉降量随时间而变化的泊松曲线预测模型。结合具体工程实例,证实泊松曲线很好地反映了路基沉降过程中沉降量与时间的“S”形关系。最后指出,采用泊松模型进行路基沉降预测,建模所需实测数据不能太少,实测点数据越多,预测曲线越逼近实测曲线,预测精度也越高,从而得出有一定参考价值的结论。     

全过程沉降量预测的Logistic生长模型及其适用性研究

地基的全过程沉降量与时间的关系呈S形曲线,可用Logistic生长模型来描述。目前应用的Logistic生长模型,较少考虑模型的适用范围和预测精度等问题。结合工程实例,比较了模型参数估计的三种方法,研究结果表明,采用非线性回归法估计模型参数,可取得较好的预测效果;根据混沌理论,研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数a(瞬时沉降速率)决定,当参数a的取值范围在[0, 2]之内,该模型预测的最终沉降量是稳定的。     

基于遗传算法与Weibull模型的软土地基沉降预测

根据软土地基的物理力学性质,普遍认为其沉降过程近似为反"S"形曲线。为了研究软土地基沉降过程以及预测最终的沉降量,本文运用这一结论,综合考虑了软土地基沉降的阶段性发展与生物成长模型的数学性质,选用了适应性较高的Weibull成长曲线模型,利用遗传算法在处理岩土类多参数以及非线性问题上的独特优势,通过对3个不同地区具有代表性的软土地基所选工程实例的沉降观测数据进行拟合。结果表明:软土地基经过加载后其沉降发展一般会经历一个类似于生物成长规律的发生、发展、逐步稳定的三个阶段,且反"S"形的成长模型能够反映其沉降的阶段性;采用Weibull模型能够根据反弯点的位置来判断对应时刻所处的沉降阶段,有利于控制施工以及加载过程;运用遗传算法能够很好地解决非线性岩土工程反分析问题,以残差平方和作为目标函数,根据残差值分析可知,用遗传算法得到的Weibull软土地基沉降模型具有较高的精度。     

修正的威布尔模型在沉降预测中的应用研究

地基沉降预测一直是岩土工程中的一个热门问题。针对传统的指数曲线预测模型存在的不足,对其进行了分析与改进,提出了更具有一般性的威布尔曲线模型,并通过工程实例验证了该模型的合理性与准确性。发现所提出的模型对路基沉降的预测结果精度高,具有一定的参考和使用价值,最后指出了需进一步研究的问题。     

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。     

地基沉降预测模型和方法研究

地基沉降预测是岩土体稳定性研究的一项重要任务。基于邓英尔和Gompertz等已有预测模型的特点,提出一种新的地基沉降预测模型——邓英尔-Gompertz曲线模型,并提出了求解此类模型的新方法——规划求解法,解决多变量非线性方程的极值问题;同时探讨了测量点数目及其所处阶段对预测精度的影响,即:测量点越多预测效果越好。测量点处于发生阶段时预测结果一般偏小;测量点达到发展阶段时预测结果一般偏大;测量点达到成熟阶段时预测结果与预测模型、工程沉降特点有关;测量点达到极限阶段时预测结果符合实际情况。实例分析结果表明:与邓英尔、Gompertz等模型相比,新模型预测的结果更准确。      

全过程沉降量预测的Logistic生长模型及适用性研究

地基的全过程沉降量与时间的关系呈S形曲线，可用Logistic生长模型来描述。目前应用的Logistic生长模型，较少考虑模型的适用范围和预测精度等问题。结合工程实例，比较了模型参数估计的三种方法，研究结果表明，采用非线性回归法估计模型参数，可取得较好的预测效果；根据混沌理论，研究了模型的适用范围和预测性能。Logistic生长模型的动态行为由参数α(瞬时沉降速率)决定，当参数α的取值范围在[0，2]之内，该模型预测的最终沉降量是稳定的。     

考虑路基侧向变形的沉降双线性预测模型

考虑路基侧向变形的影响,提出采用双线性模型预测沉降。预测模型包含时序自回归项、线性回归项和双线性项三部分。为了研究模型参数的时变特性,将沉降预测分为模型参数的预测和在此基础上的沉降预测。采用多层递阶方法计算模型的时变参数,进一步分析参数序列的变化趋势,计算后续时段的参数预测值,并以此进行沉降预测。实例分析表明,双线性动态预测模型能很好地反映路基的沉降特性,具有较高的预测精度和实用价值。     

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。     

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。     

路基沉降预测的Usher模型应用研究

基于线性或近似线性加载情况下路基沉降过程和Usher曲线,将广泛用于经济和资源预测的Usher模型应用于路基沉降预测。对Usher模型微分方程式的分析表明,目前用于沉降预测的Logistic模型和Gompertz模型是Usher模型的两种简化形式,但Usher模型对于实际情况具有更强的适应性。阐述了Usher模型参数的计算方法,并结合某工程实例进行了计算分析,对比结果说明Usher模型用于沉降预测的效果较好,且比Logistic模型和Gompertz模型具有更高的预测精度,可供工程应用参考。     

高路堤沉降变形预测模型研究

以某高等级公路高69 m路堤的沉降资料为研究样本,采用经修正了的非匀速填土和非等步长沉降观测时间的 GM（1,1）灰色理论预测模型进行高路堤工后最终沉降量预测,与等比级数曲线模型预测结果对比,认为这两种预测模型都能很好地预测高路堤工后最终沉降量,且灰色预测模型较等比级数曲线预测模型能更好地反映高路堤不均匀沉降趋势。同时认为考虑了沉降观测时间非等步长性和路堤填土速度不均匀性的灰色预测模型,其预测结果更符合高路堤沉降变形趋势,可进一步的研究、推广和应用。     

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     

BP神经网络-灰色系统联合模型预测软基沉降量

目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。     

小波分析和RBF神经网络在地基沉降预测中的应用研究

地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。     

基于土压盾构的城市地铁隧道构筑过程地表沉降规律

通过经验、理论分析和数值模拟等预测方法,并结合实测数据研究分析土压盾构施工引起的地表沉降问题.分析结果表明:预测方法估算的最大沉降值总高于实测的沉降值;Oteo方法的曲线形态更优化;当隧道埋深较浅时,Loganathan-Poulos、Sagaseta、Peck和Verruijt-Booker方法均过高估算了最大沉降量,且Loganathan-Poulos、Sagaseta和Verruijt-Booker方法给出的沉降槽偏宽;数值模拟方法比分析和经验方法更有效,可以有效模拟施工过程.根据研究结果,经验、理论分析和数值模拟方法具有一定的安全储备空间,可用于软土地层中土压盾构施工引起的地面沉降预测.