应用贝叶斯动态模型的地基沉降概率分析与预测

考虑到地基沉降预测模型中参数的时变特性及预测结果的可靠性,本文提出地基沉降概率预测方法:运用贝叶斯动态模型建立地基沉降过程的状态方程和观测方程,利用参数先验信息并结合含有噪声的前期沉降观测数据,对沉降状态参数进行Bayes后验概率推断,通过不断的"概率预测-修正"递推运算,获得最优沉降状态概率估计来预测地基沉降量。数值实例结果表明,与其他预测方法相比较,本文的方法是可行有效的。     

BP与RBF在复合地基沉降预测中的比较分析

针对复合地基沉降特点以及高层建筑沉降预测的重要性,本文分析了BP与RBF预测模型的优势,结合实际工程施工及工后沉降预测数据,进行CFG复合地基沉降预测。结果表明,BP与RBF预测结果达到0.1 mm级,RBF在此工程实例中的沉降预测比BP更具有优越性。     

温州永兴北园软土地基沉降预测研究

温州永兴北园软土地基采用改性真空预压处理方法,进行负压密封降水,在出水量明显减少,沉降量趋缓甚至无沉降的情况下,达到降低土层含水量;提高土体密实度、承载力;减少地基工后和差异沉降量的目的。本文依据软土地基恒载期的沉降观测数据,分别利用双曲线法和指数曲线法根据沉降观测数据进行沉降预测,通过对两种方法预测结果的分析比较,尽可能精确地推算地基最终沉降量。     

最小二乘支持向量机在沉降量预测中的应用

高层建筑物的地基沉降量是高层建筑物安全的一个重要指标,根据已有的观测数据对未来的沉降量进行观测可以有效预防灾害的发生。由于沉降量是一个复杂的非线性过程,采用非线性预测方法是一种可行有效的方法。本文将最小二乘支持向量机应用于高层建筑物地基沉降量的预测,对参数分别用交叉验证和遗传算法进行了优化。经过实例验证,最小二乘支持向量机应用于沉降量的预测是可行的,并且遗传算法优化的最小二乘支持向量机的预测沉降量精度更优。     

锦绣馨园地基沉降监测和预测

沉降量是建筑物施工期间及竣工后地基变形的一个重要指标.结合工程实例,详细介绍高层建筑地基沉降变形监测方法和注意事项,并采用指数曲线3点法预测最终沉降量.     

双曲线模型在机场沉降预测中的应用

研究软土的沉降特点,监测和采集整个地基的沉降数据,并根据实测资料对最终沉降量进行合理的预测,对工程建设和保证工程质量都具有重要的意义。双曲线模型计算过程中,不涉及土体的各项物力和力学性质参数,能够适用于各种工程地质条件,计算过程简单快捷,广泛应用于各种工程项目的最终沉降预测。     

灰色Verhulst-BP模型在沉降分析中的应用

针对软基处理后的地基沉降情况进行分析,利用灰色Verhulst-BP模型对沉降数据进行分析预测。灰色Verhulst-BP模型是利用灰色Verhulst模型的残差值来改进BP神经网络模型,进而提高模型的模拟预测精度。在Matlab9.0平台上,通过Matlab语言编程实现实例检验分析。研究结果表明,灰色Verhulst-BP模型相对于灰色Verhulst模型更适合于S型序列的数据分析预测。该模型预测精度较高,能够较好地反映沉降趋势。     

马尔可夫链改进的MMF沉降预测模型及应用

针对地基沉降机理复杂及随机性特点,结合马尔可夫链理论,本文建立了一种马尔可夫链改进的MMF沉降预测模型。首先采用部分实测沉降数据,利用CurveExpert软件拟合MMF模型;然后根据MMF模型预测相对误差大小,并按照马尔可夫理论划分状态区间,构建状态转移概率矩阵,预测下一个沉降量所处的状态,从而得到了马尔可夫链改进的MMF预测值;最后将本文模型应用于深圳滨海大道市政工程软土路基沉降预测中,并对模型的预测效果进行精度分析。结果表明,马尔可夫链改进的MMF模型的预测精度较单一的MMF有明显提高,建模方法合理,可用于类似的工程预测。     

高速公路路基沉降预测的神经网络模型

软土地基的沉降控制是保证高速公路建设质量的一个关键技术.论文主要介绍了一个对高速公路路基沉降进行预测的神经网络模型.对神经网络的BP算法进行了改进,提高了BP算法的学习收敛速度和网络性能的稳定性.神经网络法预测路基沉降的难点之一是合适的训练样本构造问题,论文提出了新颖独特的“训练样本”构造方法,且应用效果良好.利用路基沉降量实测资料直接建模,采用BP网络计算的改进算法,可较为准确地预测大约4个月之后的沉降量,预测值与实测值吻合较好.     

基于ARIMA-BP神经网络的组合模型在地基沉降预测中的应用研究

在归纳时间序列分析法和BP神经网络法两种单一预测模型的基础上,研究了基于ARIMA-BP神经网络的几种不同的组合模型,并结合某地基沉降的实际数据对各种组合模型的预测结果与精度进行了比较分析,得出了相应的结论。     

福建兴化湾北岸某软基处理工程最终沉降量估算分析

软基的最终沉降量是计算软基固结度的关键参数。通过分析堆载预压期间软基的监测数据可推算最终沉降量,从而可确定卸载的时间节点。结合实际工程项目,分别利用双曲线法和灰色模型法进行最终沉降量推算,对结果进行分析,发现单一方法进行沉降预测可靠性不高。在此基础上,对这两种方法进行优化组合以预测最终沉降量,综合考虑多种随机因素影响,减小预测结果偶然性,研究结果表明,在对预测方法进行合理组合后,其预测结果明显优于单一方法,且推算的最终沉降量准确度较高。     

预测工后软土地基沉降

本文简要叙述沉降观测在软土地基施工中的重要性,并提出了基于神经网络的高速公路工后沉降预测方法。结合工程实例运用MATLAB工具箱函数建立网络模型,选择合适的训练函数,使其训练精度和速度达到最优化。     

灰色模型分析法在高层建筑物变形监测预测中的应用

在变形监测过程中,获取监测资料以后,通过对高层建筑物观测资料进行研究分析,可以掌握地基随时间的沉降规律,预测其下一步的变形趋势,并为可能发生的变形做好必要的准备,减少因非预计沉降带来的损失。灰色模型分析法是一种常用的数据处理及预测分析方法,本文在简单介绍了灰色模型分析法的基础上,利用灰色模型分析法预测了变形监测数据,并得出了有益结论。     

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。     

一种基于PSO-BP神经网络的建筑物沉降预测模型

为更好地预测建筑物沉降,该文使用粒子群优化(PSO)算法BP神经网络进行建筑物沉降预测。利用PSO算法修正BP神经网络的初始权重和阀值,优化BP神经网络机构及算法全局收敛性,建立基于PSO-BP预测模型。将所建立的预测模型应用于实际案例,通过已有的监测数据,分别进行传统BP神经网络预测和PSO-BP神经网络预测,对预测的结果进行对比,结果表明,基于PSO-BP神经网络的建筑物沉降预测结果明显优于传统BP神经网络预测模型。     

灰色预测在建筑物沉降变形分析中的应用

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降变形数据分析,结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测方法的可行性。     

舟山软土地基处理的现场监测与数据分析

软土强度较低,压缩性较高,承载力较差,软土地基要经过有效措施妥善处理,以保证后续工程的承载力及安全稳定。基于舟山某真空-堆载结合预压法处理软土地基工程,现场对孔隙水压力、土体分层沉降、深层土体水平位移、地下水位、以及地表沉降等项目进行监测,以及时对现场工作进行管理调整,并对其中一片区块的监测结果进行整理并分析,得出以下主要结论:土体水平位移随着真空抽气进行越来越大,且浅层土体较深层土体位移大;地表及各深度土层在抽真空施工开始时发生沉降,且前期沉降速度较快,施工后期趋于平稳;地表及各深度土层沉降较为协调,土体未发生不均匀沉降,总体来说真空-堆载结合预压法处理软土地基取得明显效果。     

基于PSInSAR的水溶矿区沉降预测

针对水溶矿区地表沉降监测与预测中传统大地测量监测手段所获结果空间分辨率较低的问题,利用PSInSAR进行了水溶矿区地表沉降监测;基于PSInSAR监测结果,分别采用GM(1,1)灰色模型、BP神经网络模型和多项式拟合模型进行沉降预测;以均方误差和相关系数为精度的衡量标准,将预测结果与实际结果进行对比,分析了3种模型的预测精度。结果表明,针对某水溶性矿山,基于PSInSAR数据构建的GM(1,1)灰色模型预测精度最高,可通过该方法为矿区的开采提供良好的高空间分辨率的短期预测。     

SSA-Elman神经网络模型在建筑物沉降预测中的应用

为了提高建筑物沉降变形预测精度,最大限度地减少监测数据中非变形噪声分量对预测结果的影响,本文在Elman神经网络模型的基础上引入奇异谱分析方法,构建新的SSA-Elman神经网络模型。首先利用SSA方法提取沉降监测数据中的趋势分量与周期分量,剔除噪声分量,提高监测数据信噪比;其次通过Elman神经网络模型分别对趋势分量、周期分量进行预测,得到对应分量预测结果;最后重构趋势分量与周期分量预测结果得到最终预测结果。通过实测建筑物沉降数据分别对Elman神经网络模型与SSA-Elman神经网络模型进行建模与预测,结果表明,SSA-Elman神经网络模型的预测精度更高,更适应长周期预测。     

EXCEL在GM(1,1)模型沉降数据建模计算中的 应用与实现

介绍了灰色系统的基本原理、建模过程、模型精度等级评定方法,针对高层建筑沉降的特点,运用灰色系统的基本原理,在EXCEL表格中输入相关计算公式,对高层建筑沉降观测数据进行处理计算,建立高层建筑的GM(1,1)模型,并进行沉降预测与精度分析,预测结果与实测结果较吻合,计算过程简单直观,数据处理自动准确,可以轻松实现灰色预测,效率提升且预测结果精度较高,具有一定的实用性。