基坑变形在数据滤波处理条件下的组合预测研究

为合理评价基坑施工过程的变形规律,以其变形监测成果为基础,先通过双树复小波实现其变形数据的滤波处理,再通过GWO-RVM模型、Arima模型及混沌理论实现其分项组合预测。实例分析表明,双树复小波可将基坑变形数据有效分解为趋势项分量和误差项分量,并通过模型参数优化处理,可进一步提高分解效果,较传统小波具有更强的滤波能力;同时,各类分项预测模型在不同变形分量中的适用性也较强,所得组合预测结果的平均相对误差在2%左右,明显优于传统预测模型,验证了组合预测思路在基坑变形预测中的适用性,为基坑变形发展规律研究提供了一种新的思路。     

基于小波智能模型的地铁车站基坑变形时序预测分析

软土地区的地铁车站基坑工程,因其地质条件和施工环境复杂,施工过程受到施工自身及诸多外界因素的干扰,其变形真实数据难以获取,无法准确判定基坑后期变形,施工事故风险控制难度大,极大影响着基坑工程自身及其周边环境安全。基于小波变换和Elman网络的数据分析与动态预测原理,构建一种小波智能的基坑变形时序预测模型(简称WEPM),应用于武汉地铁车站基坑工程预测,通过不断地对历史实测数据进行小波分解去噪,提取基坑变形真实数据,利用小波智能模型实现基坑变形的超前滚动式预测。分析结果表明,提出的小波网络预测模型具有泛化能力强、预测精度高的特点,能对不同条件下基坑变形进行时序预测分析,该模型可为未来武汉基坑工程的变形预测、施工安全与施工事故防范提供依据。     

基坑变形的灰色-时序动态预报方法

基坑变形是一个动态的相互依存的过程。在基坑开挖与施工过程中,可用灰色理论GM(1,1)与时间序列AR组合模型预测其变形发展。灰色模型预测发展趋势,时间序列预测其随机部分。根据某时间序列变形观测值分别建立灰色与时间序列预测模型,并随着新数据的加入适时修改模型参数。工程实例研究表明:用组合模型预测变形值,其误差大多数情况下小于5%;在数据较少或变形数据变化较大时,组合模型预测值明显优于单一模型预测值。但在数据较多且变化平稳时,用单一的灰色模型与灰色时间序列组合模型预测误差相差不大。预测步数越多,则预测精度越低。     

基于集对分析组合理论的全风化边坡位移预测研究

风化花岗岩边坡位移受多种不确定因素影响,其预测是一个复杂的不确定性问题。以平益高速某风化花岗岩边坡为研究对象,先利用少量位移监测数据建立五种单项预测模型,然后基于集对关系准则定量分析各单项模型预测值与实测值间的集对关系,并通过联系数确定组合权重系数,最终建立了关于边坡位移的组合预测模型,并将预测数据与实测数据进行了对比验证。研究表明,利用集对分析组合理论建立的模型实现了预测信息的优化组合,相对单项模型,组合模型的预测相对误差最大不超过20%,绝对误差平方SSE、标准误差SE等指标偏小,可为边坡动态施工管理提供更加可靠的依据。拓宽了集对分析组合理论的应用范围,也为解决其他类似工程的位移预测问题提供了思路。     

加权函数组合预测边坡变形模型的研究

边坡变形监测是边坡监测的主要内容之一,其变形预测问题是边坡工程中主要技术难题之一。考虑边坡位移变形预测模型的局限性,如神经网络预测方法需要大量的实测数据作为学习样本,灰色系统模型要求原始数据序列必须满足指数规律,且数据序列变化速度不能太快等。建立了边坡变形反向传播神经网络预测模型,同时给出了灰色GM(1,1)边坡预测模型。提出边坡的神经网络与灰色系统加权函数组合预测模型,采用动态规划解法,将原模型转化为多阶段决策问题,使组合预测误差的平方和最小,得到组合权重,这样得到的变形预测结果的精度将大大提高,弥补了单一方法的局限性,满足工程预测的需要。通过边坡实例加以验证,加权函数组合预测模型的预测结果精度有一定提高,能够与实际监测数据相吻合,达到准确预测的目的。     

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。     

Treatment Effects of Tunnel Entrance Collapse Section Based on Field Monitoring Results北大核心CSCD

为评价隧道洞口塌方段的安全性,基于累计变形预测和变形速率趋势分析模型,结合工程实例,研究隧道洞口塌方段的处理效果。实例分析表明：在累计变形预测方面,GA-VMD模型在隧道变形数据的信息分解过程中具有明显的优越性,可利用其将隧道变形数据分解为趋势项和误差项,且通过组合预测能有效保证预测精度,得出累计变形的后期仍具一定增加趋势,但增加速率相对较小;在变形速率趋势分析方面,变形速率具下降趋势,且随时间持续,下降趋势更为显著。综合对比两者结果,隧道变形无明显增加趋势,并趋于稳定方向发展,说明塌方处理措施是合理有效的,为其防治效果评价提供了理论依据。     

基于ABC-GRNN组合模型的露天矿边坡变形预测

准确预测露天矿边坡变形是有效实现边坡临灾预警的重要保证,针对传统边坡变形预测方法无法表征和综合分析边坡变形受多种因素的影响,提出一种露天矿边坡变形的人工蜂群(ABC)算法优化广义回归网络(GRNN)组合预测模型(ABC-GRNN)。在此预测模型中,综合考虑了影响露天矿边坡变形的5个因素：开采扰动、降雨量、降雨持续时间、温度以及湿度。以山西中煤平朔安家岭露天矿为例,通过遗传算法改进BP神经网络(GA-BPNN)、支持向量机(SVM)等人工智能算法与实测变形数据进行预测效果对比分析。结果表明：ABC算法能够快速帮助GRNN寻优获取合适的传递参数,并对变形进行有效的预测。ABC-GRNN组合预测模型,将预测结果的平均绝对误差292.9 mm、平均绝对百分比误差0.691 3%及均方根误差338.9 mm分别降低到25 mm、0.043 3%和29.5 mm,说明该模型具有更高的预测精度;ABC-GRNN模型比其他模型收敛速度快,只经过7步的迭代,即可得到最小的均方误差。与其他预测模型相比较,本文模型的预测精度更高、泛化能力更强、收敛速度更快,有较高的实用价值。     

高速铁路桥梁桩基工后沉降组合预测研究

通过现场沉降监测,获取了高速铁路桥梁桩基沉降的大量实测数据。据此分析了成桥过程中桩基沉降发展的规律及其沉降曲线特点。对桩基最终沉降,采用单项预测模型进行了拟合预测,通过预测效果的评价指标分析,指出了客运专线铁路无碴轨道铺设条件评估技术指南中评价预测模型合理性仅局限于相关系数指标的不足,建议引入均方误差MSE、平均绝对百分比误差MAPE和平均绝对误差MAE指标进行综合检验、评价,并提出了这些评价指标相应的参考值。引入组合预测模型进行高速铁路桥梁工后沉降预测,对比分析现有组合预测模型的特点,提出了高速铁路桥梁桩基工后沉降预测应遵循的具体步骤和原则。研制了桥梁桩基沉降加权组合预测电算程序BriFSCF,可大大提高预测准确度和效率。通过工程实例验证表明,最小二乘准则下的最优组合预测方法效果较好,可作为预测的优选模型。其结果可供高速铁路合理铺设轨道时间的确定、工后沉降计算参考和利用。     

滑坡位移分解预测中的平滑先验分析方法

目前在滑坡位移预测研究中,先将滑坡位移数据分解为趋势项及周期项后再分别进行预测已成为普遍做法。平滑先验分析法(Smoothness Priors Approach,SPA)是一种计算过程简单、计算量极小,且能快速分离原始数据趋势项和周期项的数据处理方法。在介绍SPA基本原理基础上,以三峡库区白家包滑坡典型监测点位移数据为例,对通过调节SPA正则化参数而获得的不同趋势项及周期项进行特征分析;进而结合对滑坡变形演化机制过程的先验分析,根据位移分解特征确定合理的参数取值;最后针对不同参数SPA位移分解数据,采用支持向量机进行位移预测对比分析。结果表明,SPA是一种适用于滑坡位移预测的位移分解方法,通过调节正则化参数并结合滑坡变形机制先验分析,能够获得较为合理的位移分解结果,进而提高滑坡位移预测精度。     

基于变形数据分解处理的基坑危险性潜势分级研究

为合理评价基坑在施工过程中的危险性潜势等级,以武汉洪山地铁站基坑变形监测成果为基础,通过改良的互补集成经验模态分解进行变形数据的分解处理,利用基坑变形的极限位移值和预警值构建相对判据,根据变形预测和M-K分析构建绝对量判据和趋势判据,以此进行基坑变形潜势分级。结合危险性分级结果和变形潜势分级结果,提出基坑安全施工的措施建议。实例分析表明：在变形数据的分解处理过程中,MCE-EMD模型较传统分解模型的优越性明显,所得评价指标g值为2.837,具有合理分解基坑变形数据的能力。在危险性分级过程中,危险性在现状分级条件下的相对判据指标Fr的变化范围为：0.58~0.72,预警等级处于Ⅰ~Ⅱ级;危险性在最终分级条件下的相对判据指标Fr的变化范围为：0.66~0.81,预警等级处于Ⅱ~Ⅲ级。在变形潜势分级过程中,绝对量判据和趋势判据条件下的潜势等级存在一定差异,且最终潜势等级的变化范围为Ⅰ~Ⅱ级。对比两类分级成果,按照不利原则,确定现状条件下的基坑危险性潜势等级相对较低,为Ⅱ级;但随着时间持续,危险性潜势等级具有升高的趋势,可升高至Ⅲ级。因此,有必要加强监测频率,以备不测。     

SMW工法桩在荆州基坑支护中的设计与应用

介绍荆州市恒大翡翠华庭项目基坑支护体系设计方案选型思路。本项目地质条件差,周边环境极为复杂,通过弹性抗力法计算模型,运用天汉软件对支护结构内力和变形进行计算,以及基坑抗隆起、抗倾覆、整体稳定性等验算,选择采用SMW工法。计算结果与基坑监测资料对比分析结果显示,应用SWM工法桩作为支护结构,达到设计合理、经济适用的效果,保证了基坑及周边建筑的安全。本工程是SWM工法桩在荆州市基坑支护工程中的首次应用,同时获得了显著的社会效益。     

地铁车站基坑围护结构变形监测与数值模拟

以某城市大型地铁车站基坑为研究背景,对基坑围护结构及其变形监测方案进行了设计,并对基坑围护结构变形的现场监测数据进行了分析,重点分析了基坑施工过程中围护结构的水平变形随基坑开挖深度和时间的变化规律。建立了弹塑性有限元模型,并对地铁车站深基坑开挖进行施工仿真模拟计算,将获得的围护结构变形结果与监测结果进行了对比分析,再引用多种围护形式对基坑变形进行敏感性因素分析。结果表明：钢支撑+围护桩的围护形式对基坑土体的侧向变形有较好的限制作用,有限元数值计算结果与现场实测结果比较一致,有限元计算的结果是可信的,改变钢支撑的施作位置对限制基坑的侧向变形有重要作用。随着围护桩入土深度的增大,土体向基坑内侧变形的趋势有所减缓。     

ARMA模型在锚碇基坑变形预测中的应用

本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。     

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。     

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。     

极限学习机模型在季冻区深基坑地表沉降预测中的应用

针对传统数据驱动模型存在收敛速度慢、过度拟合等问题,提出了基于极限学习机算法的基坑地表沉降预测方法。结合季冻区地铁车站基坑的特点,提取基坑开挖时间、开挖深度、围护桩顶位移、围护桩内力、支撑轴力及地表温度等特征信息,建立极限学习机回归预测模型,选用实例数据进行算例分析,并将其与传统回归预测模型进行对比,实验结果表明,极限学习机模型收敛速度快,泛化能力强,其预测精度优于传统预测模型,且在学习速度方面优势明显,对深基坑安全监控有一定的实用价值。     

Numerical Analysis of Deformation Control of Deep Foundation Pit in Ulanqab City

The deformation of a deep foundation pit in Ulanqab city was analyzed by in situ monitoring and numerical simulation data. First, a limit equilibrium method was used to evaluate the stability of foundation pit under non-supporting and ribbed plate anchored retaining wall support. The results show that the ribbed plate anchored retaining wall support could control the soil deformation effectively in deep foundation pit. Additionally, a three-dimensional finite difference model of excavation zone and reinforcement structure was established using FLAC3D software to simulate the excavation of deep foundation pit. The simulation results were verified by monitoring field data. The simulation results show that all the bolts are in the tension state, and the maximum axial force is located at the end of the bolt, with a value of 46.4 kN. Foundation pit excavation is a continuous stress release process, making the rock and soil of side wall of foundation pit slide towards the free surface. The largest deformation is 4.0 mm, near the side wall of foundation pit, consistent with the deformation monitoring results.

     

支点法分析桩锚体系及基于监测的参数反演

以变形作为控制条件的基坑支护结构设计是一个十分复杂的工程问题,由于支点法具有计算模式明确、过程简单的优点,受到广大工程设计人员的欢迎。但是,支点法中土抗力系数卅的选取是工程界的一大难题,在支点法计算中m值选取的准确性直接影响支护结构位移和内力的计算结果,所以将支点法建模及反分析方法应用于实际工程,在开挖过程中考虑了支撑变形的非线性,开发了FORTRAN程序对支护结构进行了反演计算。通过反演分析m值并预测支护结构的变形,实现支护动态设计信息化施工。结果表明,位移反分析法进行深基坑工程中的参数反演与位移预测取得比较好的效果,说明该方法在深基坑开挖反演、预测方面是合理可行的。     

粗颗粒土层组合中的超深基坑复合土钉墙支护的合理性分析及探讨

对粗颗粒土层组合的超深基坑,采用了复合土钉墙支护结构形式进行设计,并对该深基坑的开挖及支护过程进行了系统监测。主要监测项目有土钉钢筋受力、锚索轴力及坡顶水平位移,通过对监测结果进行系统分析,并与传统的受力模型进行对比,分析本基坑在此方面的普遍性与特殊性,找出成功点与失败点,为今后类似工程提供借鉴。