基坑位移与沉降监测方法研究

基坑工程是城市建设中一项重要工程,如何科学、实时、准确地分析基坑变形是现代工程测量中的一项重要内容。本文结合某国际广场基坑工程为例,对支护桩顶水平位移及沉降等项目进行监测,分析了基坑水平位移及沉降的变化规律并对变形原因进行了分析,同时验证了基坑支护结构的安全可靠性。为本地区相似工程提供了有益参考。     

天府机场暗渠基坑沉降时间序列分析

依托天府机场某暗渠基坑沉降监测数据,运用R语言中的ARIMA时间序列模型对该暗渠基坑的沉降监测数据进行建模分析,对暗渠基坑的沉降变化趋势进行预测和验证,以监测暗渠基坑的动态,对于提高工程施工安全具有重要实际意义.     

回归分析在建筑物沉降变形分析中的应用

根据南宁市民生广场沉降的实测资料,文中运用回归分析法分别建立了差异沉降回归模型和累计沉降回归模型;并通过对沉降变形的预测、成果的分析和检验,证实了在建筑物沉降变形分析中应用回归分析的可行性.     

回归分析在建筑物沉降变形分析中的应用

根据南宁市民生广场沉降的实测资料,文中运用回归分析法分别建立了差异沉降回归模型和累计沉降回归模型;并通过对沉降变形的预测、成果的分析和检验,证实了在建筑物沉降变形分析中应用回归分析的可行性.     

大型基坑工程水平位移监测与预测结果分析

以银川大世界商务广场的基坑为例,介绍了大型基坑工程水平位移监测的实施方案,给出了水平位移监测方法的精度,并对监测成果进行了分析。在此基础上,分别用多项式拟合和时间序列分析模型两种方法进行建模,对基坑水平位移进行预测,结果表明,该基坑水平位移较小,在规范规定的要求之内,说明基坑是稳定的;时间序列分析模型的预测精度要高于多项式拟合模型的精度。     

非等间距WGM-AR模型在基坑周边建筑物沉降预测中的应用

非等间距GM（1,1）模型在不等时间间隔序列的趋势分析和预测方面具有重要作用,在此基础上,提出一种基于非等间距加权GM（1,1）模型和自回归AR（p）模型相结合的非等间距加权灰色自回归模型（非等间距WGM-AR模型）.将基坑周边建筑物沉降监测数据视为具有确定趋势的非等时间序列,对序列进行平滑处理,利用非等间距加权GM（1,1）模型提取该时序中的确定性趋势项,用自回归AR（p）模型分析生成的等间距序列中的随机项,并采用内插法得到沉降监测序列的随机项.将组合模型与非等间距GM（1,1）模型计算结果对比分析,结果表明,组合模型具有更高的预测精度,在基坑周边建筑物沉降预测中具有较高的应用价值.     

煤矿工业广场地表沉降监测及GM(1,1)建模预测分析

介绍了沉降监测的基本理论和方法,以钱营孜煤矿为例,建立了沉降监测系统,采用水准测量对监测系统进行定期监测,数据处理和分析。建立了能反映监测动态变化的灰色GM(1,1)等维新息模型,得到:地表沉降与水位变化呈现显著的相关关系,井架基础最大沉降量138mm,最大沉降差为3mm,并对监测点下一期的沉降值进行了预测。研究成果对于工业广场沉降治理具有指导意义。     

高层建筑物沉降监测与预测方法

高层建筑物沉降变形监测是工程建设中一项十分重要的工作,为了系统地阐述高层建筑物沉降变形监测作业、数据处理及建模预测等方法,文章结合具体工程实例,详细地介绍了其监测作业过程、数据处理方法、图表分析内容以及沉降变形稳定性判别等方法要素,以回归拟合的方法对某代表性观测点监测数据进行了建模与预测分析,并与其它观测点数据进行了预测对比,同时对所建回归模型方程进行了显著性检验、预测区间估算和预测精度分析等,为类似工程实践及数据处理与分析方面提供方法参考。     

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。     

改进灰色马尔科夫模型在基坑预测中的研究

基坑预测问题关系到工程施工的安全,在施工过程中对基坑进行周密的监测和变性预测分析显得尤为重要。针对传统预测模型存在固有偏差和可靠性低的缺点,采用新陈代谢的原理对无偏灰色加权马尔科夫模型进行改进。该模型先用无偏灰色模型拟合系统的总体变化趋势,然后,对拟合残差进行马尔可夫状态划分,并根据各阶权重对不同步长的转移矩阵进行加权处理,用加权后的无偏灰色马尔科夫模型进行预测。在每一步的预测中,利用新陈代谢的原理不断更新建模所使用的数据。将该模型用于基坑沉降预测,并通过实例进行验证。实验表明:基于新陈代谢的无偏灰色加权马尔科夫模型提高了基坑沉降预测的精度和可靠性,预测精度与未改进模型相比提高了8.54%。     

马尔科夫链优化Logistic曲线的基坑沉降预测模型

针对基坑沉降具有非线性及随机性的特点,建立基于马尔科夫链修正的Logistic曲线预测模型进行基坑沉降预测。基坑监测工程实例应用表明:利用Matlab平台的nlinfit函数进行Logistic曲线参数估计是有效的,将Logistic模型拟合值与观测值的残差用于马尔科夫的状态划分,构造状态转移概率矩阵,建立马尔科夫链优化的Logistic模型,预测均方根误差和平均绝对百分误差都比单一Logistic模型小。这表明该方法用于基坑沉降预测是可行的。     

高层建筑施工对邻近轨道交通高架桥的沉降变形分析

高层建筑桩基施工和基坑开挖施工使土体的平衡遭到破坏,引起坑内外土体隆起或沉降,从而易使邻近轨道高架发生沉降变形。通过利用苏州"中城商务广场C、D楼"项目施工过程中对高架桥墩的实时监测,分析其对轨道交通高架桥造成的影响及原因,供类似监测工程参考。     

基于卡尔曼滤波的离散灰度模型在基坑沉降数据的研究

为了提高深基坑开挖过程中实时沉降监测预测的可靠性与准确性,保障基坑施工和周边环境安全,针对深基坑开挖过程中周围底层移动、施工、环境因素及实际观测过程中原始数据存在较多噪声对原始沉降数据产生一定影响等诸多问题。本文考虑使用卡尔曼滤波理论对沉降数据进行去噪预处理,并建立离散灰度模型,通过该模型对沉降数据进行分析及预测。通过实验数据分析处理,验证模型预测精度有了一定的提高,且具有一定的参考价值。     

灰色模型在深基坑变形监测中的应用研究

随着城市建设的快速发展,对地下空间的利用需求急剧增长,引发的深基坑工程事故也随之增加。因此,对施工过程进行全方位的监测和变形预测分析,及时、准确地反馈基坑变形动态,对工程安全起着至关重要的作用。本文叙述了变形监测灰色GM模型预测方法,并以重庆越洋广场监测项目为例,分析基于小波变换前后的预测效果和精度水平。结果表明,灰色模型能够达到较好的应用效果。     

回归分析在大桥沉降监测预测中的应用

在对多期桥梁沉降变形监测数据预处理、观测数据粗差剔除方法分析研究的基础上,提出了基于代表性沉降数据、采用回归分析法对大桥沉降形变进行预测的方法,并在东明黄河公路大桥沉降变形监测项目中得到了成功应用,结果验证了该方法的有效性,研究结论可为桥梁变形监测数据处理及预测预报提供借鉴。     

平稳自回归模型在深大基坑位移预测中的应用

在深大基坑施工阶段,对基坑桩顶位移和深层位移进行监测和预测非常重要。研究用于基坑桩顶位移和深层位移趋势预测的平稳自回归模型AR(P),根据监测点21期的位移观测成果分析模型的适用性,采用平稳自回归模型AR(1)对后三期的位移进行预测,与实测值最大相差分别为0.9 mm和2.2 mm,表明模型具有较好的预测效果。     

涉水墩基坑监测数据分析

结合南京市水中墩基坑监测工程开挖和施工过程中地表沉降情况,对钢板桩的水平位移和竖向沉降、钢支撑轴力以及土体深层水平位移和基坑钢板桩形变进行了数据分析,总结了实际基坑监测中的注意事项和施工中监测数据的变化规律,为基坑监测工程提供参考。     

径向基神经网络在沉降预测中的应用

针对大型建筑物的沉降监测存在较多的不等时间间隔沉降监测数据,现有模型需要对此类数据进行等间隔处理后建立沉降预测模型的现状,该文采用无需对监测数据进行等间隔预处理的径向基神经网络对沉降监测数据建立沉降预测。通过对西安某大厦基坑开挖对地表和周围建筑物影响的沉降监测数据进行实例分析,并与非等间隔灰色GM(1,1)预测模型进行对比,利用模型评价指标评价预测模型精度。结果表明:采用径向基神经网络建立预测模型处理过程简便,其预测精度优于非等间隔灰色GM(1,1)预测模型。     

某建筑物基坑监测技术设计

基坑在施工的过程中,开挖区域内土质形态和咬合状态的变化,以及基坑内外的土地主体受力情况都发生了变化,从而引起基坑的支护结构承受的荷载力不断变化,引起基坑内部的土地隆起、基坑支护结构及其周围土地主体的两侧发生水平位移和竖直沉降,从而威胁到安全施工和建筑物的运营。为了避免正常施工过程中事故的发生,在施工前要对监测的基坑等级进行分析,从而制订监测计划,通过监测值的变化来判断施工的安全性。文中结合建筑物基坑监测项目对基坑进行水平位移和沉降的技术设计。     

改进后灰色神经网络及短期基坑沉降预测研究

在短期基坑沉降监测中,由于数据量少且呈非线性变化,沉降模型很难准确建立。灰色GM(1,1)对数据少、趋势性强、波动小的数据有较高的预测精度,但不能模拟复杂的非线性函数;BP神经网络可以对非线性数据进行学习训练,具有自学习、自适应能力;通过将GM(1,1)与BP神经网络组合,并优化网络部分的学习率、权值和阈值等,建立一种改进的灰色神经网络模型,该模型具有对非线性数据自学习、自适应能力和预测精度更高等优点。通过某基坑沉降监测分析,验证改进的灰色神经网络模型预测精度更高,适合短期建模,具有很好的实用性。