北京地铁光华路站风道暗挖工程监控量测技术

结合北京地铁光华路站西北风道工程施工中应用的监控量测系统技术，介绍城市地铁工程施工中如何通过监测地表沉降、拱顶沉降等来控制和指导施工。     

箱形基础上浮病害整治技术

结合箱形基础不均匀上浮工程病害实例，综合分析了病害原因，提出了应用高压灌浆和抗浮锚杆工艺进行处治的方案。     

苏、锡、常三市发生不均匀沉降惊现22处地裂缝

新华网消息江苏省地质调查研究院研究员郭坤一近日透露，长三角地区地面正在逐渐下沉，而且“这种现状越来越严重”。苏州、无锡、常州地区因不均匀沉降，目前已发生22处地裂缝。     

我国50多个城市出现地面沉降

近日召开的中国地下水资源与环境调查成果通报会上透露，我国有50多个城市不同程度出现了地面沉降和地裂缝灾害，沉降面积扩展到9．4万km^2，出现地下水降落漏斗180多个，总面积约19万km^2。发生岩溶塌陷1400多起，海水入侵面积逐年扩大，北方土地荒漠化面积有所增加。     

GM(1,1)模型在高铁软土路基沉降监测中的应用

依托哈齐铁路客运专线沉降观测项目,利用灰色模型GM(1,1)对软土路基沉降进行定量分析预测,探讨了该沉降过程的动态变化规律。与实测数据对比表明,灰色模型GM(1,1)对该沉降趋势的符合度较高,精度能够满足要求。     

基于Logistic和Gompertz曲线模型拟合的建筑物沉降分析

重大工程建设一般会有定期的沉降和变形监测,本研究利用具有规律变化的Logistic和Gompertz曲线模型进行拟合,并以某大型发电厂为研究对象,利用近15年的监测数据,建立预测模型并进行精度评估。研究结果表明,若监测数据具有一定程度的稳定性,并对计算时监测数据进行合理取舍,对采取的全区、分区平均值或单一点高度值的检测数据,运用Logistic和Gompertz曲线模型来预测大型建筑物的沉降情况是可行的。     

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。     

X射线荧光光谱-电子探针在中酸性火山岩鉴定中的应用

中酸性火山岩多具斑状结构,基质可见微晶状结构、隐晶状结构、玻璃质结构等,由于基质矿物颗粒多细小,常用的偏光显微镜受放大倍数的限制,很难准确鉴定矿物种属及含量,这类岩石仅依靠偏光显微镜分类命名会存在误差。本文采用X射线荧光光谱(XRF)、电子探针(EMPA)和偏光显微镜下观察相结合的方法,对中酸性火山岩进行鉴定。结果表明:对于基质呈隐晶质、显微晶质的中酸性火山岩,基质特征相似,偏光显微镜下无法确定长石、石英的含量,因此无法对岩石准确命名;再通过XRF进行主量元素分析,并对分析结果进行标准矿物QAPF双三角图解分类、TAS图解分类及李氏火山岩定量分类,对比结果显示三种分类命名方法存在差异;通过电子探针对矿物进行校验显示,QAPF及李氏火山岩定量分类图解与显微镜下鉴定相符,TAS图解与其他分析结果存在一定偏差。因此,对于中酸性火山岩准确命名,应采用多种分析方法相结合的方式,避免测试单一引起的误差。     

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。     

基于灰色支持向量机的地铁沉降滚动预测

为了确保地铁隧道主体结构和周边环境安全,必须对地铁隧道结构进行沉降监测,对监测数据进行及时分析与反馈,并对以后的沉降情况作出预测,对防止事故发生有着重要的现实意义。本文结合灰色系统理论和支持向量机(SVM)的基本原理,采用滚动预测的方式建立灰色支持向量机沉降预测模型,以提高沉降预测精度。通过工程实例的预测结果对比表明,组合模型与灰色和SVM两个单独预测模型相比能够更准确的反映实际的沉降过程,具有很大的应用价值。