厚层淤泥中的爆炸定向滑移法原理及工程实例

介绍了一种能应用于深厚层淤泥软基的挤淤法--爆炸定向滑移法 (Bosm)。该法是通过在抛石堤头前方淤泥中一定位置处埋置群药包,利用爆炸产生的强冲击波和震动扰动淤泥并降低淤泥强度,使抛石堤下方及周围淤泥的结构破坏,瞬间丧失强度,短期内难以恢复,形成定向滑移条件,抛石堤下沉实现泥石置换。同时,结合深港西部通道海堤挤淤工程,详细介绍了爆炸定向滑移法的施工参数和工序流程,提出了施工质量控制和检测措施。通过钻孔、物探及沉降观测等技术手段对竣工后大堤进行的检查表明, 大堤是稳定的,采用爆炸定向滑移法修筑海堤是成功的。值得在深厚层淤泥的海堤挤淤工程中推广。     

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。     

基于RBF神经网络的软基短期沉降预测研究

RBF(radial basis function)神经网络是一类比较优越的前向式多层神经网络,比传统的BP网络有较快的收敛速度.以深圳湾西部通道填海软基沉降的预测分析为例,探讨采用RBF神经网络解决这一问题的方法.采用插值方法构建时间间隔统一的时间序列数据并进行归一化处理,在此基础上建立了沉降变形时间序列的RBF神经网络模型,通过训练网络模型来预测沉降量.计算实例表明,模型具有运算速度快、预测精度高的特点,是一种具有应用前景的软基预测新方法.