TPGM(1,1)预测模型在基坑变形中的应用研究

依据深基坑周边地表沉降监测信息,运用灰色理论的方法,对基坑周边地表沉降发展变化规律进行合理的预测可以有效的确保基坑施工期间变形安全和正常使用要求。针对传统的GM(1,1)和DGM(1,1)模型本身数学结构的不足,提出采用TPGM(1,1)预测模型对基坑周边地表沉降进行预测。结合工程实例计算表明,在TPGM(1,1)模型中,利用已知监测数据预测未来一段时间内的基坑周边地表沉降能获得更加精确的预测结果。研究成果能为动态信息化施工以及施工阶段的基坑灾害评估、预警提供有力指导。     

板坯连铸漏钢预报神经元网络专家系统的研究

在提出混合式神经元网络专家系统的理论框架结构的基础上,用Ｃ语言开发了具有神经元网络模式识别功能和专家系统的功能的漏钢预报模型。离线测试表明,本系统比武钢引进的逻辑判断预报系统性能更好。     

基坑开挖对下卧既有地铁隧道变形规律研究

研究基坑工程下卧既有地铁隧道的变形规律,可以为基坑安全施工、控制隧道变形、提高隧道运营的安全稳定提供参考依据。文章依托青岛梅岭东路地下通道工程,基于Mindlin解与弹性地基梁理论,推导了基坑工程开挖时隧道附加应力与变形量的计算公式,并采用有限差分软件,模拟基坑工程开挖对下卧既有地铁隧道的变形影响,对比分析了地表沉降和地层竖向变形的理论、实测和数值结果。结果表明：基坑开挖时,距钻孔灌注桩<20 m,围护桩后地表沉降与测点距围护桩距离成正相关;隧道衬砌结构竖向和水平位移分别与基坑开挖深度成正相关,至基坑开挖完成后,其竖向和水平最大位移分别为9.35和2.15 mm。     

人工神经元网络在能源利用效率预测中的应用

针对广西能源利用效率的发展趋势呈现较强的非线性这一特点,采用人工神经元网络的BP算法对其进行拟合和预测,并把拟合的结果和全国的能源利用效率进行对比,并论述了拟合和预测结果的现实意义。     

人工神经元网络及其在成本预测中的应用

运用人工神经元网络理论，建立了一种新的成本预测模型，与其它预测方法相比，它具有自学习功能等特点。     

探讨合肥地铁潜山路站基坑开挖对地表 沉降的影响

鉴于城市施工的基坑周围分布众多的构筑物,必须对其开挖引起地表沉降严格控制。本文通过对合肥地铁二号线潜山路站一期基坑地表沉降监测数据进行分析,并结合数值模拟,探讨了基坑开挖过程中地表沉降的相关规律,为后续的施工提供指导和建议     

合肥地铁潜山路站基坑开挖对地表沉降影响的探讨

鉴于城市施工的基坑周围分布众多的构筑物,必须严格控制因开挖引起的地表沉降。本文通过对合肥地铁二号线潜山路站一期基坑地表沉降监测数据进行分析,并结合数值模拟,探讨了基坑开挖过程中地表沉降的相关规律,为后续的施工提供指导和建议。     

基坑开挖变形稳定颗粒流数值模拟研究

为了分析基坑开挖对周围环境的影响,基于颗粒流数值模拟方法,利用边界伺服法构建理想颗粒体系,利用线性接触黏结模型标定岩土体的细观力学参数。结果表明:基坑开挖后距离基坑壁60～70m地表变形约5mm;60～70m远处的管道相对变形量不超过3 mm,不会引起管线不均匀沉降而破坏;桩墙失效基坑周围的素填土以及淤泥质黏土将会向基坑滑塌,其滑塌范围从基坑内壁向外约影响10m,约为基坑开挖深度的2～3倍范围。     

水泥土搅拌桩在基坑工程中的应用

从水泥土搅拌桩的作用机理出发，介绍了水泥土搅拌桩在基坑支护工程中的应用。通过工程实例，充分说明了水泥土搅拌桩在基坑支护工程中的有效性和优越性。     

远程监控在基坑工程中的应用探索

随着建筑业发展,出现了许多庞大而复杂的基坑工程,容易发生工程事故,需要完善管理体系及相应载体。文章介绍了远程监控系统的监控流程,提出基于远程监控系统的基坑工程安全工程管理新模式,并以具体工程为例,介绍远程监控在实际工程中的应用。     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

动态模糊神经网络在变形预测中的应用

为了得到更好的桥梁墩台沉降变形预测精度,减少工程监测实践的误差,分别介绍了基于扩展径向基函数神经网络（RBFNN）与动态模糊神经网络（DFNN）的学习算法和参数的确定方法。选取某一桥梁沉降监测数据分别进行基于扩展径向基函数神经网络与动态模糊神经网络的自适应学习训练,进行桥梁墩台沉降变形预测。实例分析结果表明,径向基函数神经网络预测误差达到0.15 mm,而动态模糊神经网络预测误差达到0.07 mm,显然动态模糊神经网络具有更高的预测精度,从而证实了动态模糊技术与神经网络相结合的自适应学习训练过程的优越性。     

RBF神经网络在径流预报中的应用

鉴于径流的形成受众多因素的影响和径流预报具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的径流预测模型.经实例验证,该模型收敛速度快、预测精度高,并与BP网络作了对比,RBF网络显示了较好的优越性.     

神经网络在预测中的应用

本文介绍了多层前向神经网络及其学习算法。并利用多层前向神经网络对复杂非线性系统进行预测研究。实验结果证明该方法是有效的。     

基于模糊神经网络技术的深基坑支护结构体系安全评估方法研究

深基坑工程在设计、施工中存在一定的安全隐患,对其进行安全性评估具有重要意义。但是深基坑支护结构的安全性难以用一个准确的数值表述。本文选取侧压力,墙体侧斜,墙体弯矩,支撑轴力,立柱隆起及地表沉降作为评估指标;将深基坑的安全性等级划分为5级,并建立评估指标和安全等级的定量关系表;将模糊理论与神经网络技术结合起来,论证其在深基坑安全性评价的可行性,并建立用于深基坑安全性评估的模糊神经网络,并将训练好的网络用于某深基坑的安全性评估。结果表明：采用此方法对深基坑进行评估是深基坑安全评价的一个新的有效途径。     

深基坑开挖降水引起地铁隧道沉降的分析预测

地铁是对变形要求极为严格的建筑,在紧邻已运营的地铁处开挖的深基坑对地铁以及周围建筑产生的影响的分析预测显得尤为重要。通过理论计算结果和实际监测结果反分析对比得出针对本工程的沉降修正系数。选取不同工况,对基坑开挖结束后的大型工程桩降水开挖对地铁结构的影响进行了预测,提出了在工程的后续施工中应采取的措施。所述方法对本工程的施工和分析类似工程有参考价值。     

人工神经网络应用于时间序列预测的探讨

介绍了时间序列方法和适用场合,突出了基于神经网络的时间序列信息预测方法的重要性,进一步研究了BP神经网络技术,包括BP网络模型结构、BP网络学习过程、BP算法,并概括了BP算法存在的不足和改进方向。     

基坑锚杆支护技术的应用

介绍锚杆支护技术在深基坑开挖工程中的施工工艺及质量控制．通过现场测试说明锚杆做基坑支护既经济又合理．对解决桩间土的稳定问题．挂网喷浆是一种值得推广的技术措施。     

深基坑复合土钉墙支护的稳定性分析与工程应用

文章简要介绍了深基坑复合土钉墙支护技术的方法及稳定性分析方法,并结合工程实例,在工程设计与应用方面进行了一些探讨,指出该技术在特定地段中的应用前景。     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。