共查询到17条相似文献,搜索用时 187 毫秒
1.
2.
结合工程实例,针对基坑开挖过程的变形特点,应用BP神经网络和基于粒子群优化算法的BP神经网络对基坑支护结构的变形进行预测,并对两种方法预测结果进行比较分析。结果表明,基于粒子群优化算法的BP网络的泛化预测性能要优于BP网络,预测深基坑地下连续墙结构水平位移更有效。 相似文献
3.
4.
采用BP神经网络模型对某深基坑工程的变形进行了预测,通过与实测数据的对比分析表明:BP神经网络模型在深基坑工程监测中具有良好的容错性,在围护桩顶竖向及水平位移、围护桩深层水平位移、锚索内力预测方面具有较高的准确度,与实际内力及变形情况较为吻合;BP神经网络模型在地下水位预测中的准确度较低、数据结果离散性较大,不能充分反映水位变化的实际情况;BP神经网络模型在进行短期预测时准确率高,预测曲线与实测数据曲线吻合性较好;在进行锚索内力监测时,当传感器不能及时采集数据的情况下,BP神经网络能发挥预测准确数据的作用;BP神经网络模型隐含层数的选取对预测结果的准确性有一定的影响。 相似文献
5.
边坡的变形表现出复杂的非线性演化特征,大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础,使用零均值化和标准偏差预处理方法,以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对边坡位移非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合岩土体位移预测的神经网络–时间序列分析联合模型,以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明:新模型的预测精度高、实时可靠,可应用于实际工程。 相似文献
6.
边坡非线性位移的神经网络-时间序列分析 总被引:17,自引:1,他引:17
边坡的变形表现出复杂的非线性演化特征,大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础,使用零均值化和标准偏差预处理方法,以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对边坡位移非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合岩土体位移预测的神经网络-时间序列分析联合模型,以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明:新模型的预测精度高、实时可靠,可应用于实际工程。 相似文献
7.
深基开挖引起的基坑变形预测与研究分析 总被引:1,自引:1,他引:0
由于基坑工程的复杂性 ,很难从理论上对围护结构水平位移和周围地表沉降进行预测 ,故在基坑开挖过程中信息化施工就显得特别重要。采用改进的BP算法对深基坑围护结构变形进行预测的方法 ,与传统的BP算法相比 ,该算法具有更快的收敛速度 ,能有效地改善传统BP算法收敛慢的缺点。通过对预测结果与实测结果进行对比分析 ,表明改进的BP网络是预测基坑围护结构变形的一种十分有效的方法。最后分析了基坑周围地表沉降与围护结构变形之间的关系。 相似文献
8.
基于PSO-BP算法的隧道非线性位移分析模型 总被引:1,自引:0,他引:1
粒子群优化(PSO)算法是近年来发展迅速,并得到广泛应用的一种仿生全局最优化算法.与遗传算法相比,该算法具有操作简单、易于编程的优点.结合铜黄高速公路汤屯段大田连拱隧道施工,采用PSO算法对BP神经网络的权值进行自动优化,获得训练效果最好的BP网络模型参数以提高网络的泛化能力,建立起基于PSO-BP算法的大田隧道施工位移非线性智能分析模型,并采用此模型对后续施工隧道变形进行了预测分析.与实测位移对比表明,本文建立的PSO-BP模型平均预测相对误差仅为3.1%,可很好地作为隧道信息化施工的一种辅助方法,并为其他类似岩土工程提供借鉴. 相似文献
9.
10.
11.
采用神经网络理论建立了深基坑开挖引起的周围地表移动变形问题分析的非线性时闻序列神经网络模型。并用该模型对深基坑开挖引起的周围地表移动变形工程实例进行了具体的研究分析。将预测结果与现场实测资料比较,二者吻合得较好。结果表明,建立的非线性时间序列神经网络模型能够有效的表达深基坑变形规律并能对未来变形量进行适时预测。 相似文献
12.
13.
14.
基于神经网络技术 ,建立深基坑墙体与其紧邻建筑 (构 )物之间变形相关性预测BP网络模型 ,以便根据深基坑紧邻桩基允许变形来控制深基坑墙体变形。本文最后用某紧邻高架桥的地铁车站深基坑实例进行分析 ,结果表明预测与实测结果基本吻合 相似文献
15.
16.