润扬大桥南汊北锚碇深基坑工程施工变形智能预测与控制研究(I)

在对深基坑墙体位移时序规律分析的基础上，提出了基于MATLAB 5.3平台的神经网络多步预测模型，可以一次预测多步施工的变形，达到及早调整基坑施工参数，完成变形控制的目的。对润扬大桥北锚碇深大基坑工程的施工实例分析显示，预测值和实测值基本吻合，表明该预测模型具有较高的精度。     

润扬大桥南汊北锚碇深基坑工程施工变形智能预测与控制研究（Ⅰ）

在对深基坑墙体位移时序规律分析的基础上，提出了基于MATLAB 5.3平台的神经网络多步预测模型，可以一次预测多步施工的变形，达到及早调整基坑施工参数，完成变形控制的目的。对润扬大桥北锚碇深大基坑工程的施工实例分析显示，预测值和实测值基本吻合，表明该预测模型具有较高的精度。     

土岩组合地区地铁深基坑变形分析与预测

以沿海某土岩组合地区一吊脚桩支护的深基坑工程为例,通过实测数据分析基坑变形情况。以实测数据为样本,建立小波神经网络与神经网络两种模型分别对基坑变形进行预测,研究表明:通过分析实测数据,吊脚桩支护的深基坑变形没有明显时空效应;小波神经网络模型的预测误差分别为1.617%、1.080%,均小于神经网络模型的预测误差(3.825%,1.349%)。说明小波神经网络在深基坑沉降预测中具有稳定性和准确性,能够为基坑后续监测工作提供依据。     

深大基坑施工变形的智能控制技术

利用神经网络 (ANN)和模糊控制 (FC)理论 ,采用预测控制的思想 ,建立了一套集基坑施工变形预测和控制于一体的智能化施工控制系统 ,该系统由神经网络预测器和模糊控制器组成。神经网络预测器对基坑变形进行连续滚动的多步预测 ,模糊控制器根据预测结果对施工参数进行决策控制。在MATLAB 5 .2平台支持下 ,研制了相应的基坑变形控制软件系统。实际应用结果表明 ,该智能控制系统对深基坑的安全施工过程具有较好的控制效果 ,真正做到了施工过程的实时、动态、智能化控制。软件系统操作界面简单、直观 ,便于实际工程应用。     

基于遗传算法-BP神经网络的深基坑变形预测

随着我国城镇化的发展,深基坑工程越来越多,随之而来的施工安全风险愈发凸显,如何有效预测和分析基坑的变形,是保障其施工安全的有效方法之一。本文利用遗传算法,对BP神经网络初始权重和阈值进行优化,并运用MATLAB编制了基坑变形预测程序。结合宁波地铁某车站深基坑地下连续墙深层土体水平位移的监测数据,建立了关于深基坑地下连续墙围护结构水平位移的神经网络模型,并对该基坑一测斜孔对应的围护结构水平位移进行预测。结果表明,本文提出的模型对于深基坑地下连续墙围护结构的水平位移预测具有较高的准确性,同时对支撑施作的影响具有良好的泛化能力,因而对基坑的施工安全具有现实的指导意义。     

神经网络在深基坑工程变形预测中的应用研究

提出了深基坑变形预测的神经网络法,详细介绍了该方法的建模过程,并用MATLAB语言加以实现,最后用实例论证了神经网络方法用于基坑工程变形预测的可靠性和实用性．     

BP神经网络在基坑工程变形预测中的应用

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。     

基于遗传-GRNN在深基坑地连墙测斜预测中的研究

基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场监测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对围护结构的变形做出预测的智能化施工成为基坑工程的发展趋势之一。研究了一种基于遗传算法的广义回归神经网络学习算法。该算法运用遗传算法寻找广义回归神经网络唯一参数光滑因子的最优解,将最优解赋予广义回归神经网络进行预测。在时间序列预测中,工程实例计算证明了遗传–广义回归神经网络预测的有效性和可行性,为时间序列预测提供了一种新途径。     

武汉地铁某深基坑开挖对周边高架桥影响的分析预测与数值模拟研究

以武汉地铁某深基坑工程为研究背景,综合现场监测、BP神经网络预测以及数值模拟计算等多种方法,研究在复杂路段下地铁车站深基坑围护结构的变形规律与深基坑开挖对上跨高架桥墩的影响作用。研究提出：在以后的类似工程中可以利用数值模拟方法对工程施工进行动态预演,检验基坑的设计方案的安全性和经济性,并在基坑施工过程中可以通过BP神经网络进行动态预测,掌握基坑施工在下一个阶段的变形趋势,从而可建立“模拟-预测”信息化施工监测方案,以达到基坑安全与经济施工的目的。     

深基坑变形控制研究进展

深基坑变形控制已经成为岩土工程研究中的一个新领域,本文介绍了深基坑变形控制的国内外研究现状,阐述了基坑变形机理,分析和探讨了基坑变形设计计算方法、基坑变形预测方法和基坑工程施工监测,对深基坑变形控制目前存在的一些主要问题和发展趋势进行了探讨.     

深基坑变形的神经网络预测

根据神经网络的基本原理,结合工程实例,建立了基坑变形预测的神经网络模型,并运用该模型对工程实例进行了预测,预测结果与实际变形拟合良好,表明了神经网络法在基坑变形预测中的有效性。     

多步滚动实时预报法在深基坑开挖监测中的应用研究

对传统BP神经网络存在的不足进行改进,并将其应用于深基坑开挖监测中,建立深基坑变形的实时预报模型;提出一种基于时间效应的多步滚动实时预报法,并利用Windows系统平台,在MATLAB7.0环境下,采用可视化的面向对象编程技术,编制深基坑变形实时预报的计算机程序。实例分析表明:该方法收敛速度快,预测精度高,预报值与实测值吻合较好,深基坑变形的实时预报具有一定的实用性。     

临近基坑建筑物沉降神经网络动态预报

将BP神经网络与遗传算法结合,建立了建筑物沉降的动态预报模型。实例分析表明所建立的模型预测精度较高,预报值与实测值吻合较好,该方法对建筑物沉降的实时预报有一定的实用性。     

基于Elman经网络的深基坑变形智能监测

Elman神经网络是一种典型的动态递归神经网络，它既可以学习空域模式，又可以学习时域模式，能使训练好的网络具有非线性和动态特性。文章采用11个输入单元和1个输出单元Elman神经网络。利用Maflab提供的神经网络工具箱编写了Elman神经网络程序，可以通过几种监测数据来推测另一种监测数据。最后以一幢超高层建筑的深基坑工程为例．说明了Elman神经网络方法用于深基坑变形的预测具有较好的可靠性，通过不断加入新的数据，Elman神经网络程序所能判断的数据类型和精度均不断提高。     

改进BP网络在深基坑变形预测中的应用

为了精确预测深基坑变形,对传统的BP网络进行改进,提出了几种改进算法,并通过经典的太阳黑子数据的预测实例对它们进行了比较研究,证明集成动量-可调激活函数的改进算法是一种较好的方法。并把这种算法应用于深基坑变形预测研究中,通过工程实例进行了验证研究,结果表明,改进算法的预测值与实测值基本吻合,预测结果更加精确,证明了本方法在深基坑变形预测应用中的有效性和实用性。     

基于解耦子波和优化神经网络的大坝变形预测

针对提高神经网络对大坝变形的预测能力,在对Murtagh提出的、小波与神经网络相结合的、用于复杂时间序列预测的“三阶段”策略进行改进的基础上,发展了一个解耦子波和优化神经网络优势联合的预测模型。首先,利用冗余Haar小波变换的拟小波包特性提出了基于能量谱主峰重构的动力解耦空间构建技术,并将其替代“三阶段”策略中的第1阶段,从而为神经网络的应用创建了良好的平台;再者,利用最优脑外科医生进行网络结构修剪,建立了神经网络自身优化的“优化–时新窗”技术,并将其替代“三阶段”策略中的第2阶段,从而优化了神经网络的内部环境。改进后的模型增强了对复杂动力系统的适应和处理能力。在大坝变形预测应用中,多个评价指标说明,该模型的性能比“三阶段”策略有显著提高。     

基于BP网络的深基坑支护位移反分析

传统的位移反分析方法一般均需借助优化手段,本文尝试将人工神经网络这一新兴的非线性科学应用于基坑的位移反分析问题,以模拟基坑开挖的有限元程序为正演工具,以BP网络为反演工具,并通过样本的映射关系将正演和反演过程有机地结合起来.最后,通过算例验证了将人工神经网络和有限元法结合起来进行基坑位移反分析具有可行性.     

人工神经网络与概率方法在深基开挖信息施工中的应用

将人工神经网络理论和概率方法用于深基开挖信息施工之中,用BorlandC++Builder5.0编写了深基开挖信息施工软件DEIFC系统,工程应用结果表明这些方法能够很好地解决深基开挖所引起的环境土工问题.     

基于遗传-神经网络的深基坑变形实时预报方法研究

根据深基坑变形的基本特征，运用遗传-神经网络建立了深基坑变形的实时预报模型，并对刘屋洲泵站深基坑变形进行了建模预报，预报值与实测值基本吻合，预测精度高，证明该方法用于深基坑变形实时预报的有效性和实用性。