时序分析预报基坑周围建筑物沉降

时间序列分析是目前对动态数据处理的一种有效方法。它不要求考虑影响观测值的各种力学因素，而只分析这些观测数据的统计规律性。通过对时间序列统计规律性的分析，构造拟合出这些规律的最佳数学模型，并预报时间序列未来的可能数值，最后给出预报结果的精度分析犤１犦。时间序列分析的应用范围广泛涉及到自然界、社会界、工程界，涉及到众多的学科领域，并都取得了良好的效果。时间序列分析在岩土工程方面已有一些应用，但还不是很多。应用于位移预测时，由于位移序列无疑具有某种趋势性，因此对于趋势性的处理，基本上可以分成两类：一是…     

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。     

基坑变形预测的时间序列分析

在分析灰色系统与神经网络基本原理的基础上,结合前人研究成果和实例分析,提出灰色系统用于基坑变形预测存在的一些问题,认为灰色系统不宜用于地下连续墙水平位移的预测,在其它变形预测中也要慎用.建立了基坑变形预测的神经网络模型,并用实例加以论证.研究表明,神经网络是解决基坑变形预测的有效方法,在地下工程中具有很好的应用前景.     

基于时序分析的深基坑周边建筑物变形监测预报

采用基于时序分析的方法,对深基坑周边建筑物进行了变形监测,通过研究不同时序模型,结合实际沉降数据,得出其模型以及模型参数,并利用参数进行预报分析,结果表明,应用时序分析的方法处理沉降数据十分有效可靠。     

神经网络法在深基坑变形实时预报中的应用研究

根据深基坑变形的基本特征 ,用神经网络建立了深基坑变形的实时预报模型 ,编制了用于预报的神经网络程序 ,并对上海某深基坑工程变形监测数据进行了建模预报 ,预报结果与基坑边坡实际位移数据相吻合 ,说明了该方法的有效性和实用性     

时序分析在变形监测数据处理中的应用

本文简要介绍了时间序列分析的基本原理及方法 ,及其在变形监测数据处理中的应用。详细论述了如何利用监测序列进行识模、建模和预报 ,最后通过对南京建康路濠景花园深基坑变形监测点 (CJ 0 4 )连续 30期的观测数据进行了计算分析 ,论证了时序分析法在工程变形监测中应用的可行性与有效性。     

有限元法基坑变形预报应用实践

以扩展的修正剑桥模型为土体的本构关系,在土体与支护之间采用接触加摩擦的处理方法,使用二维平面有限元法对上海地铁M8线延吉中路站深基坑进行模拟计算并与实测结果作对比分析。结果表明,选取合理的本构模型与计算参数,有限元法可以较好地模拟软土深基坑的实际施工工况,能够取得比较符合实际的结果。     

基坑变形观测数据的因素分析方法

采用因素分析方法分析建筑物变形观测数据 ,以定量形式描述影响建筑物变形的因素关系 ,本文结合实例给出因素分析计算方法。     

基于小波分解的高边坡变形预报

指出小波多分辨分析具有较强的时频分析特性，对含有趋势性、周期性和随机性的非线性变形时间序列进行分解，用不同的模型对各分解项进行预测后叠加，比单纯用某一种模型对变形的预测，精度有较大的提高，对各分解项用时间序列分析模型预测周期性，用多项武拟合趋势性，结果显示，预测效果较好。     

岩质边坡滑坡预报研究

介绍了以多年边坡位移监测资料为基础预测滑坡时间的２种方法。第１种是根据位移时间曲线从等速蠕变阶段转入加速阶段的位移速率作为滑坡临界速率的方法;第２种是用时间序列分析法,根据前几年位移规律预测后几年位移发展趋势,并用国内外滑坡实例确定的滑坡位移速率作为滑坡判据的方法。用这两种方法,提前一年预报的滑坡时间和滑坡位移速率同实测值吻合较好     

深基坑工程施工过程动态反演与变形预测的半解析分析

基于深基坑施工的特点，由半解析层单元建立了施工过程的动态反演和变形动态数值模拟分析方法，据此给出了各土层动态弹性模量的反演值，利用这些参数的反演值预测了各施工阶段的土层和支护结构的变形，预测值与实测结果具有良好的一致性。     

深基开挖引起的基坑变形预测与研究分析

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。     

高边坡开挖变形的非线性时间序列预测分析

在岩体高边坡开挖过程中,可以得到现场的位移监测数据,如何利用现场监测数据来预测高边坡的开挖变形是一件很有实用价值的工作。根据高边坡开挖变形时间序列的非线性特征,应用局域法对三峡高边坡的位移进行了预测分析。把局域法的思想引入到神经网络中去,按照寻找邻近点的原理构造出训练样本,通过神经网络得到的预测值与局域法得到的预测值很接近,并且可以大大地节约计算时间。计算结果表明,对于岩土体工程中的一维监测数据,通过非线性时间序列分析方法可以对其进行预测分析,该方法具有较高的实用价值。     

时间序列分析在隧道施工监测中的应用

用时间序列分析的更一般的组合模型描述隧道施工监测结果的变化规律，可以提高拟合模型的精度和预报的可靠性。其中，数据序列随时间变化的均值可用多项式或指数函数描述，而零均值的平稳过程可用ＡＲ（ｎ）或ＡＲＭＡ（ｎ，ｍ）模型拟合。对设测点前的断面位移值利用组合模型进行后推，并通过工程实例对该模型作了初步检验。     

深基坑的大变形分析

首次运用大变形理论对深基坑开挖过程中的大变形问题进行了研究。作为对比,也进行了相材料模型下的小变形理论分析,通过对比分析,从数值结果分析了用小变形理论研究基坑变形问题时,可能会产生的误差,并一量地确定大、小变形理论适用范围。     

基于地下水位变化的滑坡预测时序分析

 松散堆积土滑坡受地下水位变化影响显著,地下水位变化先于地表位移,易于监测。在坡体表面位移与地下水位之间建立联系,将地下水位监测作为滑坡预测的手段或辅助预测手段具有广泛的应用前景。相关数据序列分析可借助向量自回归模型,其兼顾数据序列的相关性分析和回归分析,可用于研究时间顺序数据间的滞后效应及多种时序间的联系。基于地下水位变化会引起滑坡下滑推力改变的认识,将实测地下水位变化的时序数据转化为推力引起土体位移加速度的改变,建立实测滑坡位移变化加速度与根据地下水位变化引起滑坡推力变化的计算标称加速度的向量自回归模型,可判断坡体表面位移受地下水位影响的规律及相应的滞后时间。所建立模型应用于上虞-三门高速公路6#滑坡分析,验证模型在滑坡位移预测中的有效性,为相关滑坡工程的预测分析提供了参考和借鉴。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

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。     

深基坑开挖地表移动变形分析的Fuzzy模型

采用模糊数学中的模糊测度理论导出了深基坑开挖引起的周围地表移动变形问题分析的数学模型，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计算分析。将理论分析结果与现场实测资料比较。二者吻合得较好。这一结果表明。导出的模糊测度理论模型适用于预测分析城区深基坑开挖引起周围地表移动变形问题。