明挖隧道基坑周边建筑物沉降预测研究

基于济南市济泺路穿黄隧道工程,研究了BP神经网络和灰色GM(1,1)模型分别对隧道开挖影响周边建筑物沉降的预测。BP神经网络模型和灰色系统模型预测深基坑周围建筑物沉降,均能够取得较好的预测结果;对建筑物的沉降量进行中长期预测时,BP神经网络模型更适合进行预测;灰色GM(1,1)模型的特点需使用的实测数据少,该模型适用于短期预测,在监测数据较少时能够发挥较好作用。     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

基于灰色神经网络模型的基坑变形预测研究

结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要.     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

预报模型在GPS测沉降中的应用

变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。     

灰色神经网络预测建模的Matlab实现

鉴于Matlab强大的计算及可视化功能,利用GUI用户界面进行了灰色神经网络组合模型程序设计,实现了数据的读入、灰色GM(1,1)模型预测、灰色神经网络组合模型预测以及沉降预测曲线的绘制,并通过实例验证了该程序的正确性及可靠性。     

地铁深基坑沉降监测数据特点分析与预测

为明确地铁深基坑开挖引起的地表沉降变形规律,结合施工过程,依据D 市Z 地铁站第29-48 期深基坑沉降监测数据,分析出深基坑地面沉降变形的普遍特点。同时,利用灰色GM（1,1）模型,对两个典型沉降点的监测数据依据不同的施工阶段进行预测。结果表明,灰色GM（1,1）模型在深基坑的沉降预测中比较可靠,且分阶段预测精度更高。可见,深基坑的沉降变形特点与开挖施工过程密切相关,在预测时结合施工进度,能提高预测精度。该研究为日后地铁深基坑沉降监测数据分析与预测提供参考。     

灰色模型在地铁隧道沉降预测中的应用

采用非齐次的GM(1,1)模型进行地铁隧道轴线的变形沉降预测,拓展了灰色模型在工程中的应用,并结合上海地铁4号线上行线隧道变形沉降的监测数据对该模型进行了验证,结果显示该模型合理可行。     

无偏灰色—马尔科夫组合模型在变形预测中的应用

在传统无偏灰色预测模型和马尔科夫模型的基础上提出了一种新的组合模型来对变形监测中的沉降进行预测。首先针对传统灰色预测模型存在灰色偏差与抗干扰能力弱的局限性,以及随机波动大的动态过程,提出采用无偏灰色—马尔科夫组合模型进行沉降预测。实验结果表明,利用该组合方法预测结果的精度要明显优于无偏灰色预测。     

滨海道路软土路基沉降工后预测——以厦门杏林北外环道路为例

通过对软土路基的沉降机理进行沉降组成分析,得出杏林软土地基沉降主要由主固结沉降组成。并运用灰色理论选用连续型直接数据GM（1,1）模型对厦门市杏林北环路高浦至锦园段公路软土路基沉降进行预测,通过与现场监测数据进行对比和分析发现,二者误差在1％内,表明用灰色模型预测软土沉降在该工程段中是适用的,预测的沉降值比较准确。