灰色模型在基坑支护变形预测中的有效应用

在采用GM(1,1)模型预测基坑支护变形,通过选取恰当的原始数据序列,并进行残差修正,能得到精度很高的预测结果。并对此进行了实际工程的算例分析,计算过程中采用了方便快捷的EXCEL方法。     

灰色系统模型在大坝变形预测中的应用

为解决大坝安全监测中变形预测的问题,以某大坝坝顶监测数据为例,介绍了灰色GM模型预测的基本方法,采用MATLAB程序建立了GM（1,1）和GM（2,1）模型,分别对某大坝坝顶视准线部分监测点的变形量进行了预测。将预测值与实测值进行对比分析可知：采用GM（1,1）和GM（2,1）模型得到的预测结果均能很好地拟合实测值,预测精度高,利用该模型在实际工程中加以应用是可行的。     

基于小波消噪及BP神经网络的大坝变形分析

基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测。时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律。两种建模方法先应用小波分析对原始观测数据消噪,训练过程中采用附加动量法等改进BP算法,大大提高了BP神经网络的计算效率,克服了其易陷入局部极小的缺陷,取得了良好的拟合效果和预测精度。     

贵州山区煤矿开采地表沉陷变形预测模型

山区煤矿开采地表沉陷移动变形监测资料甚少,目前山区煤矿开采地表沉陷移动变形主要是通过修正后的概率积分方法进行预测。以松河矿区为例,采用矿山沉陷预测系统,对煤矿开采引起的地表沉陷移动变形进行预测,得出了矿区沉陷影响范围值及地表沉陷移动变形值。     

滑坡变形的回归-神经网络预测模型研究

受多种因素影响,滑坡变形具有趋势性和随机性的特点。从滑坡变形监测数据着手,将监测数据分离成趋势值和随机值,建立了滑坡变形的回归-神经网络预测模型。该模型采用逐步回归方法对滑坡变形的趋势值进行预测,用BP神经网络预测方法对滑坡变形的随机值进行预测。利用金沙江乌东德坝址区金坪子滑坡TP06点高程位移变化实测数据,对该模型进行了验证。结果表明:预测误差不超过11%,具有较高的预测精度。     

围岩变形数据序列的预测方法探讨

建立围岩变形数据预测的BP模型，实现了工程中大量无法采用灰色GM（1，1）模型精确预测问题的方法探讨。实例计算证明该模型具有计算简便、可有效改善围岩变形值的预测精度。     

基于MF-DFA法和PSO-ELM模型的基坑变形规律研究

为准确掌握基坑变形的发展趋势,实现对基坑施工的准确指导,针对基坑变形序列的非线性和复杂性,提出利用MF-DFA法和PSO-ELM模型对基坑的变形规律进行研究。首先,利用MF-DFA法对基坑变形速率序列进行多重分形特征分析,以判断基坑的变形趋势;其次,利用PSO-ELM模型对基坑累计变形序列进行预测,得到基坑变形的预测值;最后,对比两变形序列的分析结果,综合判断基坑的变形趋势。同时,采用实例检验分析思路的准确性。结果表明:MF-DFA法能有效分析基坑变形速率序列的多重分形特征, PSO-ELM模型在基坑变形预测中也具有较高的预测精度,且两者对基坑变形规律的判断的一致性较好,相互佐证了两者分析结果的准确性,为基坑变形规律研究提供了一种新的思路。     

基于灰色模型的基坑变形预测评价

基坑开挖施工必然会引起基坑以及支护结构的变形稳定问题,采用灰色系统预测理论建立了深基坑变形的非等时距GM(1,1)预测模型,利用某工程实例的实际监测数据对基坑各阶段的变形进行预测,通过对预测成果与实际值的对比分析,对应用灰色模型预测基坑变形给予了评价。     

基于新型智能算法ELM的滑坡变形位移预测

针对采用经典智能算法进行滑坡变形预测时存在学习速度慢、网络结构参数选取复杂等问题,构建了基于新型智能算法ELM(Extreme Learning Machine)的滑坡位移预测模型,采用二值区间搜索算法选定最佳隐层神经元个数和激励函数,并融入数据滚动建模思想,以期提高网络泛化能力和预测精度。以链子崖、古树屋两滑坡体为例,将ELM与经典智能算法LMBP、RBF的预测效果进行对比,算例结果表明:ELM算法具有较高的预测精度,且在网络学习速度等方面优势明显。     

位移反分析在地下厂房开挖中的应用

针对官地水电站地下厂房,采用三维快速拉格朗日法(FLAC3D)对开挖及支护过程进行弹塑性有限元模拟,基于开挖过程中地下厂房围岩实测位移,采用BP网络和遗传算法对围岩变形模量进行反演,并采用反演模量值对地下厂房后续开挖过程中的变形进行了预测。研究表明,采用BP网络和遗传算法进行反演,可以提高反分析计算速度。反演得到的岩体变形模量为19.95GPa,在参数建议值范围内。采用反演参数对地下洞室后续开挖过程中的位移进行有限元计算和预测,预测位移与现场监测位移较为符合,说明反演结果是合理的。研究成果可为类似地下工程开挖变形预测提供参考。