网络基坑沉降预测模型的结构探讨

针对深基坑开挖施工过程中多种因素引起的沉降变形具有较强随机性特点 ,用BP神经网络替代灰色CM (1,1)模型 ,可有效改善了施工工程中深基坑沉降变形值的预测精度 ,并对BP神经网络结构形式进行了探讨     

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。     

用小波神经网络预测深基坑周围地表的沉降量

将小波神经网络应用于深基坑周围地表沉降的预测,提出了一种有效的预测方法,并构造了预测沉降的小波神经网络模型。预测结果表明,该方法收敛速度快、预测精度高,为预测深基坑周围地表沉降量的一种实用方法。     

基于粗糙集理论BP网络的地铁深基坑监控预测分析与优化

以25个深基坑工程地表沉降实测资料为训练样本,综合考虑多个主要影响因素,应用粗糙集对次要影响因素进行约简,然后建立地表沉降的7-15-1粗糙集BP(RS-BP)神经网络预测模型对5个检验样本进行预测及预测精度分析,并将该模型与传统BP神经网络预测模型进行对比。结果表明:传统BP神经网络预测其平均相对误差达到15.04%;而RS-BP神经网络预测平均相对误差较小,为5.55%,满足精度要求。因此,基于粗糙集BP神经网络预测模型在预测精度上优于传统BP神经网络预测模型。     

基于BP神经网络的深基坑沉降预测

为了分析深基坑的沉降规律,以某实际工程为例,利用BP神经网络对该工程的深基坑沉降数据进行拟合和预测分析,采用C语言编写程序进行预测。结果表明,利用BP神经网络方法的预测结果合理,误差在允许范围内,满足工程要求,并且对类似的工程施工具有指导作用。     

基于有监督机器学习基坑变形预测模型的比较与分析

影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算（Soft Computing Method,SCM）法深基坑位移预测模型的精度性能,对基于支持向量机（Support Vector Model,SVM）位移预测模型、基于随机森林（Random Forest,RF）预测模型、基于反向传播（Back Propagation,BP）神经网络预测模型、基于径向基（Radial Basis Function,RBF）神经网络预测模型、基于Elman神经网络预测模型和长短期记忆（Long Short-Term Memory,LSTM）神经网络预测模型进行了实际深基坑工程一至三天位移预测试验。试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络（Artificial Neural Network,ANN）算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论。     

基于神经网络的深基坑沉降预测模型比较

神经网络预测为深基坑预测提供了一种有效的路径。运用哪种模型较优,输入层、输出层、隐含层参数如何选取,对预测的结果都有一定的影响,本文结合实际轨道交通工程案例,以深基坑沉降监测数据为例,对常见的几种神经网络预测模型进行了对比分析,对几种模型的残差、均方根误差(RMSE)和绝对平均误差(MAE),收敛次数这几个方面进行对比,结果表明遗传算法神经网络对深基坑沉降监测数据预测较为有效,同时对模型参数的选取提出了建议。     

深基坑施工变形预测与控制方法研究

结合广州地铁某换乘车站深基坑工程,分别采用5种计算模型对深基坑施工引起的周边地表沉降进行了预测分析,与实测沉降值对比后发现:灰色GM(1,1)模型、灰色马尔科夫链模型和BP人工神经网络的短期预测结果比较可靠,但其长期预测结果精度不够,而经过残差修正后的灰色模型能够明显的提高预测精度,具有一定的工程实用价值;并结合具体工程实例提出了深基坑施工变形控制的基本方法。     

BP神经网络法在某输气站沉降预测中的应用

介绍了几种常用的沉降预测方法,通过详细系统的试算,建立了适用于沉降预测的BP神经网络模型,并以"川气东送"管道工程某输气站的沉降监测为研究对象,将BP神经网络法与传统的曲线法进行对比分析,论述了各种方法的优劣,明确了BP神经网络法用于沉降预测的可行性。     

基于BP网络的基坑周围地表沉降影响因素分析

深基坑开挖引起的周围地表沉降问题是一个复杂的非线性问题.利用BP网络处理复杂的、不确定的非线性问题的独特优势,成功建立了软土地区深基坑开挖引起的周围地表沉降的预测模型,并对其影响因素进行了定量分析,找出了主要影响因素并提出了相应的措施.     

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.     

BP神经网络在深基坑工程中的应用

近年来 ,人工神经网络方法在深基坑工程中得到了广泛的应用 ,取得了比较令人满意的结果。本文在分析讨论了人工神经网络中应用最为广泛的BP网络基本原理的基础上 ,对BP网络方法在深基坑工程中的应用情况进行了详细的论述 ,最后指出了该法在深基坑工程中应用的技术关键和存在的问题。     

基于神经网络的基坑与紧邻桩变形相关预测

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     

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。     

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。     

BP神经网络在某深基坑工程监测中的应用研究

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。     

开挖降水条件下基坑周围建筑物沉降预测研究

利用Gompertz曲线模型、灰色理论模型和BP神经网络模型等单一预测模型对基坑周围建筑物沉降进行预测,之后将结果与三者优化组合模型的预测结果进行比较分析,结果表明：单一模型预测结果的精度比三者优化组合模型的精度较低,而其中通过最优加权法组合的模型预测精度最高。     

基于BP人工神经网络的抗剪强度参数值反演

利用F-SPW5软件和BP人工神经网络工具建立了新疆碎石类土深基坑开挖位移反分析的专家系统计算模型,并将其反演得到的参数用于与随机变量统计法得到的c,φ的取值范围进行验证,确认了研究成果的可靠性。