共查询到20条相似文献,搜索用时 765 毫秒
1.
樊政 《测绘与空间地理信息》2018,(9)
由于地铁工程大部分在地下施工,可能造成周围建筑或者土地出现不均匀沉降问题。为了确保地铁施工安全,地铁施工过程中要对地面沉降现象进行检测,从而及时了解地面沉降情况。本文通过时间序列分析方法对地铁施工沉降情况进行监测,及时掌握地铁工程以及周围建筑物的沉降量和沉降速度,对沉降情况进行科学的分析和评价,并采用合理的方法进行预测,更好地掌握地铁施工沉降变化规律和发展趋势,确保地铁施工的安全性。 相似文献
2.
地铁施工中广州中信广场沉降监测 总被引:1,自引:0,他引:1
地铁施工中,高层建筑物都存在一定程度的下沉;结合中信广场的场地条件,介绍了在地铁施工期间的沉降监测实施方法,对沉降监测数据进行了分析,并得出施工阶段沉降变化的规律。其结果对保证建筑物的安全和保障地铁施工具有重要意义。 相似文献
3.
4.
高层建筑沉降监测与灰色预测 总被引:6,自引:4,他引:2
高层建筑在施工期间,随着主体荷载的增加,必然造成主体不规则下沉。而建筑物的整体稳定性是确保建筑结构稳定的必要条件,其局部不均匀沉降可能导致建筑物发生倾斜。为了确保建筑物的正常施工及安全使用,对高层建筑进行沉降监测和变形趋势预测是非常必要的。因此,本次应用二级水准测量方法定期对某高层建筑进行沉降监测,对监测成果进行了细致分析,并用灰色系统理论对沉降趋势进行了预测。监测和预测结果表明,所建高层建筑沉降规律正常、稳定性良好,从而为类似条件下的高层建筑的安全施工与管理提供了重要参考依据。 相似文献
5.
6.
以某市地铁五号线某盾构区间连续下穿多栋建筑物为例,通过理论数值三维模拟,结合持续的变形监测数据,分析总结了地铁隧道盾构施工对下(侧)穿建筑物的影响规律。结果表明:临近建筑物区域其纵向沉降值大于其他区域;盾构下穿施工对不同建筑物的影响程度取决于其荷载大小与基础形式;盾构下穿建筑物时增大注浆压力有利于抑制上部建筑物的变形;同时也提出了盾构下穿不同基础形式建(构)筑物的应对措施建议。 相似文献
7.
北京市地铁暗挖施工沉降控制探讨 总被引:1,自引:0,他引:1
仅以北京市地铁4#线张自忠车站主体暗挖施工的沉降监控项目为研究背景,对穿越城市主干道的车站结构暗挖施工进行连续性的沉降变形监测;从地下构筑物暗挖施工的工序变化与地表沉降的关系进行试验研究.在预测基础上对获取的数据进行多层次的统计与分析,以研究其变形规律与稳定性,实现了信息化施工. 相似文献
8.
针对在地铁建设和运营中容易引起地面沉降,给人民生命财产安全造成威胁的问题,该文利用SBAS-InSAR对2018年7月—2019年12月昆明市41幅Sentinel-1A升降轨影像进行处理,获取昆明地铁沿线沉降信息。在此基础上,分析了6条地铁沿线200 m缓冲区地表沉降的时空分布特征,并结合LSTM、XGBoost、Deep Forset模型进行时间序列值的预测,引入绝对误差(ε)、均方根误差(RMSE)、纳什系数(NSE)对模型进行对比评价。Deep Forest预测模型计算得到的RMSE值最小,NSE值最大,分别为0.21、0.94,结果表明,Deep Forest预测模型效果高于LSTM、XGBoost预测模型。因此,利用Deep Forest模型能够有效地对地铁沿线进行沉降预测,可以为政府部门今后开展地铁沿线地面沉降监测和灾害预警提供参考。 相似文献
9.
变形监测在建筑物施工和运营管理方面是一个至关重要的环节,变形监测的预测模型有很多。选取适当的变形监测预测模型对于预测建筑物的变形尤为重要。本文运用灰色模型GM(1,1)、BP神经网络和曲线拟合中的修正指数曲线对一幢大楼13期的沉降观测数据进行分析。利用前12期沉降观测数据构建预测模型来预测第13期沉降观测的数据,将预测的结果与实际测量的结果进行比较,得出这三种模型预测的精度。结果表明:在这一幢大楼的沉降观测预测中,修正指数曲线法预测的精度要比灰色模型GM(1,1)和BP神经网络预测的精度高。 相似文献
10.
针对目前的地铁隧道沉降变形预测方法忽略了对沉降变形影响因素的综合协调考虑这一问题,该文将遗传算法(GA)结合极限学习机(ELM)的方法引入地铁隧道沉降变形预测。该方法借助最大信息熵理论,充分挖掘地铁隧道沉降主要影响因素与沉降量间的信息特征,并将遗传算法与极限学习机相耦合,利用遗传算法的全局搜索能力获取ELM神经网络优化的初始权值和阈值,形成熵权遗传算法-极限学习机模型,并编制相应计算程序。采用该模型对西安某地铁隧道沉降变形进行预测,并与遗传算法-极限学习机、极限学习机、传统的BP神经网络预测结果进行比较,结果表明熵权遗传算法-极限学习机模型与实测值吻合更好,预测结果更稳定。 相似文献
11.
12.
锦绣馨园地基沉降监测和预测 总被引:4,自引:0,他引:4
沉降量是建筑物施工期间及竣工后地基变形的一个重要指标.结合工程实例,详细介绍高层建筑地基沉降变形监测方法和注意事项,并采用指数曲线3点法预测最终沉降量. 相似文献
13.
灰色预测在建筑物沉降变形分析中的应用 总被引:42,自引:11,他引:31
本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降变形数据分析,结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测方法的可行性。 相似文献
14.
针对建筑物变形监测的数据处理问题,本文基于Matlab提出了几种拟合模型对所得的沉降数据进行分析、预测.本文以某高层建筑物变形监测数据为例,经基准点检查和三点修匀法对原始数据处理以后,通过模型预测分析得出高层建筑物沉降特征与规律.实验结果表明,使用指数函数模型拟合出的实际效果能够更加准确地分析高层建筑物的沉降变形. 相似文献
15.
简要介绍各类建筑物变形监测的必要性,详细阐述了建筑物沉降监测方法与技术流程,并对沉降数据进行了全周期的分析。在建筑物沉降监测各个环节上遵循相关技术标准,有效监测建筑物在施工期间的沉降变化,为建筑物的施工和后期运营提供可靠的基础数据。 相似文献
16.
17.
18.
为了确保建筑物在建设过程中的安全,需要准确掌握建筑物基坑及周边的变形情况。针对建筑物基坑沉降变形预测问题,本文对单一的GM(1.1)模型与BP神经网络模型进行优化并构建组合预测模型。优化组合模型一方面解决了单一预测模型稳定性差、预测精度低的问题,另一方面提高了预测模型的适用性。将本文提出的组合预测模型应用于某在建建筑物基坑沉降变形预测中,结果表明,相较于单一的GM(1.1)模型与BP神经网络模型,本文提出的优化组合预测模型的预测精度与稳定性更高,证明了组合预测模型在建筑物基坑类沉降预测中的可靠性。 相似文献
19.