共查询到18条相似文献，搜索用时 343 毫秒
1.
基于Weibull曲线的软基沉降预测模型分析 总被引：2，自引：0，他引：2
结合软基沉降机理,提出用Weibull模型预测软基沉降全过程。该预测模型参数意义较为明确,可以反映加载速度等因素的影响,克服了其它两种成长模型反弯点处沉降值与最终沉降相对不变的缺点。在利用其它模型预测时,只有初步判断实测样本反弯点的位置才能较科学的选择有效样本和相应模型进行预测。Weibull模型可以充分利用沉降观测样本,具有广泛的适应性,指数模型是它的一种退化形式。它不但可以预测线性加载的软基沉降,而且可以预测一次加载或近似一次加载的软基沉降。工程实例的实测和计算比较说明该模型是可靠的。 相似文献
2.
软土路基沉降预测模型比较研究 总被引：1，自引：0，他引：1
针对高速公路软土路基的沉降预测,介绍灰色Usher模型的原理和应用.在置换法、碎石桩和塑料排水板三种不同软基处理方式下,分别应用该模型及双曲线模型、泊松曲线模型和Gompertz模型对某工程路基工后沉降进行预测.比较四种模型计算结果显示,基于实测数据的Usher模型很好地反映出沉降变化及其趋势.其精度高于其它三种预测模... 相似文献
3.
BP神经网络-灰色系统联合模型预测软基沉降量 总被引：24，自引：1，他引：23
目前软基沉降预测多采用指数曲线和双曲线延伸法,其结果不够理想,神经网络在此方面的运用也存在一定的局限,虽然GM(1,1)模型在软基沉降预测领域已得到运用,但在已有的案例中所使用的等时距模型都没有明确说明所采用的插值方法。以深圳湾西部通道填海软基沉降预测分析为例,建立BP神经网络-灰色系统联合模型来探讨解决这一问题的方法。采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,在此基础上建立沉降变形时间序列的GM模型,并建立相应的时间响应函数,预测沉降量。计算实例表明,该模型短期沉降预测结果比较准确,其最终沉降预测结果具有一定的工程参考价值。 相似文献
4.
5.
6.
7.
针对目前软基沉降预测中最常用的生长曲线模型以及人工神经网络模型的不足,提出将自适应神经模糊推理系统(ANFIS)应用于软基沉降预测。ANFIS将专家的模糊推理过程蕴含于神经网络结构中,使神经网络的结点和权值具有明确的物理意义,避免了传统神经网络工作过程的"黑盒"性。同时该系统可以采用最小二乘法和梯度下降法相结合的混合算法,既具有神经网络的自适应性和学习能力,又克服了它的局部极小值等缺点,预测精度也远高于生长曲线模型。最后用工程实例与生长模型和神经网络模型进行了对比,结果表明:ANFIS模型优于这两种模型,特别是在模拟多输入变量、高维数下软基沉降预测问题时有着独特的优势,具有一定的推广应用价值。 相似文献
8.
9.
10.
公路软基工后沉降的控制一直是工程技术人员特别重视的问题之一.介绍高速公路软基沉降预估的计算方法,分析软基沉降预估计算误差产生的原因,并提出减少软基沉降预估误差的途径. 相似文献
11.
铁路客运专线路基沉降预测的新方法 总被引：3，自引：0，他引：3
路基的工后沉降控制是高速铁路建设的重要问题之一,利用铁路客运专线路基现场观测数据,找出相应的路基沉降规律有利于指导设计与施工。在分析武广铁路客运专线路基大量数据的基础上,将三点法的基本思想引入到双曲线模型,建立了基于双曲线模型的三点法。其具体做法是：在实测沉降曲线上选取3个适当的点作为预测样本,代入双曲线模型进行预测。为了检验新方法,运用常用的双曲线方法、三点法、Asaoka法、星野法、泊松曲线法进行对比分析,并且提出了新方法的取点控制条件。研究表明：基于双曲线模型的三点法的预测误差小、相关系数高、与实测数据吻合较好,具有一定的实用价值,为铁路客运专线无砟轨道铺设的沉降预测问题提供了参考。 相似文献
12.
基于网格搜索法优化支持向量机的围岩稳定性分类模型 总被引：1，自引：0，他引：1
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 相似文献
13.
Machine Learning technologies have the potential to deliver new nonlinear mineral prospectivity mapping (MPM) models. In this study, Back Propagation (BP) neural network Support Vector Machine (SVM) methods were applied to MPM in the Hatu region of Xinjiang, northwestern China. First, a conceptual model of mineral prospectivity for Au deposits was constructed by analysis of geological background. Evidential layers were selected and transformed into a binary data format. Then, the processes of selecting samples and parameters were described. For the BP model, the parameters of the network were 9–10???1; for the SVM model, a radial basis function was selected as the kernel function with best C?=?1 and γ = 0.25. MPM models using these parameters were constructed, and threshold values of prediction results were determined by the concentration-area (C-A) method. Finally, prediction results from the BP neural network and SVM model were compared with that of a conventional method that is the weight- of- evidence (W- of- E). The prospectivity efficacy was evaluated by traditional statistical analysis, prediction-area (P-A) plots, and the receiver operating characteristic (ROC) technique. Given the higher intersection position (74% of the known deposits were within 26% of the total area) and the larger AUC values (0.825), the result shows that the model built by the BP neural network algorithm has a relatively better prediction capability for MPM. The BP neural network algorithm applied in MPM can elucidate the next investigative steps in the study area. 相似文献
14.
动量BP算法在路基沉降预测中的应用 总被引：3，自引：0，他引：3
提出一种采用动量BP算法来预测路基沉降的方法,结合具体的工程实例,构建了预测路基沉降的具体BP神经网络模型。预测结果表明,该模型有较高的预测精度,可作为预测路基沉降的一种新方法。 相似文献
15.
基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现：二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明：优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。 相似文献
16.
小波分析和RBF神经网络在地基沉降预测中的应用研究 总被引：4，自引：2，他引：2
地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与RBF神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数（RBF）神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次B样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。 相似文献
17.
导水裂隙带高度是西部矿区保水采煤的理论依据和关键参数。近年来,BP神经网络广泛应用于导水裂隙带高度预测,但BP神经网络存在收敛速度慢、易陷入局部极小等问题。为提高导水裂隙带高度预测的准确性,利用粒子群优化算法(PSO)对BP神经网络的权值和阈值进行优化,建立基于PSO-BP神经网络的导水裂隙带高度预测模型。选择开采厚度、开采深度、工作面倾斜长度、煤层倾角、覆岩结构特征为导水裂隙带高度主要影响因素,选取22例导水裂隙带高度实测数据对PSO-BP神经网络进行训练,将训练后的PSO-BP神经网络对2例测试样本的预测结果与实际值进行对比,并与BP神经网络预测模型及经验公式预测结果进行对比。结果表明:PSO-BP神经网络预测模型的平均相对误差为1.55%;BP神经网络预测模型的平均相对误差为4.8%,经验公式的最小相对误差为9.4%,PSO-BP神经网络预测精度明显优于BP神经网络和经验公式,且绝对误差和相对误差变化较稳定,可以有效预测导水裂隙带高度。 相似文献
18.
基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型 总被引：2，自引：0，他引：2
页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩芯采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明：BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。 相似文献