共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
根据太湖地区某高速公路路基沉降实测资料,通过现场原位取样结合室内试验,分析了太湖冲湖积相软土的压缩特性,总结出软土路基的沉降变化规律,研究了工程地质条件和填土高度对路基沉降的影响,并采用归一化指标得到不同地基处理方式下的沉降估算公式,同时对两种常用全过程路基沉降预测方法进行了比较。结果表明,太湖冲湖积相软土具有较强的结构性;相似地质条件下的路基沉降差异较大,土体结构性是影响路基沉降的重要因素之一;归一化指标分析可得到不同路基处理方式下的简单沉降估算式;常用的全过程沉降量预测方法对于最终沉降量的预测均存在一定的偏差,可综合分析预测结果得到较为准确的预测值。 相似文献
3.
通过采空区域高速公路路基地表沉降变形的现场监测,建立了路基沉降变化观测值数据库,基于实测数据,建立了地表沉降变形预测模型,研发了路基沉降变形监测预警系统,并进行了公路路基工后沉降变形的预测分析,最终生成沉降预警报告。 相似文献
4.
5.
近年来,高原湿地地区的高速公路建设越来越多,随之带来的是软土路基的沉降控制对高速公路的质量影响,如差异沉降和残余沉降等。结合实践工程运用,对高原湿地软土路基的沉降进行监测,分析讨论软土路基不同工期的沉降规律、差异沉降,对沉降过程分4阶段进行讨论。然后运用双曲线法、三点法、指数曲线法对软土路基的工后沉降进行预测。结果表明,采用三种方法得到各断面的最终沉降量值接近,残余沉降量满足规范要求,说明预测结果与实际较吻合。可服务于高原湿地软土地区的公路建设工程,也为其他地区的同类建设工程提供参考。 相似文献
6.
7.
8.
试论连云港海相软土路堤沉降规律 总被引:5,自引:0,他引:5
根据连云港至徐州高速公路连云港段60多个断面的现场实测沉降资料,分析了在路堤荷载作用下连云港海相软土的沉降和固结规律。实测数据表明,在路堤荷载作用下连云港海相软土地基的沉降曲线符合双曲线形式,故可采用双曲线法预测最终沉降。由此可以分析在不同施工期的地基沉降和固结特性,得到不同地基处理条件下路堤填筑期和预压期地基平均固结度与施工时间的关系。分析亦表明,粉喷桩加固能加速地基的固结速率。最后,针对沉降和固结理论计算中计算参数的难以合理确定的局限性,对现场实测沉降数据采用数理统计方法,提出了适用于连云港地区海相软土路堤沉降和固结估算经验公式。 相似文献
9.
《岩土力学》2017,(Z1):479-487
以连-盐(连云港-盐城)高速公路灌云段为对象,在不影响正常通车的情况下采用侧向辐射注浆技术进行路基加固处理。针对侧向辐射注浆路基加固机制的问题,利用ABAQUS有限元建立数值模型,通过对比有限元计算的注浆加固过程路面隆起、注浆后路面沉降、土体侧向位移和超静孔压与现场试验的测量值,验证了数值模型的可靠性。基于数值模型开展参数分析研究,研究结果表明,侧向辐射注浆技术能够有效地控制现役高速公路的沉降变形,试验路段注浆加固减小沉降达5 cm;注浆率是影响路面隆起量并提高土体压缩模量的主要参数,最终沉降随注浆率增大而线性减小;当注浆土体力学指标较大时注浆加固土体的效果会减弱,但不会对注浆隆起量造成明显影响;对路基的加固时间越早,注浆加固控制沉降的效果就越明显;侧向注浆侧向辐射注浆技术简便,施工过程不影响高速公路正常通车,在控制现役高速公路沉降治理时有较大优势。 相似文献
10.
11.
以大连某实际工程作为研究场地,室内试验与原位测试所得碎石土地基物理力学参数与实测所得强夯处理沉降量作为样本,通过BP神经网络对样本的训练、学习,建立地基土力学参数与强夯处理的沉降量之间的映射关系,利用所得映射关系对场地实测的沉降量进行物理力学参数的反演分析。结果表明:经过训练的神经网络模型可快速得出所需参数,利用flac3d以反演所得参数进行计算,模拟沉降量与实测沉降量的误差为4.87%,在可接受的范围之内;基于神经网络的位移反分析方法可以省去繁琐的测试工作,但该方法的实现需要有充足的样本数据作为支撑。 相似文献
12.
13.
人工神经网络在基桩低应变完整性检测中的应用 总被引:2,自引:0,他引:2
目前基桩低应变完整性检测数据的后期处理有很多方法 ,但分析中人为干预较多。利用人工神经网络强大的非线性映射能力和学习训练功能 ,提出了基于BP网络的基桩完整性检测模型。该模型基于现场实测资料 ,避免了数据处理过程中各种人为干预。应用该模型对工程实例进行了分析 ,训练和测试网络结果说明该方法能够快速、方便地对基桩质量进行模式识别 相似文献
14.
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
15.
对于深厚软土桥梁桩基础的沉降计算,土层的压缩模量是一个极为重要的参数。针对京沪高速铁路桥梁桩基沉降,以DK152工点处的土工试验数据和现场测试成果为基础,通过拟合分析得到与土层深度有关的天然状态下压缩模量计算公式。在该基础上,进一步运用神经网络建立土层压缩模量与桩基沉降之间的映射关系,对不同土层在不同深度的压缩模量进行反演分析,相关反演结果与经验公式计算值基本一致,得到的桩基沉降量与现场监测位移吻合良好,说明文中提出的压缩模量计算公式的准确性和实用性,相关模型概化和反演计算方法也是合理的,对深厚软土地基下高速铁路桥梁深长桩基的沉降计算有一定的参考价值。 相似文献
16.
17.
Maher Omar Khaled Hamad Mey Al Suwaidi Abdallah Shanableh 《Arabian Journal of Geosciences》2018,11(16):464
This research proposes the use of artificial neural network to predict the allowable bearing capacity and elastic settlement of shallow foundation on granular soils in Sharjah, United Arab Emirates. Data obtained from existing soil reports of 600 boreholes were used to train and validate the model. Three parameters (footing width, effective unit weight, and SPT blow count) are considered to have the most significant impact on the magnitude of allowable bearing capacity and elastic settlement of shallow foundations, and thus were used as the model inputs. Throughout the study, depth of footing was limited to 1.5 m below existing ground level and water table depth taken at the level of the footing. Performance comparison of the developed models (in terms of coefficient of determination, root mean square error, and mean absolute error) revealed that the developed artificial neural network models could be effectively used for predicting the allowable bearing capacity and elastic settlement. As such, the developed models can be used at the preliminary stage of estimating the allowable bearing capacity and settlements of shallow foundations on granular soils, instead of the conventional methods. 相似文献
18.
为可靠预测基坑周边地表沉降的发展趋势,提出了一种基于混合蛙跳算法和广义回归神经网络模型的基坑地表最大沉降预测模型(SFLA-GRNN模型)。首先,在沉降机制分析并初选输入变量集的基础上,利用灰色相关度分析对模型输入、输出变量的相关性进行量化,并剔除与输出变量相关性明显偏小的输入变量;其次,利用混合蛙跳算法(SFLA)对广义回归神经网络模型(GRNN)的平滑因子进行优化确定,减少人为因素对模型精度和泛化能力的不良影响;最后,利用筛选得到的输入变量集建立基坑地表最大沉降预测的广义回归神经网络模型。实例应用及对比计算结果表明,基于灰色相关度的输入变量筛选和基于混合蛙跳算法的平滑因子优化均能够有效提高广义回归神经网络模型的精度和泛化能力,以上结论可为类似变形预测提供参考。 相似文献