共查询到19条相似文献，搜索用时 93 毫秒
1.
2.
深基坑工程是地下工程施工中内容比较丰富且富有变化的领域。为了确保基坑工程施工安全顺利进行,在复杂的地质条件下进行变形监测,及时发现和预报异常现象。对有效控制基坑变形、指导施工、保证施工质量具有重要意义。 相似文献
3.
针对防洪大堤施工中水平位移监测的研究现状和不足,文章通过防洪大堤水平位移及其影响因素的分析,建立了水平位移的回归分析初步方程,经过3次回归计算,得到了回归效果显著的回归方程。最后根据该回归方程进行水平位移预测实验,得到误差小于回归计算的2倍中误差的结果,表明该回归方程可以用于描述防洪大堤水平位移的变化规律。 相似文献
4.
5.
6.
为确保地铁施工安全进行变形监测是非常重要的手段,而变形监测的最终目的是预测,即对观测物的未来形态进行预报和分析。时间序列的原理是找出事物随时间变化的规律,从而对数据变化趋势做出正确的分析和预报。本文通过对时间序列的研究对长春地铁繁荣路站的变形监测数据进行了分析和预报。 相似文献
7.
8.
在施工过程中,建筑物不可避免地会产生一定的水平位移、倾斜位移、沉降位移、挠度和裂缝,严重者甚至会危及建筑物的安全,造成重大的经济损失。因此,基坑的变形监测与预报是建筑施工中不可或缺的重要环节。本文通过具体案例详细介绍了基坑变形监测的设计、点位的布设、观测及观测频次、数据处理及数据分析等内容,并介绍了基坑变形监测的特点,为今后类似的工程项目提供借鉴。 相似文献
9.
10.
11.
12.
工程的变形分析与预报方法研究进展 总被引：7，自引：2，他引：7
工种的 变形分析和预报是多学科交叉的重要研究课题，结合近年来的科研实践，从大地和工程测量学的角度出发，简要地论述了与工程有关的变形分析与预报的各种方法。 相似文献
13.
14.
本文介绍了大跨度连续刚构桥悬臂箱梁平面变形监测的必要性及其方法，精度分析和监测结果表明，该方法对同类桥梁型施工中的变形监测具有参考价值。 相似文献
15.
针对混凝土拱坝单测点变形监控模型难以合理表征拱坝空间变形场协同响应特性以及传统回归方法诠释环境量与大坝变形间的复杂函数关系具有明显局限性问题,提出了融合粒子群算法优化与支持向量机（particle swarm optimization-support vector machine,PSO-SVM）的混凝土拱坝多测点变形监控混合模型。基于单测点变形监控模型构建方法,引入空间坐标并利用有限元方法计算水压分量,进而借助PSO-SVM良好的非线性处理能力对环境量与大坝变形序列进行建模和预测,从而构建了融合PSO-SVM的混凝土拱坝多测点混合模型。工程实例分析表明,所建模型具有较好的多测点变形性能分析能力,较单测点统计模型具有良好的拟合及预报精度,可有效反映大坝服役的整体安全性态。此外,所提理论和方法经一定的改进和拓展,亦可推广应用于其他水工建筑物性态安全监控模型的预报分析。 相似文献
16.
土木工程建筑物变形分析与预报技术研究 总被引：14，自引：0，他引：14
变形监测、分析与预报近年来正向边缘学科的方向发展,涉及高科技和多交叉学科,成为测量工作者与其他学科专家合作研究的领域。为此,论述了土木工程建筑物变形监测的必要性,详细介绍了土木工程建筑物变形监测技术及变形分析与预报的各种方法,给出了土木工程建筑物变形分析技术的发展趋势。 相似文献
17.
为了提高变形监测数据预测的精度与可靠性,提高神经网络预测方法的稳定性,尝试将小波分析与BP神经网络相结合的小波神经网络应用于高铁路基处的沉降监测数据处理中。综合小波分析与神经网络算法的优点,建立松散型及紧致型小波神经网络预测分析模型。通过实验数据对比分析,验证了采用紧致型小波神经网络预测模型能够较好地用来处理路基的动态变形监测数据,预测稳定性及预测精度较高。 相似文献
18.
对地铁监测数据建立相应的预测模型,对变形可进行前瞻性预测,从而保证地铁安全的施工和运营。本文以北京市地铁某基坑工程为研究对象,首先以某一监测点为例,利用小波分析对原始监测数据进行去噪处理;然后分别利用时间序列分析模型和BP神经网络模型对去噪后的数据进行建模分析,得到原数据的拟合值和对未来变形的预测值;最后利用同期Sentinel-1A卫星影像进行相干点时序InSAR处理,得到形变结果。通过分析两个模型的预测值与实际值,并与InSAR结果进行对比,验证了两个预测模型在地铁形变监测中应用的优劣性。 相似文献
19.
变形监测是安全化工程施工和管理的重要内容,贯穿于项目的设计、施工和运行,对监测的沉降数据进行处理,并预测沉降量,提前对工程作出安全预警,有很重要的实际意义。本文基于GM(1,1)灰色模型、小波分析和神经网络结合的相关理论,借助Matlab软件编程,建立了灰色-小波神经网络变形预测网络模型。结合工程实例,将建立的变形预测网络模型应用于累积沉降量观测数据,结果表明组合模型具有很稳定的预测效果,比单独的GM(1,1)灰色模型预测准确度高,且训练样本越多,预测越符合实际情况。 相似文献