共查询到19条相似文献，搜索用时 187 毫秒
1.
基于粒子群优化神经网络算法的深基坑变形预测方法 总被引：1，自引：0，他引：1
深基坑变形预测是进行施工参数调整和确保深基坑施工安全的重要手段,而如何对其变形进行有效、准确的预测是一个有待解决的技术难题。采用粒子群优化算法对神经网络模型的初始权值和阈值进行优化,并将已有的变形监测数据作为神经网络的输入参数,建立了基于粒子群优化神经网络算法的深基坑变形预测方法。将形成的方法应用于长春市火车站北广场深基坑开挖监测工程中。结果表明：8号水平位移测点预测结果的均方根误差为3.78%,平均百分比误差为5.48%;9号地面沉降点预测结果的均方根误差为5.62%,平均百分比误差为3.23%。经验证,本文方法预测深基坑开挖过程中的变形具有较高的可信度。 相似文献
2.
立节镇北山滑坡长期处于蠕动变形状态，已多次发生滑坡、泥石流灾害。监测地表形变，以掌握灾害体地表形变规律，是实现地质灾害预警预报的可靠依据。文章引入一种机器学习模型——长短期记忆网络，通过立节北山监测点位移数据，运用该方法对立节北山滑坡变形进行预测，并且将预测结果与实际数据进行比对和分析。文章预测结果评价指标选用均方根误差、平均绝对误差、决定系数以及可解释方差，其中决定系数和可解释方差均达到0.99，预测值和真实值的拟合均方根误差和平均绝对误差也表现较低，说明长短期记忆网络在立节北山滑坡变形的预测中达到了良好的预测性能。 相似文献
3.
波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。 相似文献
4.
准确预测露天矿边坡变形是有效实现边坡临灾预警的重要保证,针对传统边坡变形预测方法无法表征和综合分析边坡变形受多种因素的影响,提出一种露天矿边坡变形的人工蜂群(ABC)算法优化广义回归网络(GRNN)组合预测模型(ABC-GRNN)。在此预测模型中,综合考虑了影响露天矿边坡变形的5个因素：开采扰动、降雨量、降雨持续时间、温度以及湿度。以山西中煤平朔安家岭露天矿为例,通过遗传算法改进BP神经网络(GA-BPNN)、支持向量机(SVM)等人工智能算法与实测变形数据进行预测效果对比分析。结果表明：ABC算法能够快速帮助GRNN寻优获取合适的传递参数,并对变形进行有效的预测。ABC-GRNN组合预测模型,将预测结果的平均绝对误差292.9 mm、平均绝对百分比误差0.691 3%及均方根误差338.9 mm分别降低到25 mm、0.043 3%和29.5 mm,说明该模型具有更高的预测精度;ABC-GRNN模型比其他模型收敛速度快,只经过7步的迭代,即可得到最小的均方误差。与其他预测模型相比较,本文模型的预测精度更高、泛化能力更强、收敛速度更快,有较高的实用价值。 相似文献
5.
长江三角洲地区深基坑降水复杂,且极易引起地面沉降地质灾害问题,传统的基于地下水动力学原理的解析解模型(Theis公式或Dupuit公式)已难以满足降水设计模拟计算的需要,尤其是无法预测降水引起的地面沉降问题,深基坑降水与地面沉降耦合模型将地下水渗流模型和土体应力-应变模型耦合起来,可根据基坑地下水位的控制要求,同时模拟计算出降水井的布局、各井的开采量和地面沉降量。据此确定出的基坑降水方案既能满足地下水位的控制要求,又能对降水引起的地面沉降进行最优化控制。 相似文献
6.
深基坑降水引起的地面沉降给工程和周边环境带来很大的危害,以天津地铁 XX站深基坑为例,通过使用有限差分模拟软件Processing Modflow建立三维地下水渗流场与地面沉降耦合模型,利用抽水试验数据反演识别场区的水文地质参数,对基坑降水对周边环境的影响进行预测。结合施工要求,本着在规定时间内用最少的抽水量完成降水要求,并对基坑周围造成的环境影响最小的原则,对基坑降水进行优化设计。 相似文献
7.
《世界地质》2021,(2)
为验证奇异谱分析在地磁数据中的拟合效果,笔者选取2017年1月至2019年7月吉林省长春地磁台FHDZ-M15仪采集的Z、H、D、F 4个分量进行奇异谱分析。通过构造轨迹矩阵、分解奇异值和重构序列等步骤提取信号的趋势项和噪声等成分,得出原始序列奇异谱分析拟合值。构建原始序列的一元线性回归分析作为对比模型并计算拟合值,运用RMSE (均方根误差)、MAE (平均绝对误差)和MSPE (均方百分比误差) 3项误差评价指标对奇异谱分析和一元线性回归分析的拟合结果进行误差分析,结果表明奇异谱分析拟合结果具有更高的精度。构建ARMA模型并对奇异谱拟合后的序列进行数值预测,给出置信区间并分析预测性能。ARMA预测模型显示,预测值序列与原始序列的变化趋势一致,且预测值均未超出置信区间的范围,表明在预测期内将无地磁异常发生。 相似文献
8.
土石混合体是物理力学性质较为复杂的地质材料,因此该类斜坡的稳定性评价是工程地质领域的重要课题。为提高斜坡稳定性预测的能力,本文将粒子群算法和果蝇优化算法相互耦合,形成融合算法,并结合机器学习模型,使用决定系数、均方误差和平均绝对误差3个评价指标,构建并评价土石混合体斜坡稳定性的预测模型,最终采用基于融合算法的梯度提升决策树模型对输入参数进行了重要性分析。结果表明:(1)相比于粒子群和果蝇优化算法,融合算法能够有效优化机器学习模型的参数,从而较为明显地提升模型预测精度。(2)基于融合算法的梯度提升决策树模型预测精度最高,达到93.33%,明显优于融合算法下的决策树模型和Stacking模型。(3)影响土石混合体斜坡稳定性的结构因素,其重要性从高到低分别为基覆面倾角、含石率、总体坡角、坡高。 相似文献
9.
针对地下空间开发中深基坑减压降水地面沉降发育特征、沉降机制及防治对策等研究进展,以上海市为例,总结了近年来滨海地区深基坑减压降水地面沉降研究取得的主要成果。建立了深基坑减压降水地面沉降防治综合分区方法,探索了深基坑减压降水地面沉降防治原型试验设计方法,掌握了上海市浅部承压含水层深基坑减压降水地面沉降规律,提出了深基坑减压降水地面沉降-地下水位双控模式及控制指标,提出了深基坑减压降水地面沉降防治措施,构建了深基坑减压降水地面沉降管控体系。这些研究成果在特大型城市安全管理、重大市政工程建设及运营服务中得到应用,对同类地区地面沉降研究和防治工作具有借鉴意义。 相似文献
10.
针对地下空间开发中深基坑减压降水地面沉降发育特征、沉降机制及防治对策等研究进展,以上海市为例,总结了近年来滨海地区深基坑减压降水地面沉降研究取得的主要成果。建立了深基坑减压降水地面沉降防治综合分区方法,探索了深基坑减压降水地面沉降防治原型试验设计方法,掌握了上海市浅部承压含水层深基坑减压降水地面沉降规律,提出了深基坑减压降水地面沉降-地下水位双控模式及控制指标,提出了深基坑减压降水地面沉降防治措施,构建了深基坑减压降水地面沉降管控体系。这些研究成果在特大型城市安全管理、重大市政工程建设及运营服务中得到应用,对同类地区地面沉降研究和防治工作具有借鉴意义。 相似文献
11.
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
12.
高速铁路桥梁桩基工后沉降组合预测研究 总被引：2，自引：0，他引：2
通过现场沉降监测,获取了高速铁路桥梁桩基沉降的大量实测数据。据此分析了成桥过程中桩基沉降发展的规律及其沉降曲线特点。对桩基最终沉降,采用单项预测模型进行了拟合预测,通过预测效果的评价指标分析,指出了客运专线铁路无碴轨道铺设条件评估技术指南中评价预测模型合理性仅局限于相关系数指标的不足,建议引入均方误差MSE、平均绝对百分比误差MAPE和平均绝对误差MAE指标进行综合检验、评价,并提出了这些评价指标相应的参考值。引入组合预测模型进行高速铁路桥梁工后沉降预测,对比分析现有组合预测模型的特点,提出了高速铁路桥梁桩基工后沉降预测应遵循的具体步骤和原则。研制了桥梁桩基沉降加权组合预测电算程序BriFSCF,可大大提高预测准确度和效率。通过工程实例验证表明,最小二乘准则下的最优组合预测方法效果较好,可作为预测的优选模型。其结果可供高速铁路合理铺设轨道时间的确定、工后沉降计算参考和利用。 相似文献
13.
对济南地区基坑降水引起既有地基沉降的认识 总被引：3，自引：0，他引：3
结合工程经验,对基坑降水引起的周边既有建筑地基沉降的影响因素进行了总结,针对采用分层总和法估算降水引起地基沉降公式中,对应附加应力段的压缩系数取值不准问题,提出了采用基于地层应力历史的降水引起周边地基沉降的估算方法,并结合工程实例对降水引起地基沉降进行了预测。 相似文献
14.
滑坡位移预测效果一方面取决于预测模型的优劣,另一方面取决于野外监测数据的质量。针对目前滑坡常规监测技术与评价方法的不足,本文采用光纤监测技术、监测数据与PSO-SVM预测模型相结合的评价方法,对三峡马家沟Ⅰ号滑坡的深部位移进行了预测;通过对320个滑坡深部位移光纤监测数据分析,基于时间序列法,将滑坡位移分为趋势性位移和波动性位移;趋势性位移采用拟合法进行预测,波动性位移采用PSO-SVM模型进行预测;最后将趋势项和波动项位移预测值叠加得到累积位移的预测值。研究结果表明,PSO-SVM模型对波动性位移预测的均方根误差0.51 mm,平均绝对百分误差0.37 mm,能准确预测滑坡波动项位移;累积位移预测值与实测值的相关系数为0.98,均方根误差为0.54 mm,预测效果较好,可以用来对滑坡深部位移进行短期预测。 相似文献
15.
16.
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
17.
伴随着城市的快速发展，地铁深基坑工程越来越多。在开挖过程中如何对其稳定性进行评价，是当前需要重点关注的问题。以成都地铁十七号线凤溪站深基坑支护开挖工程为依托，利用层次分析确定的主观权重与利用熵值法确定的客观权重计算获得组合权重，并与灰色关联度分析法相结合，通过现场数据采集并进行综合评判，客观评价地铁深基坑开挖的稳定性。结果表明，各监测项目对基坑稳定性的重要程度从大到小依次为桩顶水平位移（0.29）、地表沉降（0.24）、建筑物沉降（0.19）、桩顶沉降（0.18）、内支撑轴力（0.10），基坑稳定性综合评判结果等级为"非常好"。所建立的评价模型可为类似地铁深基坑开挖稳定性评价提供新的方法。 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