BP神經網絡和灰色系統(tǒng)預測模型在深基坑地表沉降中的應用

軟基沉降的bp神經網絡和灰色系統(tǒng)聯合預測——使用bp神經網絡插值方法對灰色數據進行了預處理，進而建立了預測軟基沉降量的bp神經網絡和灰色系統(tǒng)聯合模型。實例分析表明，該模型短期沉降預測結果的最大相對誤差小于2，最終沉降預測結果的相對偏差小于5，且灰色...

根據盾構施工引起地表沉降的具體問題,結合廣州地鐵三號線某區(qū)間地質資料,建立了地表沉降預測的bp神經網絡模型,并對網絡進行了訓練和測試,測試結果表明,利用神經網絡進行盾構隧道施工的地表沉降預測是可行的,可用于工程實踐。

基于灰色bp神經網絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統(tǒng)的灰色gm(1，1)模型和bp神經網絡模型的基礎上，進行了灰色bp神經網絡組合模型的研究。通過總結2傳統(tǒng)模型的原理和算...

提出一種采用bp神經網絡算法來預測深基坑沉降的方法,結合具體工程實例,構建了預測深基坑周邊地表沉降具體bp神經網絡模型,預測結果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。

本文采用bp神經網絡預測模型,通過在matlab軟件建模,并對實際工程項目的支護結構頂水平位移的監(jiān)測數據進行分析,預測其后的監(jiān)測數據,結果表明bp神經網絡擬合效果優(yōu)越,仿真性強,具有很強的泛化能力,能夠對實際工程的支護結構頂水平位移進行有效預測.

深基坑開挖引起的周邊地表變形預測是一個復雜非線性問題,引起地表沉降的影響因素很多,各因素之間呈高度的非線性關系。傳統(tǒng)的基坑用邊地表沉降變形預測方法存在著一定的局限性,其預測精度有待提高,而人工神經網絡是一種多元非線性動力學系統(tǒng),可以靈活方便地對多成因的復雜未知系統(tǒng)進行高度建模,實現全面考慮各種主要影響因素的深基坑周邊地表沉降變形預測。本文介紹了誤差反向傳播(bp)網絡模型的結構、學習過程及其算法的改進,徑向基函數(rbf)網絡模型的結構及其學習過程;分析了影響深基坑開挖周邊土體沉降變形的主要影響因素;以25個基坑工程的地表沉降實測資料為訓練樣本,建立了11個輸入影響因素的bp神經網絡模型和rbf神經網絡模型,通過對樣本的學習訓練過程及對5個檢驗樣本的預測精度,說明了人工神經網絡用于預測基坑周邊地表沉降的可行性和準確性。

針對基坑變形預測中信息的灰色性和數據的非線性性,提出用灰色神經網絡預測基坑變形的新方法。用一樁錨聯合支護體系實例進行了預測研究,得到支護體系的不同預測模型的組合預測值。研究結果表明:灰色神經網絡預測誤差比gm(1,1)預測模型小;與bp預測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準確地預測基坑變形,可以采用灰色神經網絡預測與bp預測相結合的方法進行預測。

為了分析深基坑的沉降規(guī)律,以某實際工程為例,利用bp神經網絡對該工程的深基坑沉降數據進行擬合和預測分析,采用c語言編寫程序進行預測。結果表明,利用bp神經網絡方法的預測結果合理,誤差在允許范圍內,滿足工程要求,并且對類似的工程施工具有指導作用。

以bp人工神經網絡模型為基礎,建立預測模型,以小區(qū)某棟建筑物1期～8期的沉降觀測數據為輸入數據和輸出數據,對網絡模型進行訓練,并對9期～12期實際觀測值與預測值進行了比較,結果比較理想,從而驗證了采用bp人工神經網絡模型進行建筑物沉降的預測是可行的。

1.引言神經網絡是一種信息處理系統(tǒng),它由大量而簡單的處理單元(神經元)廣泛的相連接而形成復雜系統(tǒng),它通過學習來解決問題,基坑沉降的預測是一項難以通過理論分析出影響因素與沉降結果映射關系的工作,而這項工作如果交

為了預測高速公路路基最終沉降量,首先依據影響軟土路基沉降的因素選取參數建立了bp神經網絡預測最終沉降量模型.結合成都-南充高速公路沉降實測資料及其它文獻中大量路基沉降資料,利用bp神經網絡預測了其各自最終沉降量.通過檢驗樣本驗證,預測精度較高,能夠滿足實際需要.并對bp神經網絡在公路建設中的應用提出了一些注意事項.

通過分析城市深基坑沉降量時間序列的非線性動力學系統(tǒng),認為該時間序列具有混沌特性.在此基礎上,通過相空間重構的方法建立了用于城市深基坑沉降量預測的混沌神經網絡模型;并利用此模型對上海某深基坑沉降量進行了預測,取得了較為滿意的預測效果.

地鉸施工段地表沉降預測是地鐵施工及周邊建筑物安全評價的基礎。結合某工程實例，運用logistic模型分析了適用于基境地表沉降變形監(jiān)測的動態(tài)預測模型，對模型的預測結果進行了分析和檢驗。從而驗證了誼模型應用在地鐵車站基坑變形監(jiān)測中的可行性?；佑眠叺乇沓两当O(jiān)測結果表明?；娱_挖會遺成一定范圍的地表沉降，對此提出相應的保護措施。

bp神經網絡在基坑變形預測分析中的應用——本文提出了基坑變形預測與分析的bp神經網絡方法，建立了基坑變形預測分析的模型，應用matlab語言編制計算程序進行計算并與實際工程監(jiān)測值進行比較，從而驗證了神經網絡在基坑變形預測分析中的可行性、有效性。　　

在對某基坑工程采用bp神經網絡模型預測基坑開挖引起地表變形的分析中,考慮到現有模型可能會遇到預測結果跳不出訓練樣本以及訓練時間較長的問題,提出采用matlab中的mapminmax函數進行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數值優(yōu)化方法對bp網絡訓練算法進行了改進.研究結果表明:與常用的基于梯度下降原則相比,改進后的bp神經網絡在訓練時間和預測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經網絡在訓練樣本時的迭代次數最少為74次,采用共軛梯度法的預測結果與實測結果的誤差最大為2.4％,而采用牛頓法神經網絡的預測值則比較均衡,預測結果相對最佳.

借助人工神經網絡模型,建立了可依據現場量測信息對軟基路堤沉降量隨時間而發(fā)展的過程進行動態(tài)預報的分析方法。其要點是:建立公路軟基沉降預測的神經網絡結構,并將前期沉降觀測值作為樣本,通過神經網絡結構的訓練尋求沉降及其主要影響因素的內在關系,據以預測后期沉降量

建筑物沉降的因素多種多樣，因此，采用變形監(jiān)測技術對沉降量進行監(jiān)測，利用精度較高的預測模型進行沉降量預測預警很有意義。為了提高建筑物變形監(jiān)測的精度以及變形監(jiān)測預警的準確性，針對gm（1，1）模型和rbf神經網絡進行分析，提出灰色rbf神經網絡模型。通過對某建筑物的沉降監(jiān)測數據進行實例計算，結果顯示灰色rbf神經網絡模型具有較高的預測精度。

根據遼寧地區(qū)橋梁承載力下降檢測資料,應用灰色系統(tǒng)理論對在役橋梁劣化趨勢進行分析,提出以時間與狀態(tài)得分為等間隔初始序列,推導出橋梁劣化預測模型按指數分布表達式,并對檢測序列進行分析驗證,為橋梁劣化預測提供參考。

灰色gm(1,1)預測模型,要求樣本數據少,具有原理簡單、運算方便、短期預測精度高、可檢驗等優(yōu)點,在負荷預測中得到了廣泛應用,但是也有其局限性。當數據灰度越大,預測精度越差,且不太適合經濟長期后推若干年的預測,在一定程度上是由模型中的參數α造成的,為此引入向量θ,建立殘差gm(1,1,θ)模型,利用蟻群優(yōu)化算法對其進行求解,同時應用神經網絡對其預測殘差進行優(yōu)化。實證分析表明,與傳統(tǒng)的預測方法相比,大大提高了預測精度,該方法具有一定的實用價值。

介紹灰色神經網絡模型的建模原理和方法,并采用該模型對實際的監(jiān)測數據進行處理和分析。結果表明,灰色神經網絡模型能夠在小樣本、貧信息和波動數據序列等情況下對變形監(jiān)測數據做出比較準確的模擬和預報,從而能夠為變形監(jiān)測的數據處理提供一種較好的方法,能夠滿足實際應用的需求。

基坑工程系統(tǒng)是一個灰色系統(tǒng)。根據灰色系統(tǒng)理論,建立了基坑變形的gm(1,1)預測模型。根據工程實例的位移及沉降觀測值對后續(xù)施工中的變形值進行預測,并用工程實例后續(xù)監(jiān)測值加以驗證。研究結果表明,基坑變形的灰色預測模型具有較好的精度,對指導基坑開挖和支護具有積極意義。

時變參數灰色模型在隧道地表沉降中的應用——結合地下隧道施工的特點，在常規(guī)灰色模型的基礎上采用多項式擬合n(￡)和6(￡)，進一步體現了預測模型的時空變化特性。模型應用于隧道施工中的地表沉降預測。得到了較好的效果。