為有效控制基坑周邊地表的沉降變形,應用彈塑性大變形理論與有限差分理論,對哈爾濱地區樁-錨支護形式下深基坑開挖引起的周邊地表沉降進行了數值模擬,分析了開挖深度、錨桿層數、建筑物距離對基坑周邊地表沉降變形的影響規律及基坑周邊地表沉降變形的量化范圍。結果表明,基坑周邊地表的沉降量與沉降范圍隨錨桿層數的增加而減小;建筑物的存在不僅增大了地表的沉降量,而且使基坑周圍地表的最大沉降區向基坑方向移動;當建筑物與基坑的距離小于1.0倍基坑設計開挖深度時,建筑物距離對地表沉降變形的影響較明顯;基坑開挖對周邊地表的影響范圍基本在與基坑邊緣相距1.5倍基坑設計開挖深度范圍之內。

人工神經網絡在基坑變形性狀研究中的應用——基坑工程不僅要保證維護結構本身的安全，而且要保證周圍建(構)筑物的安全和正常使用。開展基坑工程變形性狀研究具有重要意義。影響基坑變形的因素很復雜，傳統的計算方法已無法準確預測基坑的變形。人工神經網絡(an...

結合某地鐵站深基坑施工,對基坑工程設計中常用的基本參數進行了對比研究.通過對各參數實測數據的曲線擬合和數值計算得出軟土地區深基坑開挖對地表沉降的主要影響范圍、沉降最大值及支護主體的最大水平位移,并把實測數據的數值計算結果與經驗估算值進行比較,驗證經驗參數對同類軟土地區的實際工程適用性,對地表沉降規律提出了分段分析的方法.

結合某樁錨支護深基坑工程,針對不同工況,利用監測數據作為輸入建立bp神經網絡模型,預測樁體水平位移.結果表明,不同工況下的預測精度不同,樁體位移較大時預測精度較高,位移較小時預測精度較差;對于工況變化時位移曲線的變化趨勢,預測結果的適應性良好;bp神經網絡預測樁體水平位移具有較高的可行性和可靠性.

簡單地介紹了bp神經網絡與灰色系統gm(1,1)模型原理,并利用matlab語言及其工具箱,結合某深基坑工程的地表沉降監測數據編制了預測預報程序,實現了地表沉降數據的預測預報。分析了這2種模型的預測結果。

討論了地鐵區間隧道盾構施工引起的地表變形機理,并結合某地鐵工程的實踐,利用神經網絡技術處理非線性問題的優勢,應用人工神經網絡對地表沉降進行了預測,經與現場實測值作對比分析,證實該方法具有較高的準確性。研究表明,該方法對處理此類非結構性規律的多因素綜合影響問題較一般方法具有更強的適應性。

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。

簡述傳統的結構近似重分析技術的缺點與不足,介紹bp網絡的原理、算法,利用bp網絡能夠實現從n維設計空間到m維任意非線形映射的特點,通過不同設計變量的訓練樣本集對bp網絡進行訓練,然后輸出擬合值。經過分析,證明在結構近似重分析中,采用bp神經網絡能很好地實現從設計變量到結構響應之間的映射。

本文介紹了人工神經網絡用于過程控制中的理論與方法，研究了基于多層神經網絡的自校正控制。并應用神經網絡控制方法仿真了絲杠磨削中的傳動鏈誤差控制，取得了良好的效果。

基坑變形人工神經網絡預測及其網絡參數優化——基坑變形人工神經網絡預測受網絡參數的影響較大，選取適當的網絡參數才能得到較優的預測結果。本文介紹了人工神經網絡原理及其網絡參數的優化方法。以擋土樁樁頂水平位移預測為例，說明其具體預測步驟及網絡參數優...

對采用人工神經網絡技術預測隧道地表沉降模型中進行了研究。采用matlab系統開發了一個多層反向傳播神經網絡模型,考慮了隧道的深度、隧道的直徑、地下水位、土的彈性模量、土的剪切強度、土的側壓系數、土的重度和開挖間隙對地表沉降的影響。用世界多個隧道的地表沉降數據作為樣本對模型進行了訓練和測試。結果表明,利用該神經網絡預測的沉降值與實測值比較吻合。

分析人工神經網絡技術應用于解決邊坡工程問題的可行性,認為它能模擬邊坡穩定性和各參數之間的非線性關系,并以某實例采用bp算法進行樣本訓練和樣本預測,探討具體的邊坡穩定性分析方法。

本文主要對由于支護結構變位而引起的地表沉降進行了相關研究,利用正態分布及拋物線函數擬合了地表沉降曲線,并推導出沉降的估算公式。結合實際工程案例驗證了該方法在預估地表沉降上的可行性。

泡沫金屬試樣測試復雜,對試樣而言又急需知道基體結構參數與力學性能和阻尼性能的關系,采用線性回歸技術無法實現這一功能,應用人工神經網絡,則解決了通過測量泡沫金屬的四個基本參數達到推知其力學性能、阻尼性能的課題。

人工神經網絡在軟土地基沉降預測中的應用——人工神經網絡這種數學工具可以以任意精度逼近任意非線性曲線，且具有容錯性和聯想記憶功能，利用基于人工神經網絡和反向傳播理論的分析方法對軟土地基沉降進行的預測體現了很強的優越性。介紹構建網絡模型后，用某高...

人工神經網絡這種數學工具可以以任意精度逼近任意非線性曲線,且具有容錯性和聯想記憶功能,利用基于人工神經網絡和反向傳播理論的分析方法對軟土地基沉降進行的預測體現了很強的優越性。介紹構建網絡模型后,用某高速公路軟基沉降的實測數據進行網絡的訓練和學習,再用建立的預測模型預測出了最終的沉降量。所得的結果與實測值達到了較好的一致性,與用其它理論計算方法所得結果相比較具有較高精度。

根據某高速公路高路堤填土施工期路基沉降實測資料,建立了預測路基沉降的等時距bp神經網絡模型,并運用三次樣條插值獲得預測時間段內任一時刻沉降值,并與實測值進行比較,證明它具有很高的預測精度。

介紹了分布式光纖監測系統的檢測原理,針對結構物局部點的應變變化建立了4層人工神經網絡模型,對結構物的局部變形進行預測,并利用隧道實測數據對預測值進行了驗證,取得了比較滿意的效果。

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。

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。

將人工神經網絡引入房地產估價領域,闡述了b—p神經網絡的原理和特點,并提出基于b—p神經網絡的房地產估價程序,為房地產估價提供了一種新的解決方法、一種新的思想。

地基沉降是一種危害很大的環境災害。地基沉降的監測數據經常受降雨及工程施工等諸多外界因素的干擾,故而在沉降曲線中存在許多數據突變點。為此,提出基于小波分析與rbf神經網絡相結合的新的地基沉降預測方法,首先采用小波分析對對原始監測數據進行數據去噪處理,進而得到反映實際變化的地基沉降曲線,然后采用徑向基函數(rbf)神經網絡方法對其進行預測,為工程設計提供依據。最后結合工程實例分析,通過多種小波去噪與預測結果的對比研究,表明3次b樣條小波的去噪及預測效果最好,與實測值能較好地吻合,具有較好的工程應用前景。