BP和RBF神经网络在边坡稳定性评价中的应用

基于BP网络和RBF网络理论,选取影响岩质边坡稳定性的一些主要因素,建立了边坡稳定性分析的神经网络模型,并用Matlab7.0神经网络工具箱对一些边坡样本进行训练仿真。对比了两种网络的逼近精度和预测结果,结果表明:两种网络均可以用于边坡的稳定性评价,RBF网络的性能要优于BP网络,网络最优参数的选择要通过反复实验获得。     

城市中心地带地铁深基坑开挖对周边环境影响实测分析

为研究在城市中心地带开挖地铁深基坑对邻近高架桥墩、复杂市政管线等周边环境的影响特征,以厦门轨道交通1号线城市广场站深基坑工程为例,通过对围护桩沿深度的水平位移、内支撑的轴力、坑外地下水位的变化、坑外地表沉降、周边地下管线沉降、邻近高架桥桥墩基础的沉降等进行现场监测,得出了一些有价值的结论。监测表明:桩身水平位移曲线呈典型的"内凸型";第一道钢筋混凝土支撑轴力最大,距底板最近的第四道钢支撑轴力最小;地表沉降呈现凹槽形和三角形两种沉降形态,表现出了非对称性,在坑内施作底板之后地表沉降趋于收敛;受基坑开挖影响最大的管线并不一定是距离基坑最近的,其变形量受到坑外地表沉降槽形状及最大沉降位置的影响,同时也与截面尺寸、材质、刚度等有关。高架桥桥墩基础受基坑开挖扰动较小,变化很小。     

南昌上软下硬地层中盾构施工地表沉降的BP神经网络预测方法

盾构施工引起的地表沉降的影响因素众多,给地表沉降的计算带来较大困难,而BP神经网络能较好地建立各个影响因素与地表沉降的非线性关系。为了能得到较准确的地表沉降值,采用Miscrosoft Visual C#和Matlab编制了BP神经网络预测软件。结合盾构施工过程中影响地表沉降的地层几何条件、地层参数以及施工参数,建立了BP神经网络模型,对盾构施工引起的地表沉降进行预测。将该预测模型应用于南昌地铁工程的上软下硬地层中,同时考虑了该地层掌子面泥质粉砂岩所占的比例,并对预测值与实测值的误差进行了对比分析。最终得到的预测结果与实际沉降值较一致,表明该BP神经网络模型可用于类似的工程实践。     

海洋冰情预测的径向基函数网络模型

为了提高非线性时序预测模型的精度,利用自相关技术分析了海洋冰情时序的延迟特性,据此确定了RBF网络的输入、输出向量,给出了MATLAB环境下海洋冰情预测的高精度径向基函数(RBF)神经网络的结构、设计、仿真函数和图形结果的输出方法,建立了海洋冰情预测的高精度RBF网络模型.使用27年的海洋冰情实测资料进行了网络的训练和检验,并将之用于预测,各训练样本的误差为0.0,预测值的精度高于门限自回归模型预测的精度.实例分析表明,所构建的RBF网络模型能充分利用预报因子的信息和神经网络方法的非线性映射能力,模型稳定性好,精度高,可广泛应用于各种自然灾害的非线性时序动态预测.     

地铁深基坑开挖对邻近建筑物影响分析

为研究深基坑开挖对邻近建筑物的影响特征并评价其安全性,以厦门市某车站深基坑工程为例,通过构建三维有限元模型,考虑土体小应变刚度行为以及基坑-地基-基础-上部结构共同作用,计算基坑开挖引起邻近建筑物的变形值,并将柱底支座变位作为上部结构的强迫位移施加到上部结构上,然后进行结构内力分析和构件配筋验算,评价邻近建筑物的安全。研究表明:邻近建筑物越靠近基坑部分受基坑开挖影响越大,基坑开挖后,邻近建筑物结构变形主要表现为沉降和指向基坑的水平位移,结构最大水平位移为6.6 mm,自顶部向下逐渐减小,即结构发生微量倾斜;邻近建筑物地下室以沉降变形为主,主要受影响区域约为基坑围护墙后3倍的基坑开挖深度范围,沉降急剧变化区域约为1.5倍基坑开挖深度范围,地下室最大沉降为15.9 mm;受到邻近基坑开挖影响,上部结构虽然因支座变位产生内力重分布,但经检算认为整个结构仍然安全可靠。     

考虑经验模型不确定性的基坑开挖贝叶斯更新

基坑开挖工程中,最大地表沉降的预测及其失效概率的评估一直是工程师所关心的关键问题。以往在利用经验模型对最大地表沉降进行预测时,模型误差通常被忽略或者视为常数,与实际情况不符。本文提出了一种能够考虑经验模型不确定性的贝叶斯更新方法,将模型偏差系数视为随机变量,并利用现场观测数据对其进行不断更新,更新结果可用于后续阶段的基坑开挖最大地表沉降和失效概率的预测。以台北TNEC基坑开挖为例,将所提方法应用于Peck模型、Ou模型、KJHH模型等3种经验模型。结果表明:3种模型一般都会高估最大地表沉降,其中Peck模型偏差最大,KJHH模型次之,Ou模型最小,而KJHH模型偏差比Ou模型的变异性更小,通过所提方法可以有效考虑模型不确定性的影响;随着开挖的进行,基于KJHH模型的计算结果相比其它2个模型更加准确;在所研究的算例中,监测数据随着开挖的进行而增加,使得模型偏差系数和土体参数的不确定性降低,最终导致基坑失效概率的降低。     

基于人工神经元网络的滑坡稳定性预测评价

由于滑坡岩土体的结构与物理力学性质表现在宏观和微观上有着不连续性和高度的非线性等特点,其稳定性受地质因素和工程因素等综合影响,岩土体变形、演化规律的非线性和内在因素的非线性决定了滑坡是一个复杂多变的非线性系统.根据滑坡失稳的非线性特征,将人工神经元网络BP模型应用到滑坡稳定性的评价预测中,借助MATLAB的人工神经元网络工具箱,以国道G324上的86个滑坡数据为训练和预测样本对模型进行了实验和验证,结果表明,所建立的滑坡稳定性预测方法具有较高的预测精度.     

基坑开挖对周边建筑物影响的计算及实测分析

预测基坑对周边建筑物的影响是城市地下空间开发中的重要问题之一。结合某地铁车站基坑工程,采用3种方法计算坑外地表、周边建筑的沉降量:一是参考上海地区统计经验,由围护结构侧移估算沉降;二是参考台北地区统计经验,由基坑参数直接计算沉降;三是通过ABAQUS软件建立土体、基坑的三维模型,来模拟施工过程。现场监测结果表明,基坑开挖使周边建筑产生了一些沉降和倾斜;上述3种方法的计算结果对比表明:基于上海地区的统计经验公式和基于台北地区经验的简化预测公式不适于本地区,而采用有限元模拟得到的结果更接近于该工程的实测值。     

基于BP神经网络的饱和砂土液化判别方法

基于唐山地震中大量的砂土液化现场实测资料,选取描述地震动特性的烈度、震中距、地面峰值加速度和描述砂土层埋藏环境条件的地下水位、标贯点深度(土层深度)、上覆非液化覆盖土层厚度、有效覆盖压力,以及表示砂土自身属性的标准贯入锤击数、平均粒径、不均匀系数、修正标贯击数共11个指标的不同组合作为输入变量,采用快速BP算法和LM算法构造了饱和砂土液化判别的BP神经网络预测模型.通过所建网络模型的训练、验证和应用,结果表明:(1)所建14个BP神经网络模型都是有效的,液化判别的准确度与模型输入变量的不同组合有关;(2)增加网络模型的节点(考虑因素较多)并不一定能够提高BP神经网络模型的液化判别准确度,反而增加了BP神经网络模型的复杂性和学习时间;(3)两种算法的BP神经网络模型都有很高的液化判别准确度,LM算法的计算速率要比快速BP算法快得多,但在计算过程中需要更多的内存,建议采用LM算法;(4)采用所提BP神经网络模型的权值与阈值进行其它预测样本的液化判别时,判别结果可能偏于保守;(5)从影响砂土液化的主要因素、获取指标难易程度考虑,在与<建筑抗震设计规范>砂土液化判别公式考虑指标一致的情况下,建议采用BP神经网络模型M4或M5a,该模型简单、方便,且其预测准确度远高于<建筑抗震设计规范>的砂土液化判别准确度.     

粗集神经网络在煤与瓦斯突出预测中的应用

结合粗集理论的属性约简功能和人工神经网络的非线性映射特性,提出了煤与瓦斯突出的一种预测方法.首先用粗集理论对训练样本进行属性约简和降噪,然后将经过预处理的训练样本代入神经网络进行训练,获得稳定的网络结构,最后用训练好的神经网络对待测样本进行预测.实际应用表明:瓦斯压力、瓦斯放散速度、地质构造、煤的坚固性系数和开采深度是煤与瓦斯突出预测的必要指标;粗集神经网络模型具有较高的预测精度和良好的实用性,是一种十分有效的煤与瓦斯突出预测方法.     

基于BP神经网络的地裂缝活动强度预测——以西安地裂缝为例

地裂缝灾害是一个典型灾种,地裂缝给城市建设及地表地下建筑物造成巨大危害。依据西安地裂缝多年监测资料和研究成果,分析西安地裂缝的活动特征和主要影响因素,采用了BP神经网络结合地理信息系统的方法对西安地裂缝活动强度进行预测,在学习过程中结合了聚类,引入了惯性因子,加快了学习时的收敛速度,结果在地理信息系统中以可视化的方式进行显示。经过实际数据验证,取得了良好的效果。     

基坑外设置隔离桩对土体水平位移的隔断效果分析

目前对于隔离桩是否能有效减小基坑外地下结构的变形问题仍存在争议。为研究隔离桩对基坑开挖引起的土体水平位移的隔断效果,结合二阶段分析方法及地层补偿法,提出了求解基坑开挖后隔离桩外土体位移的三阶段分析方法,并对其合理性进行了验证。结果表明:基于该方法的计算,不同基坑开挖深度和不同围护墙变形模式下,隔离桩的存在可减小坑外地坪下一定深度范围内的土体水平位移,但可能增大深层土体水平位移;隔离桩刚度越大,对土体上部水平向位移的隔离效果越好,但同时深层土层位移增大的情况也越明显;合理的隔离桩桩顶埋深可一定程度减小隔离桩对深层土体的牵引作用。为保护基坑外的地下结构而设置隔离桩时,应根据模拟计算结果、工程实际情况及当地经验综合分析其可行性。     

盾构隧道邻近地下连续墙围护结构施工影响研究

通过室内模型试验分析研究了城市中盾构隧道施工对邻近基坑围护结构及其周边砂土地面沉降的影响效应。研究结果表明:基坑围护结构对其周边由盾构施工诱发的砂土地面沉降存在一定的约束作用,且围护结构角部对周边砂土地面沉降具有更强的约束作用;盾构开挖面到达监测断面将诱发处较大增幅的地下连续墙墙身附加应变及其周边砂土地面沉降,而当开挖面超过监测断面约1.7D,地下连续墙墙身附加应变及其旁侧的砂土地面沉降将趋于稳定;盾构动态穿越施工将导致邻近侧向地下连续墙角部墙身底部与中段墙身中部出现较为明显朝向隧道的弯曲变形。试验结果揭示了盾构动态穿越施工导致的邻近侧向地下连续墙基坑围护结构弯曲变形规律,有利于对地下连续墙围护结构采取有针对性的加固保护措施。     

人工神经元网络在事故应急对策中的应用

本文简述了人工神经元网络的结构及其特征。介绍了人工神经元网络BP算法在大型炼油厂灾害、事故防治对策中的应用,并以停水、停电为例进行了仿真运算。结果表明,采用人工神经元网络做出的决策符合实际情况和人的思维逻辑,可克服传统专家系统的某些不足,具有一定的实用价值。     

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。     

地铁竖井深基坑与龙门吊轨道基础共同作用分析∗

为合理设计地铁区间隧道竖井基坑支护方案和龙门吊基础，以厦门市轨道3号线某区间隧道竖井工程为研究背景，采用PLAXIS 3D岩土有限元数值分析软件建立竖井基坑、龙门吊轨道基础结构及邻近渣坑堆土相互作用的三维数值模型，模拟计算12种龙门吊荷载不同作用位置及偏压作用工况，结果表明：龙门吊行车作用下的地表最大沉降为4 mm，基坑围护墙结构最大变形值为16 mm，约为基坑开挖深度的0.64‰；基坑开挖变形引起的龙门吊轨道基础结构内力变化最大值为270 kN?m，变化幅度约为16.4%；周边堆土对竖井基坑变形及轨道梁内力变化量不超过13%，主要需满足未堆土工况下的侧壁自身稳定性；最后通过对基坑的监测数据分析，表明数值模型可靠，基坑总体上安全稳定，龙门吊基础设计合理，且有足够的安全度。     

人工神经网络在台风预报中的应用初探

为了探索人工神经网络应用于台风分类预报的可能性，用具有Ｓ－特特性函数的Ｂ－Ｐ网络对每类台风的标准样本进行训练，由训练结束后的权值和阈值及待预报样本的因子测值，计算出网络输出值，作出台风分类预报。文中的实例表明人工神经网络用于台风预报具有客观性、可行性和实用性。