地铁深基坑变形规律参数化方法探讨

在对基坑隆起、基坑围护桩体水平变形以及基坑周边地表沉降产生机理、变形规律和影响因素分析的基础上,提出各测项的变形模式：基坑隆起为抛物线模式,围护桩体水平变形和基坑周边地表沉降为双直线模式.变形模式中的参数取值与基坑条件（包括工程、水文地质条件、岩土体物理力学性质、支护结构形式等）存在对应关系.给出了以监测数据为基础的各变形模式参数的线性回归方法,为建立以回归参数控制的预测分析库奠定基础.     

基于Logistic-ARMA组合模型对基坑开挖过程地表沉降的预测研究

基坑开挖对周边环境影响较大,对周边地表沉降进行预测预报是安全施工的重要手段。从沉降一般性规律出发,针对Logistic生长模型和ARMA模型对基坑开挖阶段地表沉降的预测精度低,进而提出Logistic-ARMA组合模型,并应用于工程实例。结果表明:Logistic-ARMA组合模型能降低基坑开挖过程对地表沉降预测精度的不利影响,相对单一模型具有更高的预测精度,且预测结果更为合理、可靠。     

基于注意力机制优化的BiLSTM珠江口水质预测模型

为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的BiLSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模型应用于珠江8个入海口水质预测,开展预测性能试验、泛化能力试验和特征参数扩展性试验.结果表明:①新模型在珠海大桥水质预测取得了较高的预测精度,预测值与实测值的均方根误差RMSE为0.004 1 mg·L^-1,决定系数R²为98.3 %.与Multi-BiLSTM、Multi-LSTM、BiLSTM和LSTM对比,表明新模型预测精度最高,验证了模型的精准性.②训练样本数量和预测步数均对模型预测精度产生影响,模型预测精度随着训练样本的增加而提升,海珠大桥断面总磷预测时,240组以上训练样本可获得较高预测精度;增加预测步数,会使模型预测精度迅速下降,预测步数大于5步时无法保障模型预测的可靠性.③将新模型应用于珠江8个入海口不同水质指标预测,预测结果均取得较高精度,模型具有较强的泛化能力;输入对象断面预测指标相关联的上游来水、降雨量等特征参数,能够提高模型预测精度.通过多方面多次试验,结果表明新模型能够较好地满足珠江口水质预测精度、适用性和扩展性要求,为复杂水动力环境水体水质高精度预测进行了新的探索.     

基于时间序列的深基坑支护结构变形预测

基坑工程由于受多种因素的影响．目前已成为岩土工程中的重点和难点。在基坑施工过程中,需要根据现场的实际工程地质条件及选择的支护型式、建筑物的安全等级．对支护结构的变形进行严格控制。时间序列分析主要是指采用参数模型对所观测到的有序的随机数据进行分析与处理的一种数据处理方法。通过现场量测的深基坑围护结构变形信息资料,对数据进行整理和分析．利用时间序列分析法对支护结构的变形作出预测,以保证基坑安全施工。     

基坑开挖及降水对周边地铁隧道变形的影响分析

为研究基坑开挖及降水对既有地铁隧道变形的影响。基于深圳前海某基坑项目,考虑基坑开挖及降水情况,结合修正的摩尔-库伦本构模型,利用MIDAS GTS NX软件建立基坑三维有限元模型和二维有限元模型,分析了基坑开挖及是否考虑降水对基坑支护结构变形的影响并与现场基坑支护结构的监测结果进行了对比,并分析了基坑开挖及降水对周边地铁隧道变形的影响,以及不同初始地下水水位(降水深度)对地铁隧道变形的影响。结果表明:基坑开挖时,考虑降水会增加基坑支护结构地连墙的变形,支护墙位移增加约4 mm,不能忽略降水情况;在基坑开挖及降水条件下,周边地铁隧道水平方向的变形呈"横蛋状",隧道竖向方向的变形呈整体下降趋势;当地下水水位埋深小于0.3倍的开挖深度时,地下水渗流对基坑变形的影响显著,当初始地下水水位埋深大于0.5倍的开挖深度时,地下水水位对基坑工程的影响相对减弱。     

基于经验模态分解和神经网络的滑坡变形预测研究

受岩土体性质和多种诱发因素(降雨、地震、库水位等)的影响,滑坡的位移演化必然包含着多层次的信息,难以采用单一的灰色预测、神经网络、时间序列等模型进行有效、准确的预测.本文引入信号分析中的经验模态分解(EMD)方法,同时结合对非线性函数具有很强的逼近能力的BP神经网络,建立了滑坡变形预测的EMD-BP神经网络模型,并以三峡库区树坪滑坡为例,应用该模型对ZG88监测点的累积位移进行了预测,最后将其预测值与实际监测值以及其他模型预测结果进行了对比分析,结果表明该模型的预测值与实际监测值基本一致,且模型预测精度比单一的BP神经网络和GM(1,1)模型要高,从而验证了该模型具有一定的适用性和较高的预测精度.     

BP人工神经网络在深基坑桩体位移预测中的应用

深基坑围护结构的水平位移是基坑变形破坏的最主要形式之一。深基坑在开挖过程中,由于卸荷作用产生的压力差使得基坑围护结构产生水平位移,如果位移值过大,则会直接导致基坑主体结构和周边建筑物的破坏。本文基于MATLAB神经网络工具箱函数建立了人工神经网络预测模型,对武汉某地铁车站深基坑开挖过程中桩体围护结构的水平位移进行了预测,并预测了基坑变形的未来发展趋势,以为基坑开挖与支护设计提供指导。预测结果显示其预测值与实际监测值基本一致,表明BP人工神经网络应用于深基坑桩体位移预测是可行、可靠的。     

XGBoost-LSTM变权组合模型支持下短期PM2.5浓度预测——以上海为例

为进一步提高PM_2.5浓度预测的精度,基于XGBoost和LSTM进行改进得到变权组合模型XGBoost-LSTM（Variable）.过对预测因子进行相关性分析,得到其它大气污染物和气象因素对PM_2.5浓度的影响,确定最优PM_2.5浓度预测因子,再将预处理后数据集输入LSTM模型和XGBoost模型分别进行预测,采用基于残差改进的自适应变权组合方法得到最终预测结果.结果表明,污染物变量的相对重要性高于气象因子变量,其中当前PM_2.5和CO浓度的相对重要性较高,而平均风速和相对湿度重要性较低.XGBoost-LSTM（Variable）模型的RMSE、MAE和MAPE值为1.75、1.12和6.06,优于LSTM、XGBoost、SVR、XGBoost-LSTM（Equal）和XGBoost-LSTM（Residual）模型.分季节预测结果表明,XGBoost-LSTM（Variable）模型在春季预测精度最好,而夏季预测精度较差.模型预测精度高的原因在于其不仅考虑了数据的时间序列特征,又兼顾了数据的非线性特征.     

新亚欧大陆桥新疆段环境灾害的灰色拓扑预测

基于灰色系统理论中拓扑预测的理论方法 ,对新亚欧大陆桥新疆段环境灾害造成的受损长度进行了分析预测 .在对受损长度时序分布特征分析的基础上 ,给定一组阈值 ξi,并按不同的时间序列分别建立 GM(1.1)模型而得到模型群 .然后应用新亚欧大陆桥新疆段 38年(1959～1997年)的受损长度统计资料 ,对所建模型群进行了检验 ,并用此模型群对未来可能出现一定阈值范围内受损长度的年份进行了预测 .经检验 ,该模型群的原点误差范围为 0.090～6.520 ,精度范围为 72.658～ 97.134.结果表明 ,所建模型群精确度高 ,科学性较强 ,具有比较好的实用性 .     

融合时空特征的PCA-PSO-SVM臭氧(O3)预测方法研究

针对目前臭氧预测方法未能考虑臭氧污染的区域性和在时间周期内的强自相关性的问题,提出一种融合时空特征的PCA-PSO-SVM臭氧组合预测模型.利用小波分析和系统聚类提取臭氧时间序列波动特征和站点空间分布相似性特征,并通过主成分分析和粒子群算法优化的支持向量机组合模型（PCA-PSO-SVM）对臭氧日最大8h平均浓度进行预测,以2016~2018年杭州市大气污染物观测数据和气象数据进行实验验证.结果表明：融合时空特征的PCA-PSO-SVM模型预测精度有较大提升,与未融合时空特征的PCA-PSO-SVM模型相比,精度提升19%.气象因素中温度对臭氧预测效果影响最大,在气象预报数据存在一定误差的情况下,提出的模型仍得到较高精度的预测效果,具备较好的鲁棒性.