基于Matlab工具箱的神经网络在大坝变形区间预报中的应用

进行基于人工神经网络的大坝变形区间的分析与预报研究,运用Matlab工具箱建立BP神经网络模型,进行大坝变形区间的分析与预报,并与传统的逐步回归预报方法进行比较。结果表明,BP神经网络用于大坝变形区间的预报是可行的,在预报效果上优于逐步回归方法。

ACO-BP神经网络模型在大坝变形区间预测的应用研究

近年来随着引水工程的不断建设,工程地质及施工条件愈发复杂,大坝安全和稳定性评价变得尤为重要。文章利用某土石坝工程的变形监测统计资料,建立神经网络预测模型定级预测大坝的变形区间,结合预测结果分析不同模型的适用性,得出ACO-BP神经网络在大坝变形区间预测更贴合实际,在实践分析中应用价值广泛。

路基开挖对邻近既有盾构区间变形的影响分析

为研究路基开挖对邻近既有盾构区间的变形影响,文中以某地区市政道路改造工程敞口段施工对已建盾构区间影响分析为例,采用数值模拟,通过对邻近盾构区间上部不同路基开挖施工方案的仿真分析,得到路基卸荷对既有邻近盾构区间变形的影响规律,并提出了路基开挖施工优化方案,可更好的控制路基施工期间盾构区间变形,为类似路基开挖工程提供设计与施工指导。

优势流入渗与坡体变形关系研究及应用

部分降雨型滑坡的地表裂缝会随着变形的不断增加逐渐形成完整配套的裂缝体系,针对此类滑坡的降雨入渗过程,指出沿地表裂缝形成的优势通道而形成的优势流入渗主导着滑坡稳定性的恶化过程,促进变形的持续发展。系统分析了优势流入渗与地下水位升降、坡体变形之间的相互关系。在此基础上,以王家坡滑坡为典型案例,分析了优势流入渗通道形成的时空规律及对应的变形特征,发现滑坡累积位移曲线上的变形加速区间呈不规则阶跃状,并将加速区间的起点与终点定义为加速拐点和减速拐点。然后以W3监测点的实际监测资料对滑坡变形过程中的地下水升降特征进行反演并获取对应的稳定性演化规律,发现变形加速区间上的加速拐点和减速拐点与稳定性出现变化的起点和终点相吻合,依此可建立确定变形加速区间的方法,进而获取位移速率阈值。

一种无限长度钢筋混凝土地下室不留温度缝的设计方法

超长的建筑物为了避免这种温度变化导致的破坏,通常要设温度缝。温度缝的宽度一般为20毫米到30毫米,缝内填柔性材料和止水带。如果建筑物很长,则温度缝条数很多,如果处理不好,建筑物沿着温度缝渗漏水的几率随着温度缝的条数增加而增加。本文针对构件轴向温度变化工况提出一种钢筋混凝土地下室结构的独立变形区间的理论,可以应用在无限长度钢筋混凝土地下室的设计方法,不需留温度缝且不会产生温度变化导致的破坏裂缝,大大减少了地下室渗漏水的几率。

某项目深基坑开挖对地铁结构影响的风险评估

某项目需开挖深基坑,该基坑临近地铁联络线区间,周围环境复杂,因此在其施工作业前应对地铁结构造成的潜在影响进行安全评估。以此工程为背景,结合数值模拟等分析手段,通过建立三维模型,预测基坑的开挖对地铁联络线区间造成的影响以及危害,从而指导基坑工程的设计、施工,对施工过程中的加固方案以及相关监测提出指导性的意见。结果表明,深基坑大规模开挖情况下产生的卸荷效应明显,会对已经运营的地铁区间产生一定的影响,引起隧道的水平与竖向变形,但在采取有针对性的支撑方案的情况下,可以将变形降低至安全限值以下。

南宁地铁深基坑开挖风险影响技术研究

临近地铁轨道的深基坑受开挖影响而产生位移和变形,这将影响到轨道交通的运营安全.以南宁地铁某深基坑为背景,结合数值模拟等分析手段,通过建立三维模型,预测基坑的开挖对地铁联络线区间造成的影响以及危害,从而为指导基坑工程的设计、施工以及施工过程中的加固和监测提供参考.结果表明,深基坑大规模开挖情况下,产生的卸荷效应明显,会对已经运营的地铁区间产生一定的影响,引起隧道的水平与竖向变形,但在采取有针对性的支撑方案的情况下,可以将变形降低至安全限值以下.

某基坑开挖对邻近区间隧道的影响分析

地铁沿线的商业契机,必然存在邻近地铁的深大基坑开挖。而深大基坑的开挖卸载,将引起区间隧道结构的变形,当变形超过一定范围时,会影响地铁行车安全。以南昌某基坑为实例,采用三种计算手段,研究了深基坑开挖对邻近区间隧道的影响,旨在研究南昌地区土层深基坑开挖对邻近区间隧道的影响,研究成果对后续类似工程具有一定的参考意义。

神经网络BP算法中的误差及其改进方法研究

人工神经网络(Artificial Neural Networks)是模仿人脑结构和功能的一种信息处理系统。该方法在处理非线性问题上具有其独特的优越性,在工程应用中越来越被人们所关注。与此同时,神经网络计算的精度和收敛速度也成为人们普遍关心的问题。本文试验发现BP算法在归一化过程中存在最值误差和区间变形误差,在此基础上,本文对常规BP网络进行了改进,提高了BP网络的预测精度。