基于时间序列与DEGWO-SVR模型的隧道变形预测方法

为了对准确预测隧道变形的非等距性及复杂非线性特征,结合时序分析理论、差分进化算法(DE)、灰狼优化算法(GWO)和支持向量回归机(SVR)模型,提出新的隧道变形预测模型.利用3次样条函数插值法将非等距监测数据等距化;基于时间序列原理将变形分解为趋势项及平稳随机项,并采用所提模型分别对2个分解项进行预测;将各位移分量叠加,实现隧道累积变形的预测.以重庆市兴隆隧道实测拱顶沉降为例,预测前方ZK37+900和ZK37+910断面拱顶沉降,并与已有模型进行对比.结果表明:所提模型预测的均方根误差分别为0.1937、0.0869 mm,平均绝对百分比误差分别为1.21%、0.55%,相关系数分别为0.9971、0.9928.相比于已有模型,所提模型的预测精度更高、误差更小,具有更好的适用性及应用前景.

软土地区基坑开挖引起的邻近隧道变形预测

结合地层补偿原理和宁波软土地区深基坑工程实践经验,提出坑外土体水平和竖向位移的修正系数,形成了适用于宁波软土地区深基坑工程的坑外土体位移场预测方法。通过三个典型基坑工程的计算对比(理论计算结果、数值模拟结果及实测值的对比),验证了该方法的可行性。将该方法应用于紧邻基坑的隧道变形预测,结果表明,计算值同实测值和有限元模拟值接近。本方法可为有较高环境保护要求的基坑工程设计提供参考。

改进布谷鸟算法优化支持向量机的隧道变形预测分析

传统支持向量机参数寻优时间较长,模型的稳定性也较差。为解决传统支持向量机预测模型在隧道围岩变形预测中精度较低的问题,引入布谷鸟算法,同时改进布谷鸟算法中的搜索公式,从而提出一种基于改进布谷鸟算法的支持向量机组合预测模型。将此模型运用到云南省昆明市阳宗隧道围岩位移预测中,并与标准布谷鸟算法的支持向量机组合模型以及单一的支持向量机模型比较,实验结果表明:基于改进布谷鸟算法的支持向量机模型精度更高,更具有优势。

基于OWGA算子的隧道变形最优组合预测

研究目的:根据隧道变形数据预测隧道的变形发展情况,结合具体工程实践,采用最新非线性预测理论,在文献综述的基础上,结合对数灰关联度与OWGA算子,把预测值和观测值的对数序列之间的灰关联度设定为目标函数,有序加权集成做为诱导变量值的预测精度,提出一种新最优隧道变形预测模型。采用MATLAB编程分别实现灰色预测、指数平滑预测、自回归移动平均预测,并利用基于对数灰关联度的有序加权几何平均组合预测模型,在对数灰关联度最大的意义下求出组合模型的最优权重,通过隧道变形预测的实例分析,说明新模型的有效性和合理性。研究结论:(1)基于OWGA算子的隧道变形预测,在预测误差平方和、均方误差、平均绝对误差、平均绝对百分比误差、均方百分比误差等预测有效性精度指标下,比灰色预测,平滑预测,ARMA预测等预测方法的预测精度都高,误差最小;(2)通过工程实例检验,该预测方法的预测结果不但合理、有效,而且是优性预测;(3)本研究成果可应用于隧道安全监测和变形预测领域。

基于单项预测模型筛选的隧道变形优选组合预测

采用优选组合理论,提出了基于单项预测模型筛选的隧道变形优选组合预测方法,建立了隧道变形预测系统.系统由包含各种监测成果的监测库、动态更新的变形预测模型库和模型评价库组成,采用人机对话方式在众多的经评价满足最优组合预测条件的单项预则模型中筛选出合理的单项模型,对其进行组合预测,继而再对不同的组合预测结果进行评价比较,得到较好的隧道变形组合预测结果.将该方法应用于隧道工程的拱顶下沉预测,利用前期工况的数据建模,对后期工况的未来变形量进行滚动预测,获得了令人满意的结果.

基于多重判据综合确定的隧道二衬支护时机研究

为合理确定隧道二次衬砌支护时机,论文基于隧道变形监测成果,利用位移判据和速率发展趋势判据综合开展了隧道二衬支护时机研究,其中,位移判据是利用极限位移准则确定出位移条件下的二衬支护时机;速率发展趋势判据是利用变形预测和重标极差分析进行隧道变形速率的趋势判断,以评价前述二衬支护时机的合理性。实例分析表明:位移判据能初步确定隧道二衬支护时机,并经速率发展趋势判据评价,得出隧道变形速率趋于减小,变形向稳定方向发展;综合得出Ⅳ级围岩的二衬支护时机为23~25d,Ⅴ级围岩的二衬支护时机为29~32d。