10.19713/j.cnki.43-1423/u.T20210151
基于小波神经网络的地铁基坑地表沉降随机预测
通过南通地铁软土层基坑降水模型试验发现,降水引发的基坑地表沉降随着监测点距基坑支护桩距离的增大而减少,工程中距离支护桩越远,沉降量越小.在不同的监测点沉降量的监测值与公式计算值总体变化规律相似,但受降水因素、施工扰动和地下多变的岩土环境等影响,存在一定的随机性.利用权值参数对小波神经网络的激励和输出函数进行修正,利用梯度下降的方法对伸缩和平移参数进行优化.在此基础上,以水位降深、土层的压缩模量、厚度、固结度和监测点方位为输入参数,基坑总沉降量为输出参数建立改进后的随机小波网络基坑地表沉降预测模型.工程实例表明,改进后的随机小波网络模型能使基坑地表沉降预测值较好地拟合工程实测值,误差均小于±8%,相比传统公式的计算值更具合理性.
基坑地表沉降;降水;随机预测模型;小波神经网络
18
U458(隧道工程)
江苏省建设系统科技计划项目;南通市科技计划项目;江苏省高校青蓝工程项目
2021-12-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
2899-2906