原文传递
基于遗传神经网络算法的基坑土体参数反演和基坑沉降预测研究
| 论文题名： | 基于遗传神经网络算法的基坑土体参数反演和基坑沉降预测研究 |
| 关键词： | 地铁车站;基坑开挖;参数反演;沉降预测;遗传神经网络 |
| 摘要： | 目前，我国已经成为世界上兴建地铁线路和车站最多的国家，车站基坑工程引起周边沉降的机理非常复杂。随着计算机技术和数值计算理论的发展，数值分析方法开始逐渐应用到基坑开挖分析中，然而数值计算结果较多地依赖于模型参数的选取，忽略了基坑工程的特定条件，模型参数将很难准确确定。随着现代智能算法的兴起，智能算法开始运用到基坑开挖中。遗传神经网络算法兼具非线性拟合和非线性寻优的特点，遗传神经网络算法对参数进行反演分析具有很强的实用性。 本文依托青岛二号线燕儿岛车站基坑开挖工程，通过实测分析、数值模拟、参数反演、沉降预测相结合的研究方法，对地铁车站在开挖过程中周边测点的沉降变形规律进行了研究，并且对土体的强度参数进行了反演分析。本文的主要研究内容和成果如下: (1)对车站基坑周边的地下水位、围护桩侧移、坑外地表沉降的实测数据进行分析，提出了这些监测项目随基坑开挖过程变化的原因，确认了数值模拟方案中不考虑降水措施。 (2)设计了基坑的围护桩、混凝土支撑、钢支撑、锚索、围护桩与土体接触面等的梳子模拟方案，基于FLAC3D软件编制了基坑开挖的计算程序，对不能确定的弹性模量，根据经验对土体弹性模量取值，计算了在该工况下，坑外测点随着基坑开挖的沉降值，与实测结果对比，验证了所建立的模型模拟方案的合理性。 (3)为了合理设计试验样本、降低试验次数，引入均匀设计法，设计了学习样本;利用遗传神经网络算法的优点，提出基于遗传神经网络算法的多参数反演分析思路。基于MATLAB软件，编制了遗传神经网络算法参数反演程序。最后通过某基坑工程实例，反演得到了该工程较为合理的土体弹性模量，验证了程序和分析思路的可靠性和准确性。 (4)提出沉降的动态预测实施步骤，基于基坑外测点的实测数据和遗传神经网络算法，编制动态预测程序，训练得到了前期沉降与后期沉降的非线性映射关系，并结合某一测点，对其沉降值进行预测。结果表明，基于遗传神经网络算法的动态沉降预测方法具有很高的可靠性。 |
| 作者： | 崔宇鹏 |
| 专业： | 建筑与土木工程 |
| 导师： | 李术才 |
| 授予学位： | 硕士 |
| 授予学位单位： | 山东大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
