摘要: |
高速运行的地铁车辆对于轨道的平顺度要求极高,而地铁隧道是承载列车运行的构筑物,其结构体狭长,柔性度大,当结构受力失衡后,极易使狭长的隧道发生局部变形,从而造成轨道线形的变化,影响列车的运行,因此,进行有关隧道结构沉降监测的研究具有重大的现实意义。本文就地铁隧道结构的沉降监测主要研究了以下内容:
(1)总结了影响地铁隧道结构沉降的多种因素;根据地铁隧道本身的特点,论述了沉降监测基准网的布设与施测方法,隧道结构的沉降监测及监测数据的处理与分析,并以南京地铁一号线西延线隧道结构沉降监测为实例,具体阐述了地铁隧道结构沉降监测的过程。
(2)分析了监测基准网的平差基准及其选取;重点研究了相同基准下监测基准网稳定性分析的几种方法—限差检验法、t检验法、平均间隙法和分块间隙法,并结合南京地铁一号线隧道结构沉降监测基准网的监测数据,对其进行了整体和单点稳定性检验。
(3)综合论述了灰色系统理论与模型的建立,模型的特征及其数据处理的基本方法;着重讨论了灰色系统理论中的GM(1,1)模型的建模过程及其算法流程。
(4)阐述了神经网络模型的基本原理,主要包括神经网络的结构、传递函数、学习规则和训练方式;详细讨论了BP神经网络模型的概念、基本结构、神经元模型和算法流程。
(5)研究了灰色系统理论与神经网络组合的灰色神经网络GNNM(1,1)模型的建模思想、网络结构及其优化GNNM(1,1)模型的方法和学习算法;结合南京地铁一号线隧道结构沉降监测实例,分别运用灰色系统理论GM(1,1)模型和灰色神经网络GNNM(1,1)模型对监测数据进行了模拟与预报。 |