小波神经网络在隧道施工沉降预测中的应用

被引：23

作者：

赵凤阳

机构：

[1] 中南大学

来源：

测绘科学 | 2016年 / 12期

关键词：

小波神经网络; 沉降监测; 平移因子; 伸缩因子;

D O I：

暂无

中图分类号：

U456.3 [隧道施工及运用监测]; TP183 [人工神经网络与计算];

学科分类号：

082301 [道路与铁道工程]; 140502 [人工智能];

摘要：

为了尽量减小由隧道开挖引起的地面沉降而带来的风险,需要在隧道施工过程中可靠地预测地表的变形量。该文采用改进的方法来选择平移和伸缩因子的初始值,利用小波神经网络分析预测隧道施工中的地表沉降量,并在预测中考虑了地表平均压力、盾构机平均穿透深度、填充泥浆度等外界因素对地表沉降的影响。结果表明,利用改进的方法来选择初始的平移和伸缩因子,提高了函数的逼真性能,并减小了估计误差。

引用

页码：283 / 287

页数：5

共 6 条

[1]

小波人工神经网络在建筑沉降预测中的应用研究 [D].

魏健 .

北京交通大学,

2013

[2]

小波神经网络在大坝变形预测中的应用研究 [D].

李超 .

长安大学,

2012

[3]

Wavelet Neural Network and Wavenet Performance Evaluation in Hydrodynamic Force Prediction due to Waves on Vertical Cylinders[J] Afshin Pourtaghi;T. L. Liu;Herbert Balas;C. M. Chang International Journal of Information and Computer Science 2012,

[4]

Effects of different tunnel face advance excavation on the settlement by FEM[J] M. Karakus;R.J. Fowell Tunnelling and Underground Space Technology incorporating Trenchless Technology Research 2003,

[5]

Predictions of ground deformations in shallow tunnels in clay[J] Wei-I. Chou;Antonio Bobet Tunnelling and Underground Space Technology incorporating Trenchless Technology Research 2002,

[6]

Analytical Solutions for Shallow Tunnels in Saturated Ground[J] Antonio Bobet Journal of Engineering Mechanics 2001,

← 1 →