基于小波智能模型的地铁车站基坑变形时序预测分析

被引：18

作者：

郭健 ^{[1
,2
]}

陈健 ^{[3
]}

胡杨 ^{[1
]}

机构：

[1] 武汉轻工大学土建学院

[2] 华中科技大学土木工程与力学学院

[3] 中国科学院武汉岩土力学研究所

来源：

岩土力学 | 2020年 / 41(S1)卷 / S1期

关键词：

地铁基坑; 变形预测; 小波变换; 时序分析;

D O I：

10.16285/j.rsm.2019.1653

中图分类号：

U231.3 [];

学科分类号：

0814 ; 082301 ;

摘要：

软土地区的地铁车站基坑工程,因其地质条件和施工环境复杂,施工过程受到施工自身及诸多外界因素的干扰,其变形真实数据难以获取,无法准确判定基坑后期变形,施工事故风险控制难度大,极大影响着基坑工程自身及其周边环境安全。基于小波变换和Elman网络的数据分析与动态预测原理,构建一种小波智能的基坑变形时序预测模型(简称WEPM),应用于武汉地铁车站基坑工程预测,通过不断地对历史实测数据进行小波分解去噪,提取基坑变形真实数据,利用小波智能模型实现基坑变形的超前滚动式预测。分析结果表明,提出的小波网络预测模型具有泛化能力强、预测精度高的特点,能对不同条件下基坑变形进行时序预测分析,该模型可为未来武汉基坑工程的变形预测、施工安全与施工事故防范提供依据。

引用

页码：299 / 304

页数：6

共 9 条

[1] 厦门地铁车站基坑施工诱发地表沉降的经验预测方法研究 [J].

孙曦源 ;

衡朝阳 ;

周智 ;

张剑涛 .

土木工程学报, 2019, 52(S2) (S2) :132-138

[2] 基于智能优化算法的深大基坑施工反分析 [J].

左自波 ;

黄玉林 ;

吴小建 .

岩土工程学报, 2017, 39(S2) (S2) :128-131

[3] 北京市轨道交通基坑工程地表变形特性 [J].

吴锋波 ;

金淮 ;

朱少坤 .

岩土力学, 2016, 37 (04) :1066-1074

[4] 软土地区深基坑变形控制设计实践与分析 [J].

李夕林 ;

魏祥 ;

梁志荣 .

岩土工程学报, 2014, 36(S1) (S1) :160-164

[5] 基于LSSVM-ARMA模型的基坑变形时间序列预测 [J].

曹净 ;

丁文云 ;

赵党书 ;

宋志刚 ;

刘海明 .

岩土力学, 2014, 35(S2) (S2) :579-586

[6] Analyzing the effect of moving resonance on seismic response of structures using wavelet transforms [J].

Naga, P. ;

Eatherton, M. R. .

EARTHQUAKE ENGINEERING & STRUCTURAL DYNAMICS, 2014, 43 (05) :759-768

[7]

Wavelet prediction method for ground deformation induced by tunneling[J] . Jian Guo,Lieyun Ding,Hanbin Luo,Cheng Zhou,Ling Ma. Tunnelling and Underground Space Technology incorporating Trenchless Technology Research . 2014

[8]

An Elman neural network-based model for predicting anti-germ performances and ingredient levels with limited experimental data[J] . Anqi Cui,Hua Xu,Peifa Jia. Expert Systems With Applications . 2010 (7)

[9]

ENSEMBLE EMPIRICAL MODE DECOMPOSITION: A NOISE-ASSISTED DATA ANALYSIS METHOD[J] . ZHAOHUA WU,NORDEN E. HUANG. Advances in Adaptive Data Analysis . 2009 (1)

← 1 →