基于BP神经网络基坑支护结构变形预测研究.pdfVIP

基于BP神经网络基坑支护结构变形预测研究.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
代仲海:基于BP神经网络基坑支护结构变形预测研究 ·103· DOI:10.13379/j.issn.1003—8825.2015.02.22 基于BP神经网络基坑支护结构变形预测研究 代仲海 (深圳地质建设工程公司,广东深圳518023) 摘要:为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报 方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析 隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结 构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参 考价值。 关键词:基坑;BP神经网络;隐含层;水平位移;沉降 中图分类号:TU433 文献标志码:A 0 引言 对基坑开挖过程中多种变形的数据采集情况,利用 随着国民经济建设的发展,城市中心区域的建 BP人工神经网络对数据进行融合处理,实现了多传 筑密集度越来越高,随之带来的问题是建筑基坑开 感器数据横向融合预报。结合上述研究成果,本文提 挖的安全隐患越来越多。基坑开挖过程中的安全监 出了一种BP神经网络多数据纵向预报方法,选取前 测及预警,已经变成了工程设计与施工过程中的重 三次的多个测点数据,对佛山某城市广场基坑支护结 要环节。基坑监测与预警的目的是,通过对以往监 构的水平位移和沉降进行了预测。 测数据的观察分析,预测未来一段时间内基坑及周 边环境的变形。然而,现有的各种监测预警都是在 1 BP神经网络 分析已有数据曲线走势的基础上完成的,由于各项 监测数据之间的高度非线性关系¨。,目前很难有一 创建了MP人工神经细胞模型,BP神经网络是在该 套理论分析的方法能较为精确地预测基坑及周边环 模型的基础上发展而来。BP神经网络又称为误差反 境的变形情况,当监测仪器损坏或者其他原因而得 向传播神经网络,是一种由非线性变换单元组成的 不到监测数据时,就无法通过常规的手段完成预测 多层前馈型神经网络,包括输入层、隐含层和输出 工作。 层三层,层与层之间多采用全连接方式,同一层单 针对上述问题,1986年,DP研究小组首次提出元之间不存在相互连接,其结构示意,见图l。 BP神经网络模型,它具有强大的非线性映射能力, 输 层 在工程上能够通过既有的数据,对未来一段时间内的 变形进行较为精确的预测_2‘3j。根据BP神经网络的特 点,很多学者在该方面做了大量的研究:徐鑫鑫等一1 利用已有的基坑沉降数据预测了将来沉降值;张庆华 等。51利用地下水位变化量、悬臂桩墙墙顶位移、若干 图1 BP神经网络结构示意 邻近地表测点沉降值等6个参数预测基坑的变形和稳 BP神经网络模拟人的大脑的学习过程,通过外 定性;罗云¨1采用“3+1模式”进行基坑预测,即 部的激励信息而自适应学习,最终达到能输出期望 前三天的实测数据预测后一天的变形;张冠宇等。7。针 结果的目的。其主要思想分为两个阶段:第一阶段 收稿日期:2014—10—3l 为正向学习过程,即输入信号,经由权值和阈值调 作者简介:代仲海(1984一),男,湖北潜江人。T程师,硕

您可能关注的文档

文档评论(0)

边缘人物 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档