【摘要】：引入人工智能技術(shù),提出了一種基于神經(jīng)網(wǎng)絡(luò)的Nelder-Mead改進(jìn)加速算法,建立了基于監(jiān)測結(jié)果的深大基坑動態(tài)施工反饋分析方法。以93383 m2超大基坑工程為案例,進(jìn)行了三維有限元參數(shù)反演分析,預(yù)測了基坑后續(xù)開挖圍護(hù)結(jié)構(gòu)水平位移、支撐軸力、管溝位移。結(jié)果表明:與Nelder-Mead算法比較,采用所建立的方法的收斂速度快,迭代次數(shù)減少了最大達(dá)86.9%;預(yù)測結(jié)果與實(shí)測結(jié)果吻合較好。
[Abstract]:In this paper, an improved Nelder-Mead acceleration algorithm based on neural network is proposed by introducing artificial intelligence technology, and a feedback analysis method for dynamic construction of deep foundation pit based on monitoring results is established. Taking 93383 m ~ 2 super large foundation pit engineering as an example, the three-dimensional finite element parameter inversion analysis is carried out, and the horizontal displacement, supporting axial force and pipe groove displacement of the retaining structure in the subsequent excavation of the foundation pit are predicted. The results show that compared with the Nelder-Mead algorithm, the convergence speed of the proposed method is faster and the number of iterations is reduced by 86.9%, and the predicted results are in good agreement with the measured results.
【作者單位】： 上海建工集團(tuán)工程研究總院;上海建工集團(tuán)股份有限公司;
【基金】：國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2017YFC0805500) 上海市“科技創(chuàng)新行動計(jì)劃”社會發(fā)展領(lǐng)域項(xiàng)目(16DZ1201600) 上海建工重點(diǎn)科研項(xiàng)目(14GLXX-05)
【分類號】：TU753

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉惠生;;深大基坑設(shè)計(jì)和施工應(yīng)注意的幾個問題[J];廣東科技;2007年06期

2 謝小林;翟杰群;賈堅(jiān);;地鐵換乘樞紐旁深大基坑的若干設(shè)計(jì)技術(shù)分析[J];建筑結(jié)構(gòu);2008年09期

3 楊辛華;;三面臨水的深大基坑施工技術(shù)[J];建筑施工;2009年07期

4 李昀;馬稚青;田振;顧倩燕;;相鄰深大基坑同步施工的相互影響研究[J];水運(yùn)工程;2009年S1期

5 劉書琴;;某深大基坑攪拌樁支護(hù)墻設(shè)計(jì)的安全性驗(yàn)算[J];商品與質(zhì)量;2009年S4期

6 張濤;;某深大基坑工程組合支護(hù)效果及參數(shù)優(yōu)化分析[J];山西建筑;2010年28期

7 彭敏;;深大基坑施工時(shí)對下臥運(yùn)營地鐵隧道的專利保護(hù)技術(shù)[J];建筑施工;2010年09期

8 強(qiáng)健;;深大基坑施工對鄰接地鐵工程的影響分析[J];地下空間與工程學(xué)報(bào);2010年S1期

9 陳凱;;某富水區(qū)段深大基坑穩(wěn)定施工技術(shù)[J];建筑機(jī)械化;2011年10期

10 李琨;康健;商嘯e，

本文編號：2499659