發(fā)布時(shí)間：2018-11-06 09:27

【摘要】：隧道圍巖具有高度的非線性變形特征,通過變形預(yù)測能有效判斷隧道變形的發(fā)展趨勢。首先以自適應(yīng)GM(1,1)模型對隧道變形進(jìn)行初步預(yù)測,且為保證自適應(yīng)模型的參數(shù)為全局最優(yōu)參數(shù),提出以粒子群算法對模型參數(shù)進(jìn)行優(yōu)化;其次,以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),建立誤差修正模型,旨在進(jìn)一步提高預(yù)測精度。在此基礎(chǔ)上,將該預(yù)測模型應(yīng)用于2個工程實(shí)例中,結(jié)果表明:該預(yù)測模型在橫向和縱向上的預(yù)測效果均較好,自適應(yīng)能力和遞推能力均較強(qiáng),預(yù)測結(jié)果與實(shí)測值較為吻合,預(yù)測精度較高,能較好地反映隧道圍巖的變形規(guī)律。該預(yù)測模型能較為有效地實(shí)現(xiàn)隧道圍巖的動態(tài)預(yù)測,可以進(jìn)行推廣應(yīng)用及研究,為隧道變形預(yù)測提供一種新的思路。
[Abstract]:The tunnel surrounding rock has high nonlinear deformation characteristics, and the development trend of tunnel deformation can be effectively judged by deformation prediction. In order to ensure that the parameters of the adaptive model are the global optimal, the particle swarm optimization algorithm is proposed to optimize the model parameters. Secondly, based on BP neural network, an error correction model is established to further improve the prediction accuracy. On this basis, the prediction model is applied to two engineering examples. The results show that the prediction model has better prediction effect in both horizontal and longitudinal direction, strong adaptive ability and recursive ability, and the prediction results are in good agreement with the measured values. The prediction accuracy is high and can reflect the deformation law of tunnel surrounding rock. The prediction model can effectively realize the dynamic prediction of tunnel surrounding rock, can be applied and studied widely, and provides a new way of thinking for tunnel deformation prediction.
【作者單位】： 陜西鐵路工程職業(yè)技術(shù)學(xué)院;
【基金】：陜西鐵路工程職業(yè)技術(shù)學(xué)院科研項(xiàng)目(KY2016-02)
【分類號】：U456.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃明華;刁心宏;楊華;;隧道變形預(yù)測的灰色模型研究[J];華東交通大學(xué)學(xué)報(bào);2008年02期

2 邵先勝;沈正偉;李之波;;基于BP神經(jīng)網(wǎng)絡(luò)的瀝青路面使用性能評價(jià)模型[J];河南科技;2011年06期

3 高永強(qiáng),邊亦海,李立增;人工神經(jīng)網(wǎng)絡(luò)在隧道變形預(yù)測中的應(yīng)用[J];石家莊鐵路工程職業(yè)技術(shù)學(xué)院學(xué)報(bào);2004年01期

4 陳君;李聰穎;丁光明;;基于BP神經(jīng)網(wǎng)絡(luò)的高速公路交通安全評價(jià)[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年07期

5 陳昱;;基于組合人工神經(jīng)網(wǎng)絡(luò)的隧道變形預(yù)測模型應(yīng)用研究[J];廣東土木與建筑;2006年02期

6 樊海瑋;張國翊;丁愛玲;謝昌榮;徐婷;;BP改進(jìn)算法及其在路面裂縫檢測中的應(yīng)用[J];長安大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 馬黎;趙麗紅;傅惠;;基于BP神經(jīng)網(wǎng)絡(luò)的交通異常事件自動檢測算法[J];交通科技與經(jīng)濟(jì);2010年06期

8 徐杏,史喜軍;深圳港基于BP神經(jīng)網(wǎng)絡(luò)的集裝箱預(yù)測模型[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

9 房東升;陳洋洋;;基于BP神經(jīng)網(wǎng)絡(luò)的瀝青路面使用性能評價(jià)[J];交通標(biāo)準(zhǔn)化;2009年19期

10 雷敏;斯郎擁宗;;BP神經(jīng)網(wǎng)絡(luò)在大型斜拉橋施工控制中的應(yīng)用研究[J];四川建筑;2009年04期

相關(guān)會議論文 前10條

1 高慧;趙建玉;賈磊;;基于前向型神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

2 鄧成豪;林從謀;王殿會;黃金山;孟凡兵;;隧道變形預(yù)測方法的改進(jìn)[A];第十一屆全國土力學(xué)及巖土工程學(xué)術(shù)會議論文集[C];2011年

3 楊炳堯;韓大建;顏全勝;;使用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行橋梁缺損狀況評估[A];第十六屆全國橋梁學(xué)術(shù)會議論文集（下冊）[C];2004年

4 劉楊;沈海州;彭國雄;;基于神經(jīng)網(wǎng)絡(luò)的消防車輛行程時(shí)間計(jì)算模型[A];第一屆中國智能交通年會論文集[C];2005年

5 李承;余建星;;基于模糊神經(jīng)網(wǎng)絡(luò)的海上機(jī)動卸載平臺風(fēng)險(xiǎn)分析[A];第三屆全國現(xiàn)代結(jié)構(gòu)工程學(xué)術(shù)研討會論文集[C];2003年

6 羅璇;程偉;;聯(lián)想神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)損傷識別中的應(yīng)用[A];第三屆全國防震減災(zāi)工程學(xué)術(shù)研討會論文集[C];2007年

7 盧曉煜;郝正;;計(jì)算機(jī)輔助高速公路收費(fèi)稽查分析方法研究[A];2008第四屆中國智能交通年會論文集[C];2008年

8 包龍生;張樂;于玲;曹鑫;;基于BP神經(jīng)網(wǎng)絡(luò)對大跨徑預(yù)應(yīng)力連續(xù)梁橋標(biāo)高偏差預(yù)測分析[A];第22屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅰ冊[C];2013年

9 韓寶睿;邵光輝;馬健霄;;基于BP神經(jīng)網(wǎng)絡(luò)的公交�？空镜呐抨�(duì)狀態(tài)預(yù)測[A];第一屆中國智能交通年會論文集[C];2005年

10 吳堅(jiān);陳寧;;基于SARBF神經(jīng)網(wǎng)絡(luò)擬合的交通流量殘缺信息修補(bǔ)方法研究[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 通訊員 王孟霞;CCS獲BP的CAP資格認(rèn)可[N];中國船舶報(bào);2013年

相關(guān)碩士學(xué)位論文 前10條

1 郭雅楠;基于EMD的BP神經(jīng)網(wǎng)絡(luò)在公交客流預(yù)測中的應(yīng)用[D];天津大學(xué);2016年

2 汪春鳴;組合模型在隧道變形預(yù)測中的應(yīng)用[D];江西理工大學(xué);2012年

3 肖啟俊;基于BP神經(jīng)網(wǎng)絡(luò)的船舶價(jià)格評估方法研究[D];上海交通大學(xué);2013年

4 羊文琦;基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的區(qū)域性公路交通量預(yù)測研究[D];西南交通大學(xué);2015年

5 黃惠峰;智能神經(jīng)網(wǎng)絡(luò)及其在隧道運(yùn)營期變形預(yù)測評估中的應(yīng)用[D];西南交通大學(xué);2015年

6 黃智仟;基于神經(jīng)網(wǎng)絡(luò)的船舶交通流量預(yù)測研究[D];大連海事大學(xué);2015年

7 陳光曦;模擬橋梁結(jié)構(gòu)故障聲發(fā)射檢測技術(shù)研究[D];沈陽理工大學(xué);2015年

8 譚貞剛;基于多分辨率卷積網(wǎng)絡(luò)的交通標(biāo)志檢測與識別[D];大連理工大學(xué);2015年

9 崔寶影;基于神經(jīng)網(wǎng)絡(luò)的石河大橋損傷預(yù)警算法研究[D];東北大學(xué);2013年

10 管碩;基于SVM和K-均值聚類的RBF神經(jīng)網(wǎng)絡(luò)短時(shí)交通流預(yù)測[D];青島大學(xué);2015年

，

本文編號：2313884