本文選題：數(shù)值模擬　切入點：均勻設(shè)計　出處：《山東大學(xué)》2017年碩士論文

【摘要】：目前,我國已經(jīng)成為世界上興建地鐵線路和車站最多的國家,車站基坑工程引起周邊沉降的機理非常復(fù)雜。隨著計算機技術(shù)和數(shù)值計算理論的發(fā)展,數(shù)值分析方法開始逐漸應(yīng)用到基坑開挖分析中,然而數(shù)值計算結(jié)果較多地依賴于模型參數(shù)的選取,忽略了基坑工程的特定條件,模型參數(shù)將很難準(zhǔn)確確定。隨著現(xiàn)代智能算法的興起,智能算法開始運用到基坑開挖中。遺傳神經(jīng)網(wǎng)絡(luò)算法兼具非線性擬合和非線性尋優(yōu)的特點,遺傳神經(jīng)網(wǎng)絡(luò)算法對參數(shù)進行反演分析具有很強的實用性。本文依托青島二號線燕兒島車站基坑開挖工程,通過實測分析、數(shù)值模擬、參數(shù)反演、沉降預(yù)測相結(jié)合的研究方法,對地鐵車站在開挖過程中周邊測點的沉降變形規(guī)律進行了研究,并且對土體的強度參數(shù)進行了反演分析。本文的主要研究內(nèi)容和成果如下:(1)對車站基坑周邊的地下水位、圍護樁側(cè)移、坑外地表沉降的實測數(shù)據(jù)進行分析,提出了這些監(jiān)測項目隨基坑開挖過程變化的原因,確認了數(shù)值模擬方案中不考慮降水措施。(2)設(shè)計了基坑的圍護樁、混凝土支撐、鋼支撐、錨索、圍護樁與土體接觸面等的梳子模擬方案,基于FLAC3D軟件編制了基坑開挖的計算程序,對不能確定的彈性模量,根據(jù)經(jīng)驗對土體彈性模量取值,計算了在該工況下,坑外測點隨著基坑開挖的沉降值,與實測結(jié)果對比,驗證了所建立的模型模擬方案的合理性。(3)為了合理設(shè)計試驗樣本、降低試驗次數(shù),引入均勻設(shè)計法,設(shè)計了學(xué)習(xí)樣本;利用遺傳神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點,提出基于遺傳神經(jīng)網(wǎng)絡(luò)算法的多參數(shù)反演分析思路。基于MATLAB軟件,編制了遺傳神經(jīng)網(wǎng)絡(luò)算法參數(shù)反演程序。最后通過某基坑工程實例,反演得到了該工程較為合理的土體彈性模量,驗證了程序和分析思路的可靠性和準(zhǔn)確性。(4)提出沉降的動態(tài)預(yù)測實施步驟,基于基坑外測點的實測數(shù)據(jù)和遺傳神經(jīng)網(wǎng)絡(luò)算法,編制動態(tài)預(yù)測程序,訓(xùn)練得到了前期沉降與后期沉降的非線性映射關(guān)系,并結(jié)合某一測點,對其沉降值進行預(yù)測。結(jié)果表明,基于遺傳神經(jīng)網(wǎng)絡(luò)算法的動態(tài)沉降預(yù)測方法具有很高的可靠性。
[Abstract]:At present, China has become the country with the largest number of subway lines and stations in the world, and the mechanism of surrounding settlement caused by station foundation pit engineering is very complicated. With the development of computer technology and numerical calculation theory, The numerical analysis method is gradually applied to the excavation analysis of foundation pit. However, the numerical calculation results depend on the selection of model parameters and ignore the specific conditions of foundation pit engineering. With the rise of modern intelligent algorithm, intelligent algorithm has been applied to excavation of foundation pit. Genetic neural network algorithm has the characteristics of nonlinear fitting and nonlinear optimization. The genetic neural network algorithm has strong practicability for parameter inversion analysis. Based on the excavation project of Yanerdao station in Qingdao No. 2 line, this paper combines the research method of actual measurement analysis, numerical simulation, parameter inversion and settlement prediction. In this paper, the law of settlement and deformation of the site around the subway station during excavation is studied, and the strength parameters of the soil are inversely analyzed. The main contents and results of this paper are as follows: 1) the groundwater level around the foundation pit of the station. Based on the analysis of the measured data of the lateral displacement of the retaining pile and the surface settlement of the pit field, the reasons for the variation of these monitoring items with the excavation process of the foundation pit are put forward, and it is confirmed that the retaining pile of the foundation pit is designed without considering the dewatering measure .Y2) in the numerical simulation scheme. The comb simulation scheme of concrete bracing, steel bracing, anchor cable, retaining pile and soil contact surface, etc. Based on FLAC3D software, the calculation program of foundation pit excavation is compiled, and the value of soil elastic modulus is obtained according to experience for the uncertain elastic modulus. Under this condition, the settlement value of the measuring point outside the pit with the excavation of foundation pit is calculated. Compared with the measured results, the rationality of the model simulation scheme is verified. In order to design the test sample reasonably and reduce the test times, the uniform design method is introduced. Based on the advantages of genetic neural network algorithm, the idea of multi-parameter inversion analysis based on genetic neural network algorithm is put forward, which is based on MATLAB software. The parameter inversion program of genetic neural network algorithm is worked out. Finally, through an example of foundation pit engineering, the reasonable elastic modulus of soil is obtained. The reliability and accuracy of the program and the analysis idea are verified. (4) the dynamic prediction procedure of settlement is put forward. Based on the measured data of the site outside the foundation pit and the genetic neural network algorithm, the dynamic prediction program is compiled. The nonlinear mapping relationship between pre-settlement and post-settlement is obtained, and the settlement value is predicted by combining a certain measuring point. The results show that the dynamic settlement prediction method based on genetic neural network algorithm is highly reliable.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U231.3;TU433

【相似文獻】

相關(guān)期刊論文 前10條

1 鄧一兵;胡偉;高峰;邢朝陽;楊揚;沈鈞毅;;遺傳神經(jīng)網(wǎng)絡(luò)在載人飛船環(huán)控決策系統(tǒng)中的應(yīng)用研究[J];西安交通大學(xué)學(xué)報;2010年07期

2 李斌;劉峰;;遺傳神經(jīng)網(wǎng)絡(luò)在地面沉降趨勢預(yù)測中的應(yīng)用[J];山東國土資源;2013年08期

3 陳海英;何春;;基于動態(tài)距離尋優(yōu)的遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化算法[J];科技通報;2013年12期

4 焦險峰;張祥彤;朱晶華;;基于遺傳神經(jīng)網(wǎng)絡(luò)的企業(yè)ERP系統(tǒng)評價研究[J];中國煤炭;2007年11期

5 張璇;李毅;羅琳;車富強;鄭海圣;;基于遺傳神經(jīng)網(wǎng)絡(luò)的壩區(qū)初始滲流場反分析[J];水電能源科學(xué);2012年12期

6 韋春竹;鄭文鋒;孟慶巖;王春梅;劉苗;;基于元胞自動機的遺傳神經(jīng)網(wǎng)絡(luò)在土地利用變化模擬分析中的應(yīng)用[J];測繪工程;2014年01期

7 金聰;基于遺傳神經(jīng)網(wǎng)絡(luò)的癌癥死亡率預(yù)測[J];系統(tǒng)工程理論與實踐;2000年02期

8 石漢青;張雷;杜華棟;龍智勇;姜世泰;;基于遺傳神經(jīng)網(wǎng)絡(luò)算法的海面風(fēng)速反演新方法[J];解放軍理工大學(xué)學(xué)報(自然科學(xué)版);2013年06期

9 梁建軍;湯榮江;;用遺傳神經(jīng)網(wǎng)絡(luò)在模擬逼進函數(shù)中的應(yīng)用[J];科學(xué)大眾;2007年06期

10 沈沁梅;周衛(wèi)東;李科學(xué);;基于遺傳神經(jīng)網(wǎng)絡(luò)的激光誘導(dǎo)擊穿光譜元素定量分析技術(shù)[J];中國激光;2011年03期

相關(guān)會議論文 前10條

1 張啟義;張智;梅冬;;遺傳神經(jīng)網(wǎng)絡(luò)在公路物資運輸量預(yù)測中的應(yīng)用[A];中國運籌學(xué)會第十屆學(xué)術(shù)交流會論文集[C];2010年

2 高丙坤;田麗;任晶秋;;非線性濾波的遺傳神經(jīng)網(wǎng)絡(luò)尋優(yōu)方法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

3 蘇博;劉魯;楊方廷;;基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

4 杜延春;李貽斌;王桂月;;遺傳神經(jīng)網(wǎng)絡(luò)在聲納基陣俯仰角控制系統(tǒng)中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 李洪偉;周云龍;;基于圖像應(yīng)用遺傳—粒子群算法與遺傳神經(jīng)網(wǎng)絡(luò)結(jié)合的氣液兩相流型識別[A];高效 清潔 安全 電力發(fā)展與和諧社會建設(shè)——吉林省電機工程學(xué)會2008年學(xué)術(shù)年會論文集[C];2008年

6 金莉;何輔云;張斌;;遺傳神經(jīng)網(wǎng)絡(luò)在正交試驗中的仿真研究[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

7 葉德謙;劉波;;一種改進的遺傳神經(jīng)網(wǎng)絡(luò)及其在股市中的應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

8 周敏;李飛;;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的MIMO信號檢測技術(shù)[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

9 何群英;郝偉;;基于全矢譜和遺傳神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械故障診斷[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

10 張禮平;丁一匯;李清泉;張樂飛;;遺傳神經(jīng)網(wǎng)絡(luò)釋用氣候模式預(yù)測產(chǎn)品的試驗研究[A];中國氣象學(xué)會2008年年會氣候預(yù)測研究與預(yù)測方法分會場論文集[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 曲興華;在線制造質(zhì)量測控技術(shù)的研究[D];天津大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 丁芳軍;基于遺傳神經(jīng)網(wǎng)絡(luò)的射頻功放行為模型研究[D];電子科技大學(xué);2014年

2 劉念;基于VC++的手寫字母識別系統(tǒng)的設(shè)計[D];電子科技大學(xué);2014年

3 楊帥;基于遺傳神經(jīng)網(wǎng)絡(luò)PQF連軋管機組軋制工藝的設(shè)計[D];天津科技大學(xué);2013年

4 徐順;基于主成分分析的遺傳神經(jīng)網(wǎng)絡(luò)換能器一致性研究[D];浙江大學(xué);2016年

5 朱傳廣;基于遺傳神經(jīng)網(wǎng)絡(luò)的城市住宅地價評估[D];南京農(nóng)業(yè)大學(xué);2014年

6 閆沖;基于量子遺傳神經(jīng)網(wǎng)絡(luò)的鐵水溫度預(yù)報研究[D];東北大學(xué);2014年

7 高曉東;不確定遺傳神經(jīng)網(wǎng)絡(luò)在滑坡危險性預(yù)測的研究及應(yīng)用[D];江西理工大學(xué);2016年

8 崔宇鵬;基于遺傳神經(jīng)網(wǎng)絡(luò)算法的基坑土體參數(shù)反演和基坑沉降預(yù)測研究[D];山東大學(xué);2017年

9 鄭潔tq;遺傳神經(jīng)網(wǎng)絡(luò)在城市氣象預(yù)報中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2011年

10 董登;遺傳神經(jīng)網(wǎng)絡(luò)在地表水水質(zhì)評價中的應(yīng)用研究[D];遼寧工程技術(shù)大學(xué);2010年

，

本文編號：1656020