基于数据融合技术的桩基承载力预测方法研究.pdf

《基于数据融合技术的桩基承载力预测方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第4期华中科技大学学报(城市科学版)V01．27No．42010年l2月J．ofHUST．(UrbanScienceEdition)Dee．2O10基于数据融合技术的桩基承载力预测方法研究郗锋，翁光远(陕西交通职业技术学院公路工程系，陕西西安710018)摘要：为了能够快速并较准确的预测桩基的承载能力，达到在施工过程中减少或不做试桩的效果，以单桩为例，分析了影响竖向承载能力的量化因素及非量化因素，利用小波概率神经网络(WPNN)与数据融合技术的联想和预测功能，得出承载力和这些因素的关系。通过对钻孔灌注桩及钢筋混凝土预制桩的静载试验数据分析，选择了WPNN与数据融合技术的方法对分

2、别对两组试验数据进行分析，建立了合理的模型进行承载力预测，60根单桩的承载力的预测值与实测值吻合较好，证明了该方法在预测桩基竖向承载能力时可以满足工程实际的需要。关键词：桩基承载力；小波概率神经网络(WPNN)；数据融合；承载力预测中图分类号：TU473．1文献标识码：A文章编号：1672-7037(2010)04-0026--05随着大跨度桥梁结构的迅速发展，桩基础的受到很大限制。另外，桩一土．上部结构组成的应用13趋广泛。近年来，由于成桩工艺、检测手段系统是非常复杂的，简单化的处理是难以满足各的不断完善，桩基础已经成为了目前高层建筑和个方面的要求。本世纪80年代以来，模糊理论、大跨

3、度桥梁的最主要基础形式之一。但由于影响灰色系统、泛函分析、神经网络等的研究，在工程单桩竖向承载力的因素很多，而且这些因素很不实践中的应用得到了长足的发展，其中神经网络确定，因此，如何合理的确定出承载力，充分发挥以及数据融合技术以其大规模的并行处理和桩基础的技术经济效益，使工程技术人员一直考分布式的信息存储、良好的适应性和自组织性、强虑和关心的主要问题。目前，确定单桩竖向承载大的学习功能和联想及容错功能，克服了从回归力的方法主要有静荷载试验与动侧法，静荷载试公式所得的半经验半理论公式缺点，为这一问题验作为最基本的方法，其可靠性最高，但它也有一的解决奠定了很好的研究基础。定的缺陷，如费用高

4、，时间、人力消耗大，试桩数量有限等。作为静载试验的补充，目前广泛采用动1影响桩基承载力的主要因素分析测法，但是动测方法主要是以一定的计算模型及经验公式为基础，由于这些模型和公式都对实际单桩的极限承载能力和很多因素有关系，通情况做一些简化和假设，而且技术难度较大，影响常认为比较重要的有桩长、桩径、桩周土的物理力实验结果的因素又较复杂，所以承载力测试的结学、桩端承载力、人土深度等指标。但是，在许多果会产生较大的误差。寻求一种简单准确的预测工程实际中还发现桩的几何形状、类型以及成桩桩基础承载力的方法，对满足日益增长的桩基工工艺、加荷速率等因素对桩的承载力也常有不可程的应用有重要意义¨J。忽视

5、的影响。另外，在施工过程中桩的承载能力在工程实践应用和研究领域，对大量的实验还和施工工艺、施工方法等有关系。这些影响因结果进行分析时，应用较为广泛的是数理统计及素和桩的承载力之间存在着必然的非线性关回归的分析方法，所得到的结果一般为半经验半系，而且这种关系是相当复杂的，单纯依靠传理论公式，由于土的性质不仅具有场地随机性，同统的回归分析，数值模拟等方法很难得出来。目时具有区域不定性，由回归分析所得经验公式自前，尚无能较全面考虑这些因素的理论公式、数值适应性比较差，使得半经验半理论公式的适用性计算等确定的方法。小波概率神经网络具有处理收稿日期：2010-04-30修回日期：201O_o7-

6、23作者简介：郗t~(1976一)，男，陕西人，讲师，研究方向为公路与桥梁工程(Email：weng_guangyuan@163．com)基金项目：陕西省教育科学“十一五”规划2009年度课题(SGH0903032)第4期郗锋等：基于数据融合技术的桩基承载力预测方法研究·27·高度非线性问题的能力，而且还具有联想记忆等P维矢量X={，，⋯，}的测量集，基于贝功能，将数据融合技术引入桩基础的承载力预测叶斯决策准则来判断0∈Oq的状态，可以表述为中，不但能够考虑传统的各种分析方法所考虑的d()∈0[^z()>hkz()]，≠g因素，还能考虑到一些不确定的非数值型的因素，(1)因而可以获得较

7、为精确可靠的预测结果。式中：d()是检验矢量的决策；h分别是在本论文中，为了使问题研究简单化，在众多Oq和Ok类的先验概率，Z。是本为Oq而被错分为其的影响因素当中，只研究桩长、桩径、人土深度、侧他类的损失，是本为0而被错分为其他类的损摩阻值加权平均值、桩端土承载力5个因素的影失()和()分别为Oq和Ok类的概率密度响效果，通过人工智能的方法研究这些因素和钻函数。孔灌注桩以及预制钢筋混凝土桩的承载力之间的对于桩基承载力预测问题来说，经常假定h非