临近基坑建筑物沉降神经网络动态预报.pdf

临近基坑建筑物沉降神经网络动态预报.pdf

ID:52401534

大小:225.02 KB

页数:3页

时间:2020-03-27

临近基坑建筑物沉降神经网络动态预报.pdf_第1页
临近基坑建筑物沉降神经网络动态预报.pdf_第2页
临近基坑建筑物沉降神经网络动态预报.pdf_第3页
资源描述:

《临近基坑建筑物沉降神经网络动态预报.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、张尚根等:临近基坑建筑物沉降神经网络动态预报127临近基坑建筑物沉降神经网络动态预报张尚根,李刻铭,陈玲(解放军理工大学工程兵工程学院,南京210007)【摘要】将BP神经网络与遗传算法结合,建立了建筑物沉降的动态预报模型。实例分析表明所建立的模型预测精度较高,预报值与实测值吻合较好,该方法对建筑物沉降的实时预报有一定的实用性。【关键词】建筑物沉降;BP神经网络;遗传算法;全局优化【中图分类号】TU473.2【文献标识码】A【文章编号】1001—6864(2012)11—0127—03DYNAMICALP=REDICTIoNGOFBUⅡDGSUBSII)ENCECoURSEU

2、SDGARTⅡCIALNEURALNETWoRKSINDEEPFoUNDATIoNEXCAVATIONZHANGShang—gen,LIKe—ming,CHENLing(Engi.InstituteofCorpsofEngi.,PLAUniv.ofScienceandTechnology,Nanjing210007,China)Abstract:Adynamicalpredicationmodelforbuildingsubsidencecourseindeepexcavationandanefectivepredictingmethodisputforwardbyimpro

3、vedartificialneuralnetworkscombiningBPneuralnetworkwithgeneticalgorithm.Theresultindicatesthatthemodelproposedherehasfastapproximationandhighprecision,thepredictedvaluesagreewellwiththemeasuredones.Theproposedmethodisausefultoolfordeformationprediction.Keywords:buildingsubsidencecourse;BPne

4、uralnetwork;geneticalgorithm;~obaloptimal南京某部办公楼距今有100余年的历史,先后为法与遗传算法有机结合起来,利用遗传算法的全局寻原清朝江苏咨议局、江苏省议会、中华民国临时参议院优能力,克服BP算法存在的局部极小,收敛速度慢等以及中国国民党中央党部办公场所,该建筑为近代优缺点,建立了一种基于时间效应的动态预测建筑物沉秀建筑,作为国家文物保护。建设单位需要在该办公降的方法,计算结果表明该方法的具有较好的实用性楼的西南侧建设综合楼,综合楼设置2层地下室,开挖与有效性。深度9.75m,基坑平面基本呈现L形,长约105m,宽1建筑物沉降动态预

5、测62m。建设场区内土层为素填土、粉质粉砂、淤泥质粉1.1BP网络算法的改进质粘土、粉质粘土,地下水位在地面以下0.8m,地下含图1表示由1个输入层、1个隐含层和1个输出层水量丰富。基坑支护形式为传统的钻孔灌注桩加二道的BP网络,其网络的训练步骤为:钢筋混凝土内支撑结构体系,钻孔灌注桩的直径为(1)输入向量=[PI'Xp2,⋯,PIf](P=1,2,900mm,间距200ram,第一道钢筋混凝土内支撑的截面⋯,Ⅳ),计算相应的网络输出向量。尺寸为700mmX650mm,第二道钢筋混凝土内支撑的(2)计算网络实际输出向量=[yPl,yP2,⋯,截面尺寸为800mm×700ram

6、,双头水泥土深搅拌桩作]与期望的输出向d=[d,⋯,d]的差值。为止水帷幕。基坑开挖边线距该建筑5.6m。通过现(3)逐层调整网络的权重值,使输出误差减小。场调查发现该建筑物脚砖砌条形基础,黏土砖存在轻(4)重复上述过程,直至误差满足一定要求。度风化和损伤,基础整体性较差,部分基础有裂缝存上述网络训练步骤中,步骤(1)~(2)为正向传播在,墙面裂缝较多,大部分裂缝达宽度在2~4mm之间。过程,步骤(3)为误差反传播过程,具体计算方法可参基坑施工对该建筑物有显著的影响,在基坑开挖中需见文献[7]。BP算法的结果与网络初始状态有很大要对其沉降有准确地掌握,确保其安全。人工神经网关

7、系,如果所取的初始输入向量取得不好,网络可能不络则具有解决复杂的、不确定性的、非线性问题的能收敛或收敛很慢。遗传算法擅长全局搜索,而BP力,特别适合解决岩土程问题。本文将传统BP算算法在用于局部搜索时比较有效,将遗传算法与BP128低温建筑技术2012年第11期(总第173期)算法有机地结台起来,进行神经网络的混合训练是一要对训练样本和检验样本进行正则化处理,其处理方较好的途径。用遗传算法对初始权值分布进行优化,法见文献[3],输人数据正则化后,就可以对网络进行在解空间中定位出一个较好的搜索空间,再用B

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。