基于智能优化算法的深大基坑施工反分析

摘要

引入人工智能技术,提出了一种基于神经网络的Nelder-Mead改进加速算法,建立了基于监测结果的深大基坑动态施工反馈分析方法.以93383m2超大基坑工程为案例,进行了三维有限元参数反演分析,预测了基坑后续开挖围护结构水平位移、支撑轴力、管沟位移.结果表明:与Nelder-Mead算法比较,采用所建立的方法的收敛速度快,迭代次数减少了最大达86.9％;预测结果与实测结果吻合较好.