基于BP神经网络的基坑水平位移反分析

摘要

深基坑工程一直以来都是国内外岩土工程领域中的热点问题，基坑在施工过程中的影响因素较为复杂并且种类繁多，随着时代的进步，有很多难题需要我们去解决，由于基坑的施工过程中将会出现的问题我们不能遇见，所以信息化施工尤为重要，我们可以通过理论研究分析，预测出将来的位移变化，并以此作为依据，对施工过程中出现的较大的误差进行重点分析，从而保证施工的安全。
　　本文基于武汉市王家墩中心地铁车站基坑工程为工程背景，针对深基坑的复杂性以及变形过程中的非线性，在监测基坑支护结构变形的基础上，利用数值模拟和BP神经网络等手段对基坑围护结构的水平位移进行反分析并且根据监测数据主要开展以下工作:
　　1.通过Madis/gts软件对施工过程进行数值模拟。通过正交设计来确定土体的参数，运用Madis/gts计算出地下连续墙的水平位移来作为训练样本，从而确定网络结构，利用BP神经网络建立预测模型，用检验样本来验证网络结构的准确性和可靠性。
　　2.以现场监测的水平位移数据作为基础，将实测的数据带入已经训练好的网络中，通过模拟来分析出土体的弹性模量参数，将反演出的参数带入数值模拟软件来计算位移，并与实测出的数据进行对比从而验证反分析数据的可靠性，并对各工况下的的位移进行对比分析。
　　3.应用Matlab软件基于BP神经网络对现场实测的位移数据进行分析，通过训练的神经网络来对未来的位移变形进行预测，将预测出的位移值与将来实测的位移值进行对比研究，并对造成较大误差的原因进行分析。
　　本文通过BP神经网络的位移反分析方法对土体参数进行反演分析，并对基坑的支护结构进行位移变形预测，对类似的基坑工程提供指导和借鉴意义。

目录

摘要

1 绪论

1．1 课题研究背景、研究目的及意义

1．1．1 研究背景

1．1．2 研究目的及意义

1．2 国内外的研究的现状

1．2．1 深基坑的监测数据分析

1．2．2 岩土工程反分析方法

1．2．3 基于计算智能的岩土工程反分析方法

1．2．4 深基坑开挖变形预测研究现状

1．3 课题研究内容

2 岩土参数反分析的内容和方法

2．1 岩土参数反分析的内容

2．2 反分析常用方法

2．2．1 确定性反分析法

2．2．2 非确定性反分析方法

2．2．3 智能反分析方法

3 BP神经网络模型及智能反分析系统

3．1 人工神经网络概述

3．2 人工神经网络的基本结构和模型

3．2．1 人工神经元的模型

3．2．2 激活传递函数

3．2．3 单层神经元网络模型结构

3．2．4 多层神经元网络

3．2．5 神经网络的训练

3．3 BP神经网络

3．3．1 信息的正向传递

3．3．2 利用梯度下降法求权值变化及误差的反向传播

3．3．3 算法的缺陷与改进方法

3．3．4 BP神经网络模型结构的设计

3．3．5 正交设计方法

3．3．6 均匀设计方法

3．3．7 BP神经网络的反分析流程

3．4 本章小结

4 武汉王家墩中心地铁站反分析

4．1 工程概况

4．2 Midas／gts软件简介

4．3 基坑模型的建立

4．4 BP神经网络反分析

4．4．1 BP神经网络设计

4．4．2 神经网络训练与检验

4．5 反分析值与现场监测数据对比

4．6 本章小结

5 于时间序列的BP神经网络位移预测

5．1 基坑位移的时间序列预测BP模型

5．1．1 时间序列BP神经网络预测结构分析

5．1．2 BP模型预测

5．2 结果分析

5．3 本章小结

6 监测数据异常因素的分析

6．1 外界影响因素

6．1．1 荷载的影响

6．1．2 堆载的影响

6．1．3 施工工况的影响

6．1．4 测点的安全保护

6．2 内部影响因素

6．2．1 监测手段的影响

6．2．2 理论方法的影响

7 结论与展望

7．1 总结

7．2 工作展望

参考文献

攻读硕士学位期间发表的论文

致谢

声明