变形预测

摘要： 为准确掌握库区滑坡变形潜势,在变形监测成果统计基础上,首先利用极限位移准则开展滑坡现状变形潜势分析;然后以相关向量机为理论基础,通过优化处理保证其参数最优性,构建滑坡变形预测模型,并以预测结果开展滑坡变形潜势的发展趋势评价;最后结合两种分析结果,实现滑坡综合变形潜势分析。结果表明,不同监测点的现状变形潜势状态存在一定差异,由不利原则可知,现状变形潜势等级为Ⅳ级,潜势程度属严重状态;滑坡变形仍会进一步增加,变形潜势趋于不利方向发展。综合两种分析结果可知,滑坡变形潜势处于不利状态,后期失稳可能性较大,应加强灾害防治,避免成灾损失。

摘要： 利用尖点突变模型进行滑坡稳定性评价,再以集合经验模态分解、GM(1,1)模型和支持向量机等方法为基础,构建滑坡变形预测模型。以变电站滑坡为例进行分析,结果表明,各监测点的突变特征值均大于0,即处于稳定状态;所得变形预测结果的平均相对误差均较小,验证了本文预测模型的有效性;通过外推预测,发现滑坡变形仍会进一步增加,稳定性变差。

摘要： 为准确掌握片岩隧道变形规律,基于隧道变形监测结果,利用核极限学习机构建隧道变形初步预测模型,通过遗传算法和蚁群算法进行优化处理,以保证模型参数的最优性,采用混沌理论对预测误差进行修正处理,利用M-K分析判断隧道变形趋势,并将趋势判断结果与预测结果对比。结果表明:通过递进优化处理,能逐步提高预测精度,且预测结果的相对误差均值介于1.77%~1.83%,均小于2%,具有较高的预测精度;隧道变形虽呈增加趋势,但随时间增长其增长趋势逐渐减弱,总体趋于稳定方向发展。

摘要： 为提升大坝变形预测能力,提出了一种基于粒子群算法(PSO)优化支持向量机(SVM)的混凝土重力坝变形预测模型。通过粒子群算法对支持向量机惩罚函数C与核函数σ进行寻优,避免了拟合过程中易陷入局部最优解的问题,提高了模型的拟合精度。以新疆北疆某碾压混凝土坝2014年~2019年变形监测数据为例,建立了逐步回归、SVM、PSO-SVM三种模型。结果表明,PSO-SVM模型预测时段复相关系数高达0.991,明显优于逐步回归与SVM模型,同时标准差也低于其他两种模型,说明PSO-SVM模型拟合及预测精度更高,有效验证了模型的可靠性及准确性。

摘要： 为了提高滑坡变形预测工作中的预测精度,采取基于S型增长曲线的组合预测方法,通过最优权重来组合滑坡预警预报中常用的Verhulst模型、Pearl模型,并将组合预测模型应用于历史滑坡的变形预测中进行验证研究。结果表明:单一预测模型中,Verhulst模型的预测效果较Pearl模型好,但拟合效果则是Pearl模型较佳;而基于最优权重的组合预测模型能充分利用单一预测模型的优势,能有效地提高滑坡变形预测的精确性。

摘要： 针对高土石坝变形监测时间序列复杂的非线性、非平稳性等特点,提出了一种沉降变形预测的组合方法,可更好兼顾土石坝变形的长期发展趋势和波动特性。利用基于局部加权回归的季节性趋势分解法将变形监测历史数据分为趋势、周期和残差分量;采用长短期记忆神经网络模型分别学习趋势、周期和残差序列趋势特征并预测,汇总各分量预测结果得到大坝位移的预测值。为定量评价和比较预测结果,引入三个评价指标,并将预测结果与季节性差分自回归滑动平均模型、长短时记忆神经网络模型及其组合模型的预测结果进行对比分析。本文联合时序分解和深度学习的组合模型具有更高的预测精度和较好的稳定性,能够较好体现土石坝变形的长期趋势和随水位的波动特性。

摘要： 在基坑正常施工的情况下,为准确预测基坑未来一段时间内地下连续墙的水平变形,基于某地铁基坑工程现场监测数据,利用LSTM算法进行模型训练,得到基坑变形预测模型。在前期实测数据的基础上,利用预测模型分别对基坑开挖期、浇筑底板后2种工况下的基坑地下连续墙水平变形进行预测,得到基坑地下连续墙的变形预测值,并结合其他预测模型的预测结果进行误差对比分析。结果表明:相比于BP预测模型和灰色预测模型,LSTM预测模型具有更高的准确性。通过对多测点多工况的进一步预测验证,证明了该模型的稳定性和可靠性。

摘要： 为了提升轴承联接支撑座应力变形感知预测的灵敏度和精准度,间接地保证体操训练辅助器械的使用安全性,提出了体操训练辅助器械轴承联接支撑座应力变形感知预测模型。分析体操训练辅助器械轴承联接支撑座的几何结构,在该结构上应力变形感知点,并进行受力分析。结合受力分析结果,确定应力与支撑座变形的影响关系,综合支撑座的应力变形感知判断结果和变形量两个方面的预测结果,实现轴承联接支撑座应力变形感知预测。通过与传统预测方法的对比得出结论:优化设计的支撑座应力变形感知预测模型得出预测结果的精准度得到了明显提升,且模型的运行时间更短。

摘要： 针对GM(1,1)模型中拟合所得的时间响应函数与实测累加曲线不重合这一情形,提出分别以时间和累加变形量为横纵坐标建立平面直角坐标系,在坐标系中,将原模型时间响应函数进行纵向平移,然后对平移后函数进行绕点旋转,从而构建新的时间响应函数,使其更接近实测累加曲线;将对应横坐标代入并求解非线性函数,再累减还原为预测值,且将其应用于其他改进GM(1,1)模型中。采用实测变形数据进行验证可知,其预测精度有所提高,具有实践参考价值。

摘要： 针对隧洞软弱围岩变形动态性、在时间和空间表现出的复杂性等特征,建立了基于非线性自回归神经网络(NARNN)的隧道围岩变形分析预测模型,并应用于某软岩公路隧道的围岩变形进行预测。结果表明NARNN方法能够较好的反映隧道围岩变形的非线性特征,很好地解决软岩隧道开挖后的变形预测问题,为类似的工程提供一种新的围岩变形预测途径。

摘要： 城市内建筑和地下管线密集区基坑开挖过程中支护变形特性日益得到人们的关注,但传统基坑支护设计方法只能预测抗隆起安全度,不能预测变形.应力强度发挥法(简称MSD 法)是可同时计算基坑安全度、地表沉降与支护侧移的简易解析方法.通过在MSD 法中引入了更加真实的机动场,改进的强度发挥法(简称改进的MSD 法)被提出并用于预测软土基坑安全度和国内基坑变形预测中.依据改进的MSD 法,开展了以下工作:(a)预测世界范围内波士顿、圣弗兰西斯科、奥斯陆、新加坡、上海和杭州六处多内撑软土深基坑的支护侧移,并与实测值进行了比较;(b)对影响上述地区软土地层深基坑变形的关键参数进行了参数分析并建立深基坑支护侧移的初步预测图表.结果 表明改进的MSD 法在软土深基坑支护侧移预测中相比于MSD 法更加精确.改进的MSD 法与相应建立的软土深基坑支护侧移预测图表可为城市地铁或隧道的安全建设提供科学依据.

摘要： 变形监测已经成为国内外学者共同关注的问题,变形监测最终目的在于预测,通过对监测数据建立最符合的预测模型,对工程结构的未来状态进行分析,根据预测采取措施预防结构的变形,从而保证工程环境安全稳定.传统的回归分析模型及时间序列模型虽然在预测中取得了一定的效果,但是受到模型自身的局限性,在精度上都不是很理想,神经网络模型能够处理更复杂的变形,近些年来被应用在了处理结构变形预测中并取得了很好的效果.本文基于这三种模型,尝试了不同的组合模型以及组合模型的优化并对结果进行了分析,结果表明,回归分析与时间序列组合模型通过神经网络的优化后可以得到更高精度的预测结果,但是也存在着需要解决的问题.

摘要： 针对桥梁变形监测数据受外界随机噪声干扰较大的问题,本文提出利用Kalman-GM(1,1)组合模型来进行变形分析和预测.即先用Kalman滤波模型对观测数据进行去噪处理,再建立基于滤波数据的GM(1,1)模型,进行桥梁变形预测.工程实例应用表明,该组合模型有效减弱了随机噪声干扰,其预测精度和可靠性高于单一GM(1,1)模型,更适用于桥梁变形预测.

摘要： 大坝变形区间预报是大坝安全监测系统中重要的组成部分,是对大坝结构形态与安全状况最直观和有效的反映.根据两江水电站雪山湖大坝多年的变形观测数据,本文提出一种基于BFGS-BP神经网络预测大坝变形的模型方法,利用多年监测的库水位、温度、气压等环境资料,实现了混凝土大坝的变形预测分析.分析结果表明,与传统的统计方法比较,预测精度和收敛速度得到了明显提高.本文的研究对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 灰色-马尔科夫预测模型具有对条件信息要求较低、所需要的数据较少的优势,已经在各个领域得到了一定的应用.本文利用灰色-马尔科夫模型对南俄5大坝变形进行预测分析研究;并且针对该模型在数据不稳定、时间跨度大时预测精度较低的问题,通过数据分组技术进一步提高灰色-马尔科夫模型预测变形的精度.即以南俄5大坝表面水平位移观测值为样本,根据变形实测值的时程图,将大致能够拟合为指数函数曲线的数据分为一组,然后分别考虑不分组和分组两种情况预测其未来值,并与实测值进行比较.经过计算对比后发现合理的分组可以使预测值的相对误差缩小到12％以内,精度较之前有了明显的提高.由此表明,利用灰色-马尔科夫模型并结合适当的数据分组技术对大坝变形的预测有较好的效果.

摘要： Elman神经网络在水利工程高边坡稳定性预测分析方面有较强的适用性,有助于工程勘探、设计、施工建设和管理等的顺利进行.本文基于灰色理论对Elman神经网络进行优化,建立GM-Elman神经网络高边坡变形稳定预测模型,综合考虑孔隙水压比、土体容重、内摩擦角、粘聚力、高度和坡角等因素计算边坡稳定系数,通过工程实例对模型进行验证.结果表明,改进后的GM-Elman模型预测准确度更高、误差更小,对高边坡实际施工具有一定的指导意义.

摘要： 系统调研了北京地铁下穿既有地铁的工程现状,对下穿工程进行分类.围绕着下穿工程安全风险控制,从下穿工程施工力学响应预测、控制标准制定、施工控制措施等方面进行总结,指出了目前下穿工程应重点解决变形预测不准确、控制标准不科学、控制措施不可靠这三大难题.提出今后的研究方向和亟待解决的问题,以更好地指导工程实践.

摘要： 地基稳定在建筑物建设和使用中有着至关的重要性,由地质勘察失误、设计方案不当等状况,产生建筑物不均匀沉降,造成人们对建筑物安全性的恐慌.土体变形预测是地裂缝、地面沉降防治的主要研究内容,本文选用山东地区黄泛区粉质黏土,为黄河冲积形成,分层夯实土体.在地基线下200mm处模型箱土体中埋置3枚土压力盒,测试土体受压过程中土体中受力状态,发现为土压力基本上与所施荷载成线性正比关系.试验表明:土体在沉降过程中主要分为两个阶段,一快速发展阶段和稳定变化阶段;两者的连接点基本上100分钟左右.

摘要： 根据两江水电站雪山湖大坝多年的变形观测数据,基于神经网络模型方法预测大坝的变形.研究中应用MATLAB工具箱建立BP网络模型,预报大坝的变形.结果显示准确性较好,填补了空白观测时间阶段的变形数据,对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 本文运用人工神经网络(ANN),预测土压平衡盾构掘进过程中引起的地表最大沉降.依托长沙地铁4号线项目,收集到39个断面的地质参数、掘进参数和地表沉降参数.提出了一种量化地质参数的方法,利用人工神经网络非线性拟合能力,综合考虑地层与盾构机掘进过程中的相互耦合关系.研究结果表明,本文预测的地表最大沉降平均绝对误差(MAE)为2.1mm,均方根误差(RMSE)为2.4mm,训练好的神经网络模型能在短时间内预测出整条线路的最大沉降值.

摘要： 所公开的橡胶材料变形行为预测方法即使从微观层面也可以以良好的精度对橡胶材料变形行为进行分析。更具体地，该橡胶材料变形行为预测方法创建橡胶内已混入有填料的橡胶材料的三维模型，对构成所述三维模型的橡胶层部分提供已基于根据分子动力学得到的厚度信息和温度信息确定了应变和应力之间关系的结构条件，并且分析橡胶材料变形行为。在所述橡胶材料变形行为预测方法中，优选地，对于应用了所述结构条件的三维模型使用有限元方法来分析橡胶材料变形行为。

摘要： 变形阻力预测系统、变形阻力预测方法以及变形阻力预测装置，即使是轧制实绩数据的数量较少的钢种也能够高精度地预测变形阻力。变形阻力预测装置具有：轧制数据取得部，其取得轧制装置的操作数据和轧制条件而蓄积为轧制实绩数据，从轧制条件决定装置取得轧制条件候补；预测模型，其预测轧制材料的变形阻力；变形阻力预测部，其使用预测模型来计算轧制材料的变形阻力的预测值，预测模型包含：全局模型，其根据轧制实绩数据的整体决定，预先设定为推定轧制材料的每个钢种的变形阻力的预测模型；类别模型，其根据轧制实绩数据中的轧制材料的合金成分类似或共通的特定钢种的变形阻力的轧制实绩数据决定，预先设定为推定特定钢种的变形阻力的预测模型。

摘要： 所公开的橡胶材料变形行为预测方法即使从微观层面也可以以良好的精度对橡胶材料变形行为进行分析。更具体地，该橡胶材料变形行为预测方法创建橡胶内已混入有填料的橡胶材料的三维模型，对构成所述三维模型的橡胶层部分提供已基于根据分子动力学得到的厚度信息和温度信息确定了应变和应力之间关系的结构条件，并且分析橡胶材料变形行为。在所述橡胶材料变形行为预测方法中，优选地，对于应用了所述结构条件的三维模型使用有限元方法来分析橡胶材料变形行为。

摘要： 本发明涉及一种采动作用下的边坡岩层变形预测方法、预测系统、存储介质，属于边坡安全稳定、边坡变形预测技术领域；包括如下步骤：(1)考虑边坡形状，将采动区上覆岩层简化成半无限长岩梁，下覆采动煤层视为Winkler地基梁，建立线弹性梁板力学模型；(2)分三个区域推导出含有10个未知数C

摘要： 本发明提供一种隧道稳定性防护预测系统，包括隧道仰拱支护、喷射混凝土、智能锚杆、数据采集箱、数据发射箱、应力位移预测单元。智能锚杆包括锚杆、用于监测岩体变形的位移传感器、应力传感器及数据线。隧道仰拱支护支撑在隧道底端，智能锚杆以钻孔方式安装在隧道壁岩体中，通过外侧与尾端注浆固定，并以喷射混凝土固定于隧道初次衬砌中，智能锚杆经数据线与数据采集箱连接，数据采集箱与数据发射箱电连接，数据发射箱与应力位移预测单元无线连接。隧道岩体变形预测方法计算隧道壁岩体的变形趋势。维护隧道岩体稳定，并预测岩体变形情况，为结构稳定性的维护提供保障。

摘要： 本发明涉及深基坑施工工程技术领域，更具体的说是深基坑的变形监测及变形预测的方法。本方法实用性强，操作性高，可靠度高，有效的对深基坑进行变形监测和预测，避免施工过程产生安全事故。本方法的步骤为现场巡视、仪器观测、建造监测墩、布设位移变形监测网和布设垂直位移变形监测点。

摘要： 一种基于神经网络的围岩变形预测系统及预测方法，利用监测设备获取设定时间范围内的围岩变形的监测数据作为算法的学习样本，建立基于萤火虫搜索算法优化的非线性自回归动态组合神经网络人工智能算法模型，即运用萤火虫算法对神经网络的训练结果全局搜索来确定神经网络初始参数中延时阶数和隐含层单元个数的最优解；随后更新的神经网络对作为样本数据的学习样本重新展开学习训练，构建围岩变形预测模型；根据围岩变形预测模型的精度设定预测范围，自动输出围岩变形预测值。提高了网络学习效率和预测精度，同时扩大了预测外推的时间范围，使得围岩变形预测真正有效服务科研工作和工程实践。

摘要： 本发明公开了一种超高层结构的温度变形预测模型建立方法及预测方法，属于建筑结构分析计算技术领域，包括：将超高层结构的竖向应变和变形D′中各元素的表达式转换为温度引起的变形，作为超高层结构中核心筒的温度引起的温度变形，记为D″；在D″的基础上，加上由核心筒周围柱子的温度引起的附加变形β·T，作为超高层结构的温度变形得到温度变形与温度场的表达式并变换得到温度场和温度变形的线性关系为：D＝β·T；利用偏最小二乘回归法求解D＝β·T中的温度变形系数矩阵β，代入表达式得到超高层结构的温度变形回归模型。本发明从机理上建立了超高层结构温度场和温度变形之间的理论线性模型并采用偏最小二乘回归法求解该线性模型，能够准确预测超高层结构的温度变形。

摘要： 本发明提供一种隧道围岩变形预测方法及预测装置，所述预测方法包括：采集多条隧道围岩的每一个断面的多个测点处的变形监测数据，其中，在每一条隧道围岩的每一个断面布置多个测点；将每一条隧道围岩对应的变形监测数据输入预先训练后的支持向量回归模型中，输出每一条隧道围岩的围岩预测变形量。本发明对多条隧道围岩的多个断面的多个测点的变形监测数据进行采集，并根据多个测点的变形监测数据对回归模型进行训练，由于隧道围岩的不同断面的测点处的数据特征向量会有差异，因此，本发明考虑了影响隧道围岩变形的诸多因素，使得最终训练的模型输出的围岩变形的预测结果会更加准确。

摘要： 本实用新型涉及基坑工程技术领域，且公开了一种基于预测模型的基坑变形预测装置，包括基坑、固定桩、拉力测试仪、数据接收模块、无线信号模块、控制器和蓄电池，所述固定桩固定安装于基坑的底部中心处，所述固定桩的上端为中空结构，所述数据接收模块、无线信号模块、控制器和蓄电池均固定安装于固定桩的内部，所述固定桩的外壁固定设有多个第一拉绳，所述拉力测试仪固定连接于第一拉绳的末端，所述拉力测试仪的另一端固定设有第二拉绳，所述第二拉绳的末端与基坑的内侧壁固定连接。本实用新型基于曲线模型预测基坑的形变，能够及时的预测情况发生，保证了工程的施展。