论文部分内容阅读
近年来,由于对地下空间的充分利用,促进了深基坑的发展。在城市中开挖深基坑,将对基坑周边环境产生较大影响。例如对基坑周围已有建筑物的沉降影响就是其中一个典型例子。 对于建筑物的沉降趋势,可以利用多种方法进行预测分析。其方法可分为两大类,一类是基于土力学等理论的计算方法,一类是根据实测资料推算沉降量的预测方法。实测资料的获得来自于科学的观测,本文讨论了沉降观测中的关键性因素,归纳总结了目前几种常用的沉降预测方法。在沉降量预测的过程中,影响沉降的不确定性因素众多,用理论计算方法难以确定某些因素的取值,而各个因素对沉降的影响综合反映为沉降数据的变化。因此,根据实测资料推算沉降量的预测方法得到了广泛应用。本文在工程实测资料的基础上,利用人工神经网络和灰色系统理论建立预测模型并对预测模型进行验证,利用实测值与得到的预测值及两种预测值之间进行分析讨论。 BP神经网络是一种常用的建立沉降预测模型的方法。本文选取深圳地铁某车站深基坑周围典型位置的4栋建筑物中的14个观测点,对选定点的最后6次观测数据进行预测。通过把预测值与实测值对比分析,并结合所采用观测点的具体情况,对该BP神经网络预测模型的预测特点进行归纳总结。灰色系统理论是一种新兴的用于建立沉降预测模型的方法,本文的灰色预测模型中根据与预测值最近点包含的信息最丰富原则,剔除上步预测中的第一点,在重生成序列时加入离预测值最近点的数据。对以上同样的观测点作6步预测,判断该模型的合理性。 运用BP神经网络模型和灰色系统预测模型对选定建筑物进行沉降预测,预测结果证明文中建立的BP神经网络预测模型和灰色系统预测模型在预测该基坑周围建筑物沉降方面是可行的。