论文部分内容阅读
深基坑变形监测的安全有序进行是进行变形分析和变形预测的前提条件,在整个信息化安全施工过程中显得尤为重要。深基坑变形预测是变形监测的最终目的,预测得到的数据是用于安全施工决策的重要参考。因而建立适当的变形预测模型能够有效保证基坑施工的安全有序进行。通过对实测数据建模拟合和预测,参考得到的结果对施工决策提出宝贵意见。本文依托于长沙地铁四号线溁湾镇站深基坑工程,以现场实际采集工作和实验测试为基础,充分联合相关科学方法和理论技术,利用实测数据建立灰色预测模型及BP神经网络模型对变形的未来发展进行预测。详细推导分析了两个模型的误差来源,之后利用粒子群(PSO)算法对两个模型分别进行改进,构造PSO-GM(1,1)模型和PSO-BP神经网络模型,在此基础上结合两者的优点提出了PSO-GM-BP模型,并对实际数据拟合预测,最后将五种模型预测得到的结果进行总体得对比分析。本文的主要研究内容如下:(1)探究了灰色系统理论的灰生成和建模机理,对GM(1,1)模型的建模过程进行了详尽的数学推导。系统分析了GM(1,1)模型的误差来源,最后应用粒子群算法的全局寻优特性对GM(1,1)模型的背景值构造公式进行参数寻优,构建了优化后的PSO-GM(1,1)模型。(2)介绍了人工神经网络和BP神经网络,对误差反向传播算法进行了理论推导,指出了BP神经网络的不足。最后应用全局搜索算法粒子群算法对BP神经网络的权值和阈值进行修正,构建了PSO-BP神经网络模型。结合灰色预测和BP网络的优点,构建了一种PSO-GM-BP组合模型,并将之用于预测。(3)通过对本文的几种模型预测结果进行对比分析可以得出,GM(1,1)模型、BP神经网络模型均能够预测出较为准确的结果,使用粒子群算法优化后的两个模型预测得到的精度更高,适用性更强,PSO-GM-BP模型的预测效果最好,能够有效的指导基坑工程的施工。