论文部分内容阅读
近年来,随着社会不断进步,工程建设快速发展,各种基坑工程数量迅速增长。基坑工程作为地下工程施工中内容复杂且多变的领域,保证基坑工程的安全为建筑安全的要点,对其实施安全监测与变形预测成为工程领域重要的研究课题。在基坑施工中,基坑与周围建(构)筑物等设施不可避免会发生形变,如何合理有效的提高基坑形变预测的精度对保证工程安全有重要的意义。本文首先介绍了基坑变形的表现形式,然后对基坑监测的目的及要求、监测方案的设计依据与原则、监测的项目及方式等进行了探讨。紧接着介绍了用于基坑变形预测的时间序列模型、灰色系统模型与BP神经网络模型的基本知识,并且较为详细的阐述了这几种模型的构建方法。针对单一模型预测中存在的缺点,本文引入组合预测模型加以研究,阐述了其组建意义及常用的组合方法。文章采用并联的方式建立了时间序列与BP神经网络最优变权组合模型并以算法的形式加以实现。在经过深入分析灰色系统与神经网络的各自优缺点之后,发现在数据量较小的情况下两种模型具有互补的关系。采用数据优化的方式建立了灰色系统与BP神经网络组合模型,并描述了算法流程。最后引入工程实例进行分析,以郑东新区综合交通枢纽地下道路工程为背景,结合功能强大的计量经济软件Eviews与商用数学软件MATLAB对监测数据进行建模分析。首先构建ARIMA模型、BP神经网络模型、ARIMA与BP神经网络最优变权组合模型用于基坑变形预测,然后经过对比,得出ARIMA与BP神经网络最优变权组合模型比单一ARIMA模型和BP神经网络模型预报精度高的结论。针对数据量较少时的情况,建立GM(1,1)模型进行分析,随后建立GM(1,1)与BP神经网络组合模型对数据进行拟合预测,并将组合模型与单一GM(1,1)模型进行对比,结果显示GM(1,1)与BP神经网络组合模型的精度较高。由此可以推断,通过组合预测模型可以较好的判断形变量的变化趋势,对保障工程的安全有着重要的作用。