论文部分内容阅读
近年来,随着我国城市化速度的加快,为了实现对城市空间的充分利用,人们越来越多的将目光投向了地面以上和地面以下两个研究方向。地面以上,建筑物高度记录一再被刷新;地面以下,轨道交通线路里程逐年增加。这就使得相关工程在施工期间不仅要考虑结构的合理性,还要控制其对周围环境的影响。工程沉降就是需要认真研究和控制的影响因素之一。工程沉降表现形式多样,而影响工程沉降的因素又带有一定的不确定性,这就使得工程沉降成为了一个十分复杂的问题。本文总结了工程沉降变形观测的基本内容、常用观测方法和观测要求,对小波变换方法在实测数据的处理过程中的应用进行了深入研究。在获得精确的监测数据的基础上,对变形体的变形趋势进行预测,这对于保证工程项目本身及相关建筑的安全具有重要意义。目前,用来进行沉降预测的方法很多,大致可分为三类,即:基于传统方程的理论分析法、基于土体固结理论的数值分析法和基于数学分析的系统模型法。其中,基于实测数据的数学建模预测方法以其强大的非线性问题处理能力而得到了广泛应用,本文在对两种单一预测模型进行分析总结中后将其进行了融合建模,并分别以深基坑工程和地铁工程的实测资料为例,对所建模型进行了沉降预测分析。通过将实测沉降和模型预测值的对比,得到了一些结论,为类似工程沉降问题的分析提供了参照。本文分别以某高校深基坑开挖工程和华北某地轨道交通工程中的原始沉降监测数据为例,在对数据进行除噪分析之后建立了预测模型,通过拟合分析,确定了模型精度和相关模型参数,然后对单一模型和组合模型在数据量和波动性不同情况下的适用性进行了分析。通过用三种预测模型对两类实际工程进行沉降预测分析后发现:灰色GM(1,1)模型虽然建模理论简单,模型预测结果稳定,但是当数据波动性较大时,其预测结果的参考性较小;BP神经网络模型在短期预测中效果较好,但预测结果的稳定性较差;将两种模型融合的灰色神经网络模型既具有灰色模型弱化原始数据随机性的特点,又拥有神经网络模型强大的容错性能、可靠的拟合精度和高度的非线性,受已知数据量的干扰小,无论是拟合还是预测,其结果都比较稳定,在工程短期沉降预测中效果较好,可以考虑将其用于相关工程沉降预测中。