填海区淤泥的岩土参数反演及基坑变形预测研究

发布时间：2019-01-11 14:57

【摘要】：随着我国经济的发展,土地资源性短缺和土地结构性短缺成为制约沿海地区经济发展的重要瓶颈,填海造地便成为一种即可以拓展土地面积又可以在一定程度上避免政策制约的良方。深圳前海填海区数十年前曾是滨河滩涂,后经人工填海,现已形成约15平方公里的区域。然而,该处填海造地工程施工时,填海造地方法欠完善,原有的海积淤泥被挤向场地内,使得填海区内遍布淤泥,该地进行工程建设时,曾出现了一系列岩土工程问题。专家会议资料表明,该地区出现的岩土工程问题与对淤泥层的设计参数认识不足有关。由于淤泥的固结过程比较缓慢,其岩土参数仍处于不断的变化之中。并且虽然淤泥层的设计参数可以通过室内实验或者原位试验得到,但是由于存在尺寸效应、某些实验代价过高或者技术条件不具备,很难通过实验来获得参数,由此造成了实验测得的土层参数与真实值之间有所偏差,使得地下工程的实际变形值与原来通过有限元模拟得出的变形值之间差异较大。论文以深圳前海填海区一基坑项目为研究背景,对该项目的淤泥层参数进行反演(也称为反分析,下文统一称为反分析)运算,得到更能反映实际状况的淤泥层参数,以此达到指导施工的目的。神经网络可以实现复杂事物之间的非线性映射,适用于解决那些看似杂乱无章的问题,其处理信息的方式类似于人的大脑,将许多简单的单元模拟成神经元,因此可以建立任意输入量与输出量之间的非线性联系。在土木工程领域,人工神经网络在岩土介质力学性质反分析、过程控制、变形预测等领域发挥了积极的作用,故本文选取该方法用于淤泥层参数反分析研究。即在已有监测数据的基础上,运用MATLAB中的神经网络工具箱和数值模拟软件Midas/GTS对基坑淤泥层参数进行反分析,并对基坑的变形情况作出预测,达到指导施工的目的。本文所做工作如下:1.建立BP神经网络反分析模型,确定了训练次数、训练误差、学习率、动量因子、隐层单元数等模型参数。BP模型中隐层单元的数目关系到反分析结果的正确性,因此可根据输入层和输出层个数通过计算得到误差最小的隐层节点数。2.介绍了两种试验设计法,最终选取了均匀设计法对基坑淤泥层参数进行处理,得到了 10组弹性模量E、粘聚力c、内摩擦角φ、泊松比μ组合。3.利用Midas/GTS软件建立基坑有限元模型。将均匀设计后的上述10种参数组合代入Midas/GTS模型,计算桩体水平位移值,并进行数据归一化。4.将上述归一化后的数据输入到MATLAB程序中,由仿真函数simm计算过的数值进行反归一化处理可得到基坑淤泥层岩土参数。然后将上述求出的各组淤泥层参数分别代入Midas/GTS模型进行正演,通过软件模拟的桩体水平位移值与实测真实值的对比来验证反分析结果的正确性。5.采用动态反演法对基坑开挖到坑底时桩体水平位移进行数值模拟预测。另外,本文给出了另一种可预测基坑变形的理论方法,即利用BP神经网络对基坑具体日期时间内的桩体水平变形情况作出预测,用来指导施工。
[Abstract]:......
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TU447;TU433

【相似文献】

相关期刊论文 前10条

1 李云安,钟玉芳,张鸿昌;影响基坑变形的实质性状态变量分析[J];地质与勘探;2000年02期

2 王平卫;彭振斌;何忠明;;基于灰色理论的基坑变形预测[J];地质与勘探;2006年06期

3 刘登攀;刘国彬;;邻近建筑物对某基坑变形影响的分析[J];岩土工程技术;2007年01期

4 汪军;;小议基坑变形及其控制[J];中国西部科技;2008年36期

5 陈立樟;;灰色预测在基坑变形监测中的应用[J];福建建设科技;2010年05期

6 陈炳志;;基坑变形灰色人工神经网络预测模型及其应用[J];山东科技大学学报(自然科学版);2010年05期

7 陈健;;基坑变形的混沌时间序列分析方法及应用研究[J];测绘;2011年02期

8 刘作昌;;基坑变形监测浅析[J];化工矿产地质;2011年02期

9 李勇;陈在;;成都市某基坑变形监测方案设计分析[J];地理空间信息;2011年06期

10 李奕;高雅萍;穆建锋;;自适应卡尔曼滤波在基坑变形监测中的应用[J];测绘;2011年06期

相关会议论文 前10条

1 侯学渊;刘国彬;;基坑变形估算[A];海峡两岸土力学及基础工程地工技术学术研讨会论文集[C];1994年

2 张校亮;;如皋凌云新天地基坑变形监测与分析[A];第九届长三角科技论坛（测绘分论坛）论文集[C];2012年

3 周辉;周爱兆;;坑底工程桩加固效应对基坑变形的影响分析[A];第20届全国结构工程学术会议论文集（第Ⅱ册）[C];2011年

4 詹志勇;;基坑变形分析和周围地面沉降的预测[A];第十七届华东六省一市建筑施工技术交流会论文集[C];2008年

5 吴学萍;;某住宅小区地下水泵站基坑变形监测分析[A];2011年全国工程地质学术年会论文集[C];2011年

6 尹小涛;葛修润;李春光;王水林;;开挖步及其厚度对基坑变形破坏的影响研究[A];第2届全国工程安全与防护学术会议论文集（上册）[C];2010年

7 李莉;陈鹏宇;段新胜;;基坑变形预测的灰色二次优化模型[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

8 郑加柱;光辉;;顾及开挖深度的卡尔曼滤波模型在基坑变形分析中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

9 刘汉东;杨继红;;GM(1,1)优化模型在基坑变形预测中的应用[A];全国城市地下空间学术交流会论文集[C];2004年

10 刘红军;于雅琼;王秀海;;土岩组合地层旋喷桩止水桩锚支护基坑变形与受力数值分析[A];第十二次全国岩石力学与工程学术大会会议论文摘要集[C];2012年

相关重要报纸文章 前9条

1 张金宗;渔塘淤泥的作用和改良办法[N];中国渔业报;2005年

2 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

3 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

4 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

5 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

6 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

7 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

8 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

9 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

相关博士学位论文 前10条

1 包旭范;软土地基超大型基坑变形控制方法研究[D];西南交通大学;2008年

2 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

3 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

4 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

5 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

6 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

7 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

8 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

9 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

10 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

相关硕士学位论文 前10条

1 陈浩冲;填海区淤泥的岩土参数反演及基坑变形预测研究[D];广州大学;2017年

2 罗江花;广州某地铁站基坑变形预测分析[D];华南理工大学;2015年

3 胡伟;考虑基底桩基影响的桩锚基坑变形研究[D];湖北工业大学;2015年

4 吴兵;考虑空间效应的基坑变形数值分析[D];南昌航空大学;2015年

5 王珊;一重集团大连设计研究院有限公司研发大楼基坑变形研究[D];辽宁师范大学;2015年

6 刘雪剑;融合神经元网络与建模分析的基坑变形预测研究[D];北京交通大学;2016年

7 唐艳姣;成都地铁锦江站的基坑变形预测研究[D];西南交通大学;2016年

8 刘关虎;加筋水泥土桩锚支护基坑变形规律研究[D];北京交通大学;2016年

9 雷崇;杭州地区坑底软弱土对基坑变形的影响研究[D];浙江大学;2016年

10 高红;支持向量机优化组合模型在基坑变形预测中的应用研究[D];桂林理工大学;2016年

，

本文编号：2407253