【摘要】：基坑是根据建筑工程设计的基准面尺寸和基础标高在基础设计位置挖掘的一种土坑,其开挖方案要根据当地地质结构、气候水文环境以及附近构筑物的情况制定,并且要做好基坑相应的防水排水工作。近年来随着我国城市化进程不断加速,超高层建筑、超大型商场、地铁项目不断增多,基坑工程的规模也不断扩深、扩大。在基坑开挖过程中,坑内开挖卸荷会导致其结构在内外部分之间的压力差下移位,引起基坑围护外部土体结构产生形变,最后造成基坑的沉降或移动。同时,还受到气候、地理环境和其它各种不确定因素影响,因此,基坑监测领域也有许多问题值得研究。传统的基坑监测方法工作量大、耗费时间也较多,监测过程中存在着基坑监测点定位不准确、精度低的问题。大多数基坑监测只注重形变后的监测结果反馈,而忽视位移形变的提前预警,经常在发现形变位移后才采取补救支护措施,这样就错失了支护修复的最佳时间,也带来重大的安全隐患。针对上述问题,本文提出一种基于神经网络的基坑形变预测方法,并应用在S市某基坑监测项目中。首先利用视觉近景摄影测量技术,运用误差补偿方法从减少相机标定误差的角度来提高识别精度,从而优化基坑监测点位置中心的精度。随后本文采用遗传神经网络方法来预测基坑可能发生的形变位移,并以实际工程数据集为实验数据,对遗传神经网络方法在基坑形变预测的效果进行了全面、深入的分析。从水平位移、竖直位移、水平位移与竖直位移结合三种角度来预测基坑位移形变,实验结果显示同时考虑水平和竖直位移预测结果更加准确。同时,通过时间维度与空间维度及其特征相关性准确建模位移预测,分别对时域(仅时间序列)特征、空域(仅相邻点)特征、时域空域特征结合进行了量化分析与研究,实验结果显示,同时考虑时间序列特征和空间相邻点特征预测的结果更加准确。最后本文方法与其它典型的机器学习方法进行了比较,主要是与支持向量机回归、随机森林回归方法进行了比较实验,实验结果显示遗传算法优化后的逆向传播神经网络预测结果相对误差最大值约为0.36%,预测误差基本都在-0.05-0.05mm内浮动,拟合指数达到0.9835分别比BP神经网络、支持向量机回归和随机森林回归提高0.0601、0.1318和0.1915。近景摄影测量获取监测数据、考虑不同特征影响运用遗传算法优化神经网络预测基坑形变为智能化基坑监测提供了新思路,提高了基坑监测实时性与预知性,可以降低基坑群体群伤事故的发生率,为绿色城市发展、城市安全健康发展提供保障。
【学位授予单位】：苏州科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU433;TP183
【参考文献】
相关期刊论文 前10条
1 郭广颂;王燕芳;;包含交叉和变异操作的交互式遗传算法[J];计算机工程;2015年03期
2 杨哲峰;罗林;贾东彦;唐霞;;基于小波去噪的深基坑变形预测研究[J];人民长江;2014年19期
3 曹净;丁文云;赵党书;宋志刚;刘海明;;基于LSSVM-ARMA模型的基坑变形时间序列预测[J];岩土力学;2014年S2期
4 尹华;胡玉平;;基于随机森林的不平衡特征选择算法[J];中山大学学报(自然科学版);2014年05期
5 张永磊;何秀凤;;改进离散灰色模型在基坑周围地面沉降预测中的应用[J];工程勘察;2013年02期
6 胡新平;贺玉芝;倪巍伟;张勇;;基于赌轮选择遗传算法的数据隐藏发布方法[J];计算机研究与发展;2012年11期
7 邓万宇;郑庆华;陈琳;许学斌;;神经网络极速学习方法研究[J];计算机学报;2010年02期
8 张孟喜;李钢;冯建龙;贺小强;;双连拱隧道围岩变形有限元与BP神经网络耦合分析[J];岩土力学;2008年05期
9 陈继光;祝令德;;基于神经网络的马尔可夫预测模型[J];计算机工程与应用;2006年06期
10 华瑞平,刘新宇,习剑;神经网络在深基坑支护变形预测中的应用[J];解放军理工大学学报(自然科学版);2001年05期
相关会议论文 前1条
1 刘建航;;软土基坑工程中时空效应理论与实践[A];第一届海峡两岸隧道与地下工程学术与技术研讨会论文集（上册）[C];1999年
相关硕士学位论文 前3条
1 李果;深基坑近接施工技术研究[D];重庆交通大学;2018年
2 续玉倩;数字近景摄影测量在钢桁架节点试验中的研究与应用[D];河北工程大学;2018年
3 王隆;基于数字近景摄影测量的隧道变形监测研究[D];重庆交通大学;2012年
本文编号：
2761725
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/2761725.html
