基于LSSVM和GA算法的深基坑土体参数反演及支护桩变形预测
发布时间：2022-01-14 08:47
在岩土工程中,通过大量的监测数据与对应模型的计算结果进行对比,发现两者相差较大,导致这种差异的因素很多,其中岩土参数的取值是一个较为重要的影响因素。近年来,随着现场监测和反分析技术的迅猛发展,以合理的监测方案对基坑施工的全过程进行监控,根据施工情况和监测结果,获得全面、可靠的施工信息,可对后续施工工况支护结构的变形予以预测,并对后续施工方案进行动态调整。本文在宜宾市南溪区棚户改造基坑工程的基础上,基于遗传算法（GA）和最小二乘支持向量机（LSSVM）对基坑土层弹性模量进行反演,并用反演所得弹模对后续工况进行预测。本文的主要内容和结论如下:（1）在介绍了本工程的基本概况后,分析了锚索轴力、桩身水平位移以及桩身弯矩的监测数据。列举了导致锚索轴力损失的因素,并结合监测数据对本项目的锚索轴力进行了分析,锚索轴力变化范围在锚索轴力设计值的20.9%65.6%;分析了桩身水平位移的监测数据,统计了最大水平位移与开挖深度的比值,本工程的该比值在1.31‰3.97‰;在桩身钢筋应力监测值的基础上计算了桩身的弯矩,并对施工过程中弯矩的变化过程进行了分析。（2）...
【文章来源】：成都理工大学四川省
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
技术路线图
第 2 章 基坑监测数据分析2.1 工程概况该基坑工程位于宜宾市南溪区紫云街南段，场地北侧为紫云街，南侧为已建小区，西侧为上正街，东侧为已建建筑，基坑开挖面积约 13992m2，开挖深度 11.5m。本基坑 AB 段为两级放坡土钉墙；BC 段与市政道路相邻段采用锚拉桩的支护方式，冠梁标高±0.00m；CD 段为施工场地，本段采用两级放坡土钉+排桩+锚索（桩顶施加一道）的支护形式，冠梁标高-8.00m；DE 段与已有的 7 层建筑相邻，本段采用一级放坡+支护桩（施加两道锚索）的支护形式，冠梁标高-5.00m；EA段与已有建筑相邻，采用支护桩加两道锚索的支护形式，冠梁标高±0.00m。基坑平面示意图详见图 2-1。
成都理工大学专业硕士学位论文表 2-2 各监测点对应监测项目的编号分段 桩号 测斜管 钢筋测力计 锚索测力计BC23# IN-1 R-1 C-137# IN-2 R-2 C-2CD 93# IN-3 R-3 C-3DE 124# IN-4 R-4 C-4EA154# IN-5 R-5 C-5173# IN-6 R-6 C-6
【参考文献】：
期刊论文
[1]基于遗传算法LS-SVM直接逆模型的闭环脑机接口单关节控制[J]. 孙京诰,王硕,杨嘉雄,薛瑞,潘红光. 信息与控制. 2018(06)
[2]基于均匀设计试验利用偏最小二乘回归对边坡稳定性的分析预测[J]. 孙彩云,李洪伟. 数学的实践与认识. 2018(04)
[3]A WD-GA-LSSVM model for rainfall-triggered landslide displacement prediction[J]. ZHU Xing,MA Shu-qi,XU Qiang,LIU Wen-de. Journal of Mountain Science. 2018(01)
[4]考虑锚索松弛特性的预应力损失计算模型研究[J]. 王国富,李强,路林海,曹正龙,王渭明. 地下空间与工程学报. 2017(06)
[5]GA-BP神经网络在深基坑变形预测中的应用[J]. 黄亚宁,陈浩冲,宋肖冰. 工程建设. 2017(10)
[6]基于支持向量机的膨胀土深基坑变形预测研究[J]. 渠孟飞,谢强,李朝阳,贺建军. 施工技术. 2016(19)
[7]深基坑锚拉桩上外荷载及其受力变形开挖响应[J]. 杨忠平,刘永权,刘新荣,谢应坤. 地下空间与工程学报. 2016(02)
[8]深基坑桩锚支护体系桩身内力及变形监测分析[J]. 来庆专,吴瑞刚,苏长毅,刘安宁. 路基工程. 2015(03)
[9]遗传算法与最小二乘支持向量机在年径流预测中的应用[J]. 代兴兰. 水资源与水工程学报. 2014(06)
[10]最小二乘支持向量机在深基坑变形预测中的应用[J]. 林楠,李伟东,张文春,杨佳佳. 辽宁工程技术大学学报(自然科学版). 2014(11)
博士论文
[1]木材干燥支持向量机建模与模糊神经网络控制研究[D]. 姜滨.东北林业大学 2015
[2]岩土工程随机反演分析及工程应用[D]. 陈斌.河海大学 2001
硕士论文
[1]填海区淤泥的岩土参数反演及基坑变形预测研究[D]. 陈浩冲.广州大学 2017
[2]基于遗传神经网络算法的基坑土体参数反演和基坑沉降预测研究[D]. 崔宇鹏.山东大学 2017
[3]山区砂泥岩互层基坑变形规律及位移反分析[D]. 吴嘉伟.重庆大学 2016
[4]基坑开挖过程的土体参数反分析[D]. 裴进.华中科技大学 2012
[5]基于最小二乘支持向量机的电力电子装置谐波源建模方法研究[D]. 吴萍.重庆大学 2010
[6]基于监测数据的围护墙弯矩反分析及安全评估研究[D]. 毛朝辉.同济大学 2006
本文编号：3588195
【文章来源】：成都理工大学四川省
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
技术路线图
第 2 章 基坑监测数据分析2.1 工程概况该基坑工程位于宜宾市南溪区紫云街南段，场地北侧为紫云街，南侧为已建小区，西侧为上正街，东侧为已建建筑，基坑开挖面积约 13992m2，开挖深度 11.5m。本基坑 AB 段为两级放坡土钉墙；BC 段与市政道路相邻段采用锚拉桩的支护方式，冠梁标高±0.00m；CD 段为施工场地，本段采用两级放坡土钉+排桩+锚索（桩顶施加一道）的支护形式，冠梁标高-8.00m；DE 段与已有的 7 层建筑相邻，本段采用一级放坡+支护桩（施加两道锚索）的支护形式，冠梁标高-5.00m；EA段与已有建筑相邻，采用支护桩加两道锚索的支护形式，冠梁标高±0.00m。基坑平面示意图详见图 2-1。
成都理工大学专业硕士学位论文表 2-2 各监测点对应监测项目的编号分段 桩号 测斜管 钢筋测力计 锚索测力计BC23# IN-1 R-1 C-137# IN-2 R-2 C-2CD 93# IN-3 R-3 C-3DE 124# IN-4 R-4 C-4EA154# IN-5 R-5 C-5173# IN-6 R-6 C-6
【参考文献】：
期刊论文
[1]基于遗传算法LS-SVM直接逆模型的闭环脑机接口单关节控制[J]. 孙京诰,王硕,杨嘉雄,薛瑞,潘红光. 信息与控制. 2018(06)
[2]基于均匀设计试验利用偏最小二乘回归对边坡稳定性的分析预测[J]. 孙彩云,李洪伟. 数学的实践与认识. 2018(04)
[3]A WD-GA-LSSVM model for rainfall-triggered landslide displacement prediction[J]. ZHU Xing,MA Shu-qi,XU Qiang,LIU Wen-de. Journal of Mountain Science. 2018(01)
[4]考虑锚索松弛特性的预应力损失计算模型研究[J]. 王国富,李强,路林海,曹正龙,王渭明. 地下空间与工程学报. 2017(06)
[5]GA-BP神经网络在深基坑变形预测中的应用[J]. 黄亚宁,陈浩冲,宋肖冰. 工程建设. 2017(10)
[6]基于支持向量机的膨胀土深基坑变形预测研究[J]. 渠孟飞,谢强,李朝阳,贺建军. 施工技术. 2016(19)
[7]深基坑锚拉桩上外荷载及其受力变形开挖响应[J]. 杨忠平,刘永权,刘新荣,谢应坤. 地下空间与工程学报. 2016(02)
[8]深基坑桩锚支护体系桩身内力及变形监测分析[J]. 来庆专,吴瑞刚,苏长毅,刘安宁. 路基工程. 2015(03)
[9]遗传算法与最小二乘支持向量机在年径流预测中的应用[J]. 代兴兰. 水资源与水工程学报. 2014(06)
[10]最小二乘支持向量机在深基坑变形预测中的应用[J]. 林楠,李伟东,张文春,杨佳佳. 辽宁工程技术大学学报(自然科学版). 2014(11)
博士论文
[1]木材干燥支持向量机建模与模糊神经网络控制研究[D]. 姜滨.东北林业大学 2015
[2]岩土工程随机反演分析及工程应用[D]. 陈斌.河海大学 2001
硕士论文
[1]填海区淤泥的岩土参数反演及基坑变形预测研究[D]. 陈浩冲.广州大学 2017
[2]基于遗传神经网络算法的基坑土体参数反演和基坑沉降预测研究[D]. 崔宇鹏.山东大学 2017
[3]山区砂泥岩互层基坑变形规律及位移反分析[D]. 吴嘉伟.重庆大学 2016
[4]基坑开挖过程的土体参数反分析[D]. 裴进.华中科技大学 2012
[5]基于最小二乘支持向量机的电力电子装置谐波源建模方法研究[D]. 吴萍.重庆大学 2010
[6]基于监测数据的围护墙弯矩反分析及安全评估研究[D]. 毛朝辉.同济大学 2006
本文编号：3588195
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3588195.html
