富水砂卵石地层地铁基坑m值反演分析
发布时间:2022-12-07 06:34
城市现代化快速发展,建筑物鳞次栉比,地下工程应用越来越多,其中特别突出的就是深基坑。毋庸置疑,对于岩土工程来说,超深层基坑的开挖支护设计十分关键,尤其是基坑支护设计中参数的选取,既关乎到设计的合理性,更影响着一个工程项目的整体安全性。在国内基坑支护设计最常使用的一种方法—也是被大部分规范推荐的—弹性地基梁理论的m法,在m法的应用中,计算参数的选取对于岩土界是一个十分棘手的问题,因m值无法在实勘中获得,相应的规范也只给出其一个较为宽泛的取值限定,并且由于不同地区具体地质条件的差别,很难确定相应最优的m值。因此,通过相应的研究方法确定一个准确、合理的m值,既能真实反映实际的基坑开挖支护工作状态,也能丰富特殊地层m值的取值,具有一定工程意义。本文首先简单地介绍了岩土领域反分析方法的研究现状和发展概况,随后介绍了反分析和人工神经网络的理论知识,并对本文所用的BP神经网络基本原理、结构和算法等进行了简单归纳。随后介绍了所依托的北京地铁车站基坑项目的基本概况,对富水砂卵石地层水下开挖项目监测数据进行了分析。并运用有限元模拟软件Midas/GTS建立模型,通过模拟对比验证了模型的可靠性。在本文反演研...
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 选题背景与意义
1.2 研究现状
1.2.1 反演分析的研究进展
1.2.2 关于m值反演的研究进展
1.3 存在问题
1.4 研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
第2章 研究理论基础与方法
2.1 反分析基本理论
2.2 人工神经网络
2.2.1 人工神经网络简介
2.2.2 神经网络的学习方式
2.3 BP神经网络
2.3.1 BP神经网络的结构和算法
2.3.2 BP神经网络的实施步骤
第3章 工程概况
3.1 工程概述
3.1.1 站址环境
3.1.2 基坑结构
3.2 工程地质水文条件
3.2.1 工程地质条件
3.2.2 水文地质条件
第4章 监测数据分析与模型模拟
4.1 监测数据分析
4.1.1 监测方法
4.1.2 监测结果分析
4.2 模型建立
4.3 模型验证
4.3.1 地连墙水平位移
4.3.2 地表沉降
4.3.3 内支撑轴力
4.4 本章小结
第5章 基于BP神经网络的m值反演分析
5.1 BP神经网络反演模型流程
5.2 正交试验设计
5.3 神经网络反演模型的建立
5.3.1 BP神经网络的设计
5.3.2 训练样本的确定
5.3.3 神经网络模型的学习训练和检验
5.4 m值反演以及分析验证
5.4.1 m值的反演
5.4.2 反演结果分析验证
5.5 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
【参考文献】:
期刊论文
[1]基坑土层等效m值反演分析[J]. 曹净,杨泽帅,胡睿,刘海明. 隧道建设(中英文). 2018(07)
[2]基于压水试验的地层渗流场反分析[J]. 王洪波,张庆松,刘人太,李术才,张乐文,郑卓,张连震. 岩土力学. 2018(03)
[3]基于智能优化算法的深大基坑施工反分析[J]. 左自波,黄玉林,吴小建. 岩土工程学报. 2017(S2)
[4]基于神经网络的深厚软土地层参数反演分析[J]. 肖明清,刘浩,彭长胜,巩生龙,闫鹏飞. 地下空间与工程学报. 2017(01)
[5]基于差异进化算法的土层多参数动态反分析[J]. 王洪德,曹英浩,朱贵东. 地下空间与工程学报. 2016(02)
[6]深基坑支护结构变形特征的数值模拟分析[J]. 帅红岩,陈少平,曾执. 岩土工程学报. 2014(S2)
[7]基坑工程平面竖向弹性地基梁法中土的水平抗力比例系数反分析研究[J]. 徐中华,李靖,王卫东. 岩土力学. 2014(S2)
[8]基于差异进化算法的基坑变形与坑外地表沉降关系分析[J]. 崔铁军,马云东. 工业建筑. 2014(S1)
[9]地下工程并行优化反演分析及算例验证[J]. 倪绍虎,肖明,何世海,汪小刚,吕慷. 岩石力学与工程学报. 2013(03)
[10]不同围护结构变形形式的基坑开挖对邻近建筑物的影响对比分析[J]. 郑刚,李志伟. 岩土工程学报. 2012(06)
硕士论文
[1]厦门市富水地区某地铁基坑的变形特性研究[D]. 武利成.中国地质大学(北京) 2018
[2]基于PSO-LSSVM模型的地铁深基坑水平位移反分析研究[D]. 罗志远.中国地质大学(北京) 2018
[3]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
[4]软土地区基坑空间效应和坑底隆起影响分析[D]. 康神豪.北京交通大学 2017
[5]北京地铁8号线永定门外站深基坑水下开挖变形特性研究[D]. 王运超.中国地质大学(北京) 2017
[6]基于BP神经网络的地铁场地土体参数反分析与支护变形预测[D]. 吴楠.中国地质大学(北京) 2017
[7]基坑土层m值反演分析研究[D]. 胡睿.昆明理工大学 2017
[8]深基坑支护方案优选研究及应用[D]. 刘兴华.吉林大学 2016
[9]基于多参数智能优化反分析的深基坑稳定性研究[D]. 曹英浩.大连交通大学 2015
[10]基坑工程变形计算的土层参数确定方法分析[D]. 赵香山.上海交通大学 2015
本文编号:3712408
【文章页数】:74 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
第1章 绪论
1.1 选题背景与意义
1.2 研究现状
1.2.1 反演分析的研究进展
1.2.2 关于m值反演的研究进展
1.3 存在问题
1.4 研究内容与技术路线
1.4.1 研究内容
1.4.2 技术路线
第2章 研究理论基础与方法
2.1 反分析基本理论
2.2 人工神经网络
2.2.1 人工神经网络简介
2.2.2 神经网络的学习方式
2.3 BP神经网络
2.3.1 BP神经网络的结构和算法
2.3.2 BP神经网络的实施步骤
第3章 工程概况
3.1 工程概述
3.1.1 站址环境
3.1.2 基坑结构
3.2 工程地质水文条件
3.2.1 工程地质条件
3.2.2 水文地质条件
第4章 监测数据分析与模型模拟
4.1 监测数据分析
4.1.1 监测方法
4.1.2 监测结果分析
4.2 模型建立
4.3 模型验证
4.3.1 地连墙水平位移
4.3.2 地表沉降
4.3.3 内支撑轴力
4.4 本章小结
第5章 基于BP神经网络的m值反演分析
5.1 BP神经网络反演模型流程
5.2 正交试验设计
5.3 神经网络反演模型的建立
5.3.1 BP神经网络的设计
5.3.2 训练样本的确定
5.3.3 神经网络模型的学习训练和检验
5.4 m值反演以及分析验证
5.4.1 m值的反演
5.4.2 反演结果分析验证
5.5 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
【参考文献】:
期刊论文
[1]基坑土层等效m值反演分析[J]. 曹净,杨泽帅,胡睿,刘海明. 隧道建设(中英文). 2018(07)
[2]基于压水试验的地层渗流场反分析[J]. 王洪波,张庆松,刘人太,李术才,张乐文,郑卓,张连震. 岩土力学. 2018(03)
[3]基于智能优化算法的深大基坑施工反分析[J]. 左自波,黄玉林,吴小建. 岩土工程学报. 2017(S2)
[4]基于神经网络的深厚软土地层参数反演分析[J]. 肖明清,刘浩,彭长胜,巩生龙,闫鹏飞. 地下空间与工程学报. 2017(01)
[5]基于差异进化算法的土层多参数动态反分析[J]. 王洪德,曹英浩,朱贵东. 地下空间与工程学报. 2016(02)
[6]深基坑支护结构变形特征的数值模拟分析[J]. 帅红岩,陈少平,曾执. 岩土工程学报. 2014(S2)
[7]基坑工程平面竖向弹性地基梁法中土的水平抗力比例系数反分析研究[J]. 徐中华,李靖,王卫东. 岩土力学. 2014(S2)
[8]基于差异进化算法的基坑变形与坑外地表沉降关系分析[J]. 崔铁军,马云东. 工业建筑. 2014(S1)
[9]地下工程并行优化反演分析及算例验证[J]. 倪绍虎,肖明,何世海,汪小刚,吕慷. 岩石力学与工程学报. 2013(03)
[10]不同围护结构变形形式的基坑开挖对邻近建筑物的影响对比分析[J]. 郑刚,李志伟. 岩土工程学报. 2012(06)
硕士论文
[1]厦门市富水地区某地铁基坑的变形特性研究[D]. 武利成.中国地质大学(北京) 2018
[2]基于PSO-LSSVM模型的地铁深基坑水平位移反分析研究[D]. 罗志远.中国地质大学(北京) 2018
[3]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
[4]软土地区基坑空间效应和坑底隆起影响分析[D]. 康神豪.北京交通大学 2017
[5]北京地铁8号线永定门外站深基坑水下开挖变形特性研究[D]. 王运超.中国地质大学(北京) 2017
[6]基于BP神经网络的地铁场地土体参数反分析与支护变形预测[D]. 吴楠.中国地质大学(北京) 2017
[7]基坑土层m值反演分析研究[D]. 胡睿.昆明理工大学 2017
[8]深基坑支护方案优选研究及应用[D]. 刘兴华.吉林大学 2016
[9]基于多参数智能优化反分析的深基坑稳定性研究[D]. 曹英浩.大连交通大学 2015
[10]基坑工程变形计算的土层参数确定方法分析[D]. 赵香山.上海交通大学 2015
本文编号:3712408
本文链接:https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3712408.html