导读:本文包含了基坑变形预测论文开题报告文献综述及选题提纲参考文献，主要关键词:沿海围垦区,深基坑工程,灰色组合预测模型,Midas,GTS有限元
基坑变形预测论文文献综述
陈璐,马惠彪[1]（2019）在《基于灰色组合预测的沿海围垦区基坑工程深层土体变形研究与控制》一文中研究指出我国沿海围垦区深基坑工程,受到地下土含水量大、水位高、渗透性差、易变形的影响,对周边建筑环境产生较严重的破坏,其中,深层土体变形是影响其施工的最直观因素。为能实时获得基坑工程深层土体的变形数据,建立了灰色组合预测模型,即采用灰色关联度的方法,选取周边地表沉降、桩顶位移、支撑轴力以及地下水位等监测值作为组合预测模型的自变量,根据不同影响因素对应深层土体变形值的权重关系,应用于沿海围垦区某基坑工程深层土体变形预测模型中,结果表明灰色组合预测模型较GM(1,1)具有较高的预测精度,在5%以内。同时运用Midas GTS有限元模拟工程案例,从支撑刚度角度,计算其最优面积的大小,通过减小桩顶水平变形,控制基坑工程深层土体位移。(本文来源于《中国港湾建设》期刊2019年11期）
韩硕,刘浩,章文姣[2]（2019）在《基于Verhulst灰色模型的基坑边坡变形预测》一文中研究指出对基坑边坡变形监测资料进行分析,运用Verhulst灰色模型方法建立边坡变形预测模型,分析研究边坡变形趋势,预测边坡发生滑动时间,达到指导工程施工的目的,保证工程顺利进行。(本文来源于《山西建筑》期刊2019年20期）
宋楚平[3]（2019）在《一种改进的BP神经网络深基坑变形预测方法》一文中研究指出针对深基坑变形因素复杂的特点和现有理论解决变形计算的不足,提出将BP神经网络应用于基坑变形的非线性和不确定性问题的求解,BP模型构建过程中既考虑基坑变形的主要自变量,又兼顾模型在时间上的延展性;同时,通过遗传算法对模型权重初值进行优选,避免模型陷入局部极小值,以达到预测误差全局最小的目的。应用结果显示:改进的预测方法无论是在模型的收敛速度,还是泛化能力方面均表现出较好的性能,对未来2～5 d的预测与实际监测值基本一致,完全能满足工程施工要求,该方法对深基坑变形安全监测具有实用指导价值。(本文来源于《土木工程与管理学报》期刊2019年05期）
刘斌[4]（2019）在《基于优化SVM模型和DFA分析的基坑变形预测研究》一文中研究指出为实现基坑变形预测的综合研究,该文先以支持向量机为基础,提出利用粒子群算法和混沌理论优化模型参数,构建了混沌优化PSO-SVM模型,结合DFA分析判断基坑变形的发展趋势,实现基坑变形的高精度预测。最后结合工程实例,验证了该模型与方法的有效性。研究结果对类似工程有较高的参考价值。(本文来源于《勘察科学技术》期刊2019年05期）
孟江,李慧民,田卫[5]（2019）在《基于GA-BP的基坑施工引起隧道隆起变形预测研究》一文中研究指出通过遗传算法对BP神经网络的优化,结合郑州地铁1号线旁某深基坑工程施工的实际案例,建立深基坑施工引起邻近隧道隆起变形的预测模型,并通过MATLAB建模实现预测仿真。模型应用过程中利用"新陈代谢"的方法,根据实际监测情况不断调整样本数据,达到了实时预测的目的。研究结果表明:本文提出的预测模型对基坑施工过程中邻近隧道的隆起变形预测具有很高的准确性,并且对于不同的隧道截面具有很好的泛化能力,因此,对这类工程施工过程中,邻近隧道的安全运营具有一定的指导意义。(本文来源于《铁道科学与工程学报》期刊2019年10期）
刘盛辉,李常茂,薛晓辉[6]（2019）在《深基坑变形预测模型研究及工程应用》一文中研究指出文章首先介绍了深基坑变形预测模型的计算方法、灰色系统理论和模型特征;然后通过案例分析的方式,重点探究了深基坑变形预测模型在实际工程项目中的应用,希望能为该领域关注者提供有益参考。(本文来源于《河南建材》期刊2019年03期）
陈家骐,司大雄,丁蕾,丁碧莹[7]（2019）在《TPGM(1,1)预测模型在基坑变形中的应用研究》一文中研究指出依据深基坑周边地表沉降监测信息,运用灰色理论的方法,对基坑周边地表沉降发展变化规律进行合理的预测可以有效的确保基坑施工期间变形安全和正常使用要求。针对传统的GM(1,1)和DGM(1,1)模型本身数学结构的不足,提出采用TPGM(1,1)预测模型对基坑周边地表沉降进行预测。结合工程实例计算表明,在TPGM(1,1)模型中,利用已知监测数据预测未来一段时间内的基坑周边地表沉降能获得更加精确的预测结果。研究成果能为动态信息化施工以及施工阶段的基坑灾害评估、预警提供有力指导。(本文来源于《淮阴工学院学报》期刊2019年03期）
钟友玲[8]（2019）在《基于高斯过程回归模型的深基坑变形预测方法研究》一文中研究指出随着经济的快速发展,我国的基础设施建设步伐不断加快,在地下基础结构建设过程中常常会形成深基坑。对深基坑围护结构进行变形监测,根据监测数据进行建模并预测未来形变值,是预防基坑坍塌等灾难事故发生的一项重要工作。现有的建模预测方法较多,但针对非线性、高维数的形变时,当前的预测建模方法还有缺陷、精度也不太理想。基于高斯过程回归理论在建模预测上的优越性,本文研究基于高斯过程回归理论的深基坑形变预测建模方法。具体的研究内容如下:(1)仿真实验研究了高斯过程回归模型中的单一协方差函数对模型预测精度的影响情况。由于高斯过程回归模型具有良好的泛化能力,所以大部分情况下对训练样本有良好的拟合能力;为定性和定量地得出常用五种单一协方差函数对建模的预测影响,采用仿真函数进行高斯过程回归建模,并对模型预测精度进行对比分析,得到仿真情况下采用神经网络(NN)协方差函数时模型的预测精度较好。(2)单一协方差函数的优选实验。选择常用的五种单一协方差函数:平方指数(SE)、马特恩(Matern32、Matern52)、神经网络(NN)、周期(PER)、线性(LIN)函数,分别构建高斯过程回归模型,研究模型拟合数据及变形预测能力,对比分析结果,得到最优的单一协方差函数是马特恩Matern32函数。(3)组合协方差函数的优选实验。根据最优的单一协方差函数马特恩Matern32采取加法组合形式,与SE、Matern52、NN、PER、LIN形成五组组合协方差函数,并相应构建高斯过程回归模型,研究模型拟合数据及变形预测能力,对比分析结果发现组合协方差函数的模型整体性能均高于单一协方差函数的模型,得到最优的组合协方差函数是Matern32+Matern52组合函数。(4)构建最优训练样本对期数下的动态预测模型。在选择最优组合协方差函数(Matern32+Matern52)的前提下,进行训练样本对期数不同时的模型拟合与预测精度对比实验,实验结果表明在训练样本对数值为14期时构建的动态预测模型性能最优。(5)不同驱动因素下的动态预测模型研究。深基坑变形值与时间、历史形变数据、临近点形变值相关性分析显示存在强相关性。以最佳训练样本对数和最优组合协方差函数为前提,构建叁种动态预测模型:(1)“时间”单因素驱动高斯过程回归动态预测模型,(2)“时间+历史形变数据”双因素驱动组合型高斯过程回归动态预测模型,(3)“时间+历史形变数据+临近点形变值”叁因素驱动组合型高斯过程回归动态预测模型。预测结果精度对比分析表明叁因素驱动组合型高斯过程回归模型整体性能最好。本研究提出的基于“时间+历史形变数据+临近点形变值”叁因素驱动组合型高斯过程回归动态预测模型相比传统预测模型,预测结果精度更高,且模型的输出结果可以设置一定的置信区间,采用概率意义来表达预测值的可信程度,更适用于一些大型高危项目的变形预报中,为监测体的形变提供更科学有效地预测,从而确保工程项目的安全建设。(本文来源于《江西理工大学》期刊2019-05-25）
谢胡明[9]（2019）在《基于BP神经网络模型的大型深基坑变形量预测》一文中研究指出文章针对大型基坑的变形监测的变化量无法线性预测以及引起变形的因素之间的关系无法得知的情况,利用人工神经网络的BP算法模型进行深基坑的变形监测变化量的预测,根据实际的工程算例得出了基于BP神经网络模型的大型深基坑变形监测方法具有良好的效果。(本文来源于《信息通信》期刊2019年05期）
陈家骐,司大雄,丁蕾,丁碧莹[10]（2019）在《TPGM(1,1)预测模型在基坑变形中的应用研究》一文中研究指出依据深基坑周边地表沉降监测信息,运用灰色理论的方法,对基坑周边地表沉降发展变化规律进行合理的预测可以有效的确保基坑施工期间变形安全和正常使用要求。针对传统的GM(1,1)和DGM(1,1)模型本身数学结构的不足,提出采用TPGM(1,1)预测模型对基坑周边地表沉降进行预测。结合工程实例计算表明,在TPGM(1,1)模型中,利用已知监测数据预测未来一段时间内的基坑周边地表沉降能获得更加精确的预测结果。该研究成果能为动态信息化施工以及施工阶段的基坑灾害评估、预警提供有力指导。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年03期）
基坑变形预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对基坑边坡变形监测资料进行分析,运用Verhulst灰色模型方法建立边坡变形预测模型,分析研究边坡变形趋势,预测边坡发生滑动时间,达到指导工程施工的目的,保证工程顺利进行。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基坑变形预测论文参考文献
[1].陈璐,马惠彪.基于灰色组合预测的沿海围垦区基坑工程深层土体变形研究与控制[J].中国港湾建设.2019
[2].韩硕,刘浩,章文姣.基于Verhulst灰色模型的基坑边坡变形预测[J].山西建筑.2019
[3].宋楚平.一种改进的BP神经网络深基坑变形预测方法[J].土木工程与管理学报.2019
[4].刘斌.基于优化SVM模型和DFA分析的基坑变形预测研究[J].勘察科学技术.2019
[5].孟江,李慧民,田卫.基于GA-BP的基坑施工引起隧道隆起变形预测研究[J].铁道科学与工程学报.2019
[6].刘盛辉,李常茂,薛晓辉.深基坑变形预测模型研究及工程应用[J].河南建材.2019
[7].陈家骐,司大雄,丁蕾,丁碧莹.TPGM(1,1)预测模型在基坑变形中的应用研究[J].淮阴工学院学报.2019
[8].钟友玲.基于高斯过程回归模型的深基坑变形预测方法研究[D].江西理工大学.2019
[9].谢胡明.基于BP神经网络模型的大型深基坑变形量预测[J].信息通信.2019
[10].陈家骐,司大雄,丁蕾,丁碧莹.TPGM(1,1)预测模型在基坑变形中的应用研究[J].佳木斯大学学报(自然科学版).2019