期刊论文、会议论文

Guo, Jian

中文

岩土工程学报

1000-4548

2014

36

S2

343-347

第八届全国基坑工程研讨会

2014-11-13

武汉

中国建筑学会建筑施工学术委员会基坑工程专业委员会<&wdkj&>武汉土木建筑学会

10.11779/CJGE2014S2060

湖北省自然科学基金项目(2012FFC10701) 住建部科学技术项目计划(2013-K3-10)

本校为第一且通讯机构

深基坑开挖必然引起地表沉降,地表沉降监测数据不可避免要受到施工及周边环境的干扰,使沉降数据真实性受到极大的影响。以武汉深基坑工程的大量监测数据为基础,提出一种小波分析法与径向基神经网络的混合建模方法,对深基坑地表变形进行沉降预测分析。首先运用小波分析对实测数据进行去噪处理,提取反映实际变化的沉降数据作为径向基神经网络输入的特征向量,构建小波网络W-RBF预测模型,采用滚动预测方法对地表沉降进行预测。工程应用结果表明,W-RBF模型预测性能,要优于带有噪声构造的原始数据预测结果,具有较高的预测精度,可满足深基坑工程的信息化施工要求。

Deep excavation will cause ground settlement inevitably. The measured data of ground settlement are usually disturbed by construction and surrounding enviroment, and the validation is greatly affected because of the noise in the settlement data. Based on the large amount of data collected from deep excavations, a new model combining the wavelet analysis with the radial basis function (RBF) neural network is proposed to predict ground settlement. The wavelet analysis is used to denoise effectively the measured data, and the settlement curve close to the practical situation can be obtained and t...