振动与冲击2021，Vol.40Issue(8) ：124-130.DOI:10.13465/j.cnki.jvs.2021.08.016

基于关联监测点数据的非线性变形预测模型

A nonlinear deformation prediction model based on associated monitoring point data

李柏佚 王桂林 袁军
振动与冲击2021，Vol.40Issue(8) ：124-130.DOI:10.13465/j.cnki.jvs.2021.08.016
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于关联监测点数据的非线性变形预测模型

A nonlinear deformation prediction model based on associated monitoring point data

李柏佚 1王桂林 2袁军3
扫码查看

作者信息

  • 1. 重庆大学土木工程学院,重庆400045
  • 2. 重庆大学土木工程学院,重庆400045;库区环境地质灾害防治国家地方联合工程研究中心,重庆400045
  • 3. 重庆市地质矿产勘查开发集团有限公司,重庆401121
  • 折叠

摘要

基坑边坡变形具有非平稳性、非线性等特点,且现有的变形预测模型常用单个监测点或整体监测点的数据进行预测,忽略了不同监测点之间的关联性.以重庆某深基坑边坡为例,分别研究基于单个监测点数据和基于关联监测点数据的经验模态分解-粒子群优化算法-BP神经网络(EMD-PSO-BPNN)模型、PSO-BPNN模型、BP神经网络模型的预测结果,并对比了基于整体监测点中非关联多点数据的预测结果.结果 表明:EMD模型降低了基坑边坡变形数据非平稳性,使得各分量变化曲线比原监测数据的曲线更光滑和平稳,提高了预测精度;EMD-PSO-BPNN模型具有较好的非线性映射能力、学习能力和自适应能力,预测精度优于其他模型;同种模型下,基于关联点的预测模型预测精度明显高于单个监测点的预测模型.

关键词

经验模态分解-粒子群优化算法-BP神经网络(EMD-PSO-BPNN)/关联监测点/深基坑/变形预测

引用本文复制引用

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量3
参考文献量9
段落导航相关论文