科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了更好开展隧道工程中形变监测及安全预报的研究，基于大连市地铁5号线下穿高铁桥梁的监测数据与地层条件，将Kalman最优估计算法与反向传播(back propagation, BP)自适应神经网络进行耦合，进行该工程Kalman初始变量估值和遍历形变动态噪声分析，并融合BP神经网络对历史监测数据进行回访验证和状态预测，以对隧道底部形变及上部各土层对变形的影响进行监测分析和形变预测.结果表明，使用Kalman-BP耦合模型在变形监测周期第31期至35期的变形量比BP神经网络模型的变形量预测准确率分别提高了38.84%、15.78%、26.32%、5.26%、36.84%.在考虑地下土层材质后进行耦合模型训练，模型能叠加隧道上部地质条件进行自适应预测.可为隧道工程施工中形变预测及安全预报提供参考.
-
单位土木工程学院; 中铁西南科学研究院有限公司; 西南林业大学
