科研之友
微信
新浪微博
Facebook
分享链接
摘要
为建立较高精度的沉降预测模型，同时探究沉降预测模型在建筑信息模型(BIM)中的结合应用，基于灰色系统模型GM(1,1)、支持向量回归机(SVR)和粒子群算法(PSO)，建立PSO-GM-SVR变形预测模型。通过API接口以及二次开发功能，基于Revit软件平台开发一套应用于高铁沉降变形监测的插件，建立高铁沉降的三维基础模型。将Revit软件与SQL sever数据库连接，使变形监测信息能够作为模型的非几何信息集成到SQL数据库中，将变形监测信息与三维基础模型相结合。采用长株潭城际铁路与石长联络线工程监测数据验证PSO-GM-SVR变形预测模型的精度以及实现监测数据的可视化展示。结果表明：灰色系统模型GM(1,1)模型最大残差值为0.66 mm,GM-SVR模型最大残差值为0.18 mm，优化的PSO-GMSVR模型最大残差值为0.1 mm；灰色系统模型GM(1,1)模型、GM-SVR模型以及优化的PSO-GM-SVR模型的相关系数分别为98.55%,99.54%和99.94%；与灰色系统模型GM(1,1)模型和GM-SVR模型相比，PSO-GM-SVR模型精度更高，对高速铁路沉降预测的效果更好；结合实际工程数据完成了建设项目中变形监测信息在SQL数据库中的信息化管理以及在Revit中的可视化表达，为施工阶段的铺轨作业提供指导，实现了沉降变形预测同BIM技术的结合运用，可供类似工程参考。
- 单位
