灰色GM-BP神经网络预测超期服役深基坑变形应用研究

《灰色GM-BP神经网络预测超期服役深基坑变形应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文灰色GM-BP神经网络预测超期服役深基坑变形应用研究作者姓名杨瑞意工程领域建筑与土木工程校内指导教师潘泓教授校外指导教师丁江澍高级工程师所在学院土木与交通学院论文提交日期2018年4月10日ApplicationofgreyGM-BPneuralnetworkinpredictionofdeepfoundationpitdeformationinextendedserviceperiodADissertationSubmittedfortheDegreeofMasterCandidate：YangRuiyiSupervisor：Prof.PanHongSou

2、thChinaUniversityofTechnologyGuangzhou,China６１学校代号：１０５１分类号：ＵＴ３７２０１３２〇２１〇３６４学号：华南理工大学硕士学位论文－ＢＰ灰色ＧＭ神经网络预测超期服役深基坑变形应用研究名：、职称潘涨教授作者姓名：杨瑞意指导教师姓丁江澍高级工程师：建筑与土木工程申请学位级别：工程硕士工程领域名称工程设计Ｖ应用研宄０工程／项目管理０调研报告论文形式：０产品研发０研宄方向：工程设计与施工技术４月日〇■月日论文答辩日期：年论文提交日期２丨名年４月曰日期：年学位授予单位：

3、华南理工大学学位授予答辩委员＃员：主席：祝令皮Ｔ祕ｉ气华南理工大学学位论文原创性声明本人郑里声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研宄成果ｕ除了文中特别加以榇注引用的内容外，本论文不包含任：何其他个人或集体己经发表或撰另的成果作品。对本文的研宄做出审要贡献的个人和集体Ｔ均已在文中以明确方式标明１本人芫全意识到本声明的法律后果出本人承担。作者签名；曰期鮮６月￣曰Ｉ＃学位论文版权使用授权书：本学位论文作者完全了解学校有关保留、使用学位论文的规定ｔ即研宄生在校攻读学位期间论文工作的知识产权单位屁华南理

4、Ｔ大学。学校有权保存并向ＰＩ家有关部门或机构送交论文的复印件和电子叛，允许学位论文被査阅（除在保密期内的保密论文外）＊学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩茚或其它笈制手段保存、汇编学位一论文。本人电子文档的内容和纸质论文的内容相致．本学位论文辰于：□保密，（校保密委员会审定为涉密学位时间：＿年？月＿Ｂ）于年Ｊｊ日解密后适泪本授权书＆保密，同总在校园网上发布，供校内师生郛与学校有共享协议的单位浏览：同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资源总库Ｉ抟播学位论文的全部

5、或部分内容。（诘迕以上相应方框内打）作考签名：曰期：州＃年ｆ月ｐＨ■指导教师签名：Ｒ期：７＾及年＾月广日摘要常常由于经济和政治因素、项目周边环境影响因素、企业自身发展策略因素、工程纠纷工期延长因素等，导致很多的建筑基坑开挖后长期放置，基坑服役时间远远超出设计使用年限。超期服役的建筑深基坑后期安全状态的情况，目前尚无较好的定量化的预测评判标准及定量化的评判分析模型。对建筑基坑后期安全使用时长的判断存在太多的未知因素，因而影响后期工程管理投资决策、工期制定、人员安排、进度控制等等。不合理的工程管理决策，轻则影响成本投入，造成资源浪费，重则会导致基坑安全事故，

6、影响社会安全和稳定。为此，科学合理地预测长期放置的建筑基坑后期变形范围，从而预估基坑今后仍保持安全状态的时长，为后期工程管理决策提供依据，具有重要的意义。本文主要研究内容如下：（1）分析开挖后长期放置的建筑基坑变形灰色系统特点，并以基坑开挖后放置时间、季节变化和已有的监测数据为灰变量，建立一阶多变量的灰色GM（1，N）基坑变形预测模型，预测基坑后期某阶段的变形范围。通过预测结果分析基坑后期变形与基坑放置时间、季节变化的关系，并通过预测模型检验和建立实测值与预测值拟合曲线，分析灰色GM（1，N）模型预测建筑基坑变形的优缺点。（2）结合灰色GM（1，N）模型的优点和BP神经网络

7、强大的非线性预测功能，以及开挖后长期放置的建筑基坑变形影响因子的特殊性，建立灰色GM-BP神经网络模型，它直接将时间序列数据和灰色因素转化为微分方程，利用系统信息，使抽象的模型量化，进而预测系统输出，预测基坑变形的后期变化范围，从而判断基坑变形达到报警值和控制值的时间，并对预测模型结果进行精度检验。（3）将灰色GM-BP神经网络预测模型运用于实际建筑基坑工程中。采用基坑顶部水平位移、支护结构深层水平位移、道路沉降一年内连续的监测数据和基坑放置时间、季节变化作为输入参数建立灰色GM-BP神经网络预测模型，预测基于当前