基于wpnn与数据融合技术的桩基承载力预测方法研究

基于wpnn与数据融合技术的桩基承载力预测方法研究

ID:504326

大小:30.50 KB

页数:8页

时间:2017-08-21

基于wpnn与数据融合技术的桩基承载力预测方法研究_第1页
基于wpnn与数据融合技术的桩基承载力预测方法研究_第2页
基于wpnn与数据融合技术的桩基承载力预测方法研究_第3页
基于wpnn与数据融合技术的桩基承载力预测方法研究_第4页
基于wpnn与数据融合技术的桩基承载力预测方法研究_第5页
资源描述:

《基于wpnn与数据融合技术的桩基承载力预测方法研究》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、基于WPNN与数据融合技术的桩基承载力预测方法研究-工程事故分析基于WPNN与数据融合技术的桩基承载力预测方法研究摘要:为了能够快速并较准确的预测桩基的承载能力,达到在施工过程中减少或不做试桩的效果,以单桩为例,分析了影响竖向承载能力的量化因素及非量化的因素,利用小波概率神经网络(WPNN)与数据融合技术的联想和预测功能,得出承载力和这些因素的关系。通过对钻孔灌注桩的静载试验数据分析,选择了WPNN与数据融合技术的方法对试验数据进行分析,建立了合理的模型进行承载力预测,6根单桩的承载力的预测值与实测值吻合较好,证明了该方法在预测桩基竖向承载能力

2、时可以满足工程实际的需要。  关键词:桩基承载力,小波概率神经网络(WPNN),数据融合,预测  随着大跨度桥梁结构的迅速发展,桩基础的应用日趋广泛。近年来,由于成桩工艺、检测手段的不断完善,桩基础已经成为了目前高层建筑和大跨度桥梁的最主要基础形式之一。但由于影响单桩竖向承载力的因素很多,而且这些因素很不确定,因此,如何合理的确定出承载力,充分发挥桩基础的技术经济效益,使工程技术人员一直考虑和关心的主要问题。目前,确定单桩竖向承载力的方法主要有静荷载试验与动侧法,静荷载试验作为最基本的方法,其可靠性最高,但它也有一定的缺陷,如费用高,时间、人力

3、消耗大,试桩数量有限等。作为静载试验的补充,目前广泛采用动测法,但是动测方法主要是以一定的计算模型及经验公式为基础,由于这些模型和公式都对实际情况做一些简化和假设,而且技术难度较大,影响实验结果的因素又较复杂,所以承载力测试的结果会产生较大的误差。寻求一种简单准确的预测桩基础承载力的方法,对满足日益增长的桩基工程的应用有重要意义[1]。  在工程实践应用和研究领域,对大量的实验结果进行分析时,应用较为广泛的是数理统计及回归的分析方法,所得到的结果一般为半经验半理论公式,由于土的性质不仅具有场地随机性,同时具有区域不定性,由回归分析所得经验公式自

4、适应性比较差,使得半经验半理论公式的适用性受到很大限制[2]。另外,桩-土-上部结构组成的系统是非常复杂的,简单化的处理是难以满足各个方面的要求。本世纪80年代以来,模糊理论、灰色系统、泛函分析、神经网络等的研究,在工程实践中的应用得到了长足的发展,其中神经网络以及数据融合技术[3]以其大规模的并行处理和分布式的信息存储、良好的适应性和自组织性、强大的学习功能和联想及容错功能,克服了从回归公式所得的半经验半理论公式缺点,为这一问题的解决奠定了很好的研究基础。  2影响桩基承载力的主要因素分析  单桩的极限承载能力和很多的因素有关系,通常认为比较

5、重要的有桩长、桩径、桩周土的物理力学、桩端承载力、入土深度等指标。《建筑桩基技术规范》采用的单桩竖向承载力表达式如下:  式中:标准单桩极限竖向承载力标准值;、分别表示单桩总极限摩阻力和总极限端阻力标准值;U表示桩身横截面周长;表示标准桩穿过第i层土的厚度;表示标准桩周第i层土的极限摩阻力标准值;表示桩端支承面积;表示桩底土的极限端阻力标准值;、分别为桩侧摩阻力和桩端阻力的修正系数。  但是,在许多工程实际中还发现桩的几何形状、类型以及成桩工艺、加荷速率等因素对桩的承载力也常有不可忽视的影响。另外,在施工过程中桩的承载能力还和施工工艺、施工方法

6、等有关系。这些影响因素和桩的承载力之间存在着必然的非线性关系[4],而且这种关系是相当复杂的,单纯依靠传统的回归分析,数值模拟等方法很难得出来。目前,尚无能较全面考虑这些因素的理论公式、数值计算等确定的方法。小波概率神经网络具有处理高度非线性问题的能力,而且还具有联想记忆等功能,将数据融合技术引入桩基础的承载力预测中,不但能够考虑传统的各种分析方法所考虑的因素,还能考虑到一些不确定的非数值型的因素,因而可以获得较为精确可靠的预测结果。  在本论文中,为了使问题研究简单化,在众多的影响因素当中,只研究桩长、桩径、入土深度、侧摩阻值加权平均值、桩端

7、土承载力5个因素的影响效果,通过人工智能的方法研究这些因素和钻孔灌注桩以及预制钢筋混凝土桩的承载力之间的非线性关系,运用模糊理论得出这种关系,从而使钢筋混凝土预制桩承载力的预测问题得到解决。实践证明了通过研究桩长、桩径、入土深度、侧摩阻值加权平均值、桩端土承载力5个影响因素,运用小破概率神经网络对影响因素进行处理,然后运用数据融合技术预测桩基承载力完全可以满足实际工程所需要的精确程度[5]。  可以将影响桩基承载力的因素作为具有处理非线性功能的小波概率神经网络系统,通过数据融合进行学习训练、泛化联想,建立起这些影响承载力因素和承载力之间的关系,

8、形成专家系统。在桩基工程施工完成后,分析影响承载力的因素,就可以得出其承载力的预测值来,从而达到减少甚至不做试桩。  3基于WPNN与数据融合技术的桩

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。