基于改进的小波神经网络的深基坑围护桩水平位移预测研究-论文.pdf

《基于改进的小波神经网络的深基坑围护桩水平位移预测研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第15卷第2期江苏建筑职业技术学院学报Vo1．15No．22015年O6月JOURNALOFJIANGSUJIANZHUINSTITUTEJun．2015基于改进的小波神经网络的深基坑围护桩水平位移预测研究程强强，陈年和，于光永(1．江苏建筑职业技术学院建筑工程技术学院，江苏徐州221116；2．南通三建徐州分公司，江苏徐州221116)摘要：结合某深基坑工程，以现场实测数据为依据建立了改进的小波神经网络预测模型，并用其预测围护桩水平位移．结果表明，改进的小波神经网络模型预测值与实测值相差在4以内，而BP神经网络和小波神经网络模型的预测值与实测值

2、相差最高分别达到了21．92和18．58．可以看出，改进的小波神经网络模型预测结果更接近于实际监测值，从而验证了改进的小波神经网络用于围护桩水平位移预测的可行性．关键词：改进的小波神经网络；WNN；深基坑；围护桩；水平位移；预测中图分类号：TU196文献标志码：A文章编号：2095—3550(2015)02—0007—04StudyonpredictionofhorizontaldisplacementoffenderpostsofdeepexcavationbasedonimprovedwaveletneuralnetworkCHENGQian

3、gqiang1，CHENNianhe1，yUGuangyong2(1．SchoolofArchitecturalEngineering，JiangsuJianzhuInstitute，Xuzhou，Jiangsu221116，China；2．XuzhouBranchofNantongNo．3ConstructionGroup，Xuzhou，Jiangsu221117，China)Abstract：Combedwithsomedeepexcavationengineering，improvedwaveletneuralnetworkpredicti

4、onmodelisestablishedtopredicthorizontaldisplacementofthefenderpostsbasedonfieldtestdata．Theresultsshowthattheimprovedwaveletneuralnetworkmodelpredictedval—uesdifferfromthemeasuredvaluesbylessthat4，however，BPneura1networkandwaveletneuralnetworkmodelpredictedvaluesdifferfromthe

5、measuredvaluesrespectivelyby21．92and18．589／6．Itcanbeseenthattheimprovedwaveletneuralnetworkmodelpredictedvaluesareclosertothemeasuredvalues，thusthefeasibilityofusingtheimprovedwaveletneuralnetworktopredicthorizontaldisplacementoffenderpostsisverified．Keywords：improvedwaveletn

6、euralnetwork；WNN；deepexcavation；fenderpost；horizontaldisplacement；prediction近年来，随着地下结构工程的快速发展，深基坑工程的开挖与支护问题也得到了改善．因基坑受自身结构特征和周边环境制约，在开挖过程中，其变形问收稿日期：2O14—10—26题备受关注．基坑产生变形的因素虽然纷繁复杂，但基金项目：2013年江苏省高等职业院校高级访问工程师资助项目具有内在的规律性，运用现场监测数据的规律可预测(FG119)；2013年校级科研项目(JYA13—38)深基坑变形的未来发展动态，

7、进而为深基坑的安全开作者筒介：程强强，男，江苏徐州人，讲师，博士研究生．挖及适时支护提供可靠的指导．围护结构桩体的水平E—mail：491892576@qq．corn8江苏建筑职业技术学院学报第15卷位移是深基坑开挖过程中实施监测的一个重要指标，数修正过程如下．由于桩体的水平位移随时间变化表现出很强的非线首先，计算网络预测误差：性特征[1屯]，因而可采用人工神经网络预测法[3对E===0．5∑(—y)，(3)其进行预测．文献[5]即提出了用BP神经网络预测然后，根据预测误差E修正参数∞、n和b：深基坑围护结构桩体的水平位移．本文结合工程实(+1)

8、一∞+△(cJ(汁1)，(4)例，将改进的小波神经网络(属神经网络范畴)用于围a(汁1)一a+Aa(汁1)，(5)护桩水平位移预测，并与