论文部分内容阅读
近年来,随着城市化扩张速度的加快,地上空间的日益匮乏,越来越多的高层建筑需要建造地下室以及地下停车场等配套设施,深基坑工程就成为不可避免的研究对象。它的稳定与否不仅关系的上部结构的安全,还会对周边建筑物的变形产生影响。深基坑的变形受很多因素的影响,例如围护结构的影响因素、施工工况与时空影响因素及环境影响因素等,同时很难确定某种因素在变形时的主导作用。因此,深基坑的变形很难用统一的经验公式或力学模型来进行计算。本文针对深基坑工程变形预测问题,利用神经网络优秀的非线性映射能力,能够大规模并行处理未经过训练的、有干扰的或不完全的数据的特点,将神经网络理论应用于深基坑工程的变形预测。其中,针对神经网络的一些缺陷,建立了经遗传算法优化的人工神经网络模型,应用于深基坑变形预测。将二者结合起来不仅能发挥神经网络的泛化映射能力,而且使神经网络具有很快的收敛性以及较强的学习能力,理论上适用于解决深基坑变形这一非线性复杂问题。同时,以遗传算法优化神经网络权值和阈值的方式,基于Matlab R2010b平台,运用Matlab语言构设了深基坑变形预测模型(GA-BP模型)。为验证模型的可靠性,利用北京市某公司科研楼工程深基坑在开挖过程中观测到的监测数据,针对不同的支护型式(联合支护型式和土钉墙支护型式),对深基坑的变形进行预测,通过对比分析误差,证实了GA-BP模型在深基坑变形预测中的可靠性。