苏州混凝土水泥制品研究院有限公司

头部文案

发布时间:2020-01-06 00:00:00
全国建材科技期刊
全国中文核心期刊
中国科技论文统计源期刊
万方数据-数字化期刊群入网期刊
中国学术期刊(光盘版)全文收录期刊
华东地区优秀科技期刊
江苏省期刊方阵“双效期刊”
中国期刊网全文收录期刊
中国科技期刊数据库全文收录期刊
基于小波包分解-模糊神经网络的 混凝土路面路基沉降预测
Prediction of Subgrade Settlement of Concrete Pavement Based on Wavelet Packet Decomposition-fuzzy Neural Network
2018年第6期
小波包分解;路基沉降;神经网络;时间序列
Wavelet packet decomposition; Subgrade settlement; Neural network; Time series
2018年第6期
1000-4637(2018)06-81-04
地质灾害防治与地质环境保护国家重点实验室项目(SKLGP2014K011);中国建筑第五工程局有限公司项目(030017D119)。
刘振华1,任艺鹏2,叶忠勤3,余 虎1,王述红2,修占国2
1.中建五局华东建设有限公司,平湖 312400;2.东北大学资源与土木工程学院,沈阳 110819; 3.中国十九冶集团有限公司,攀枝花 617000

刘振华1,任艺鹏2,叶忠勤3,余 虎1,王述红2,修占国2

混凝土公路在施工过程中对路基沉降的预测,在工程安全和妥善安排施工进度具有非常重要的意义。一般监测方法是通过水准仪等监测仪器对路基进行布点观测。目前,常用的方法主要有两类:第一类是根据土体沉降理论得到的沉降数据变化拟合曲线的双曲线法[1],三点法[2],组合模型等[3];第二类是根据神经网络[4],灰度理论[5]等模糊理论,并结合各类统计概率方法对沉降进行预测[6]。上述几类方法各有优缺点,有的计算过程过于繁琐,有的预测过程中因素选取过于主观,导致计算结果误差较大。鉴于此,本文提出了一种新型预测路基沉降的方法,将模糊神经网络和小波包分解相结合,针对位移沉降序列的时序性和偶然性,利用模糊神经网络具有记忆性的特点,建立沉降预测网络。通过小波包对监测沉降序列进行分解,得到不同属性和频率的子序列,利用模糊神经网络对分解所得子序列进行样本训练并预测,将子序列预测结果叠加,得到预测结果。本文采用该方法对平湖段公路K13+321.6路段的沉降进行预测,并采用其他方法进行了对比,以证实该方法的可靠性。

刘振华,任艺鹏,叶忠勤,等.基于小波包分解-模糊神经网络的混凝土路面路基沉降预测[J].混凝土与水泥制品,2018(6):81-84.

LIU Z H,REN Y P,YE Z Q,et al.Prediction of Subgrade Settlement of Concrete Pavement Based on Wavelet Packet Decomposition-fuzzy Neural Network[J].China Concrete and Cement Products,2018(6):81-84.

浏览量:
1000
摘  要:在混凝土公路路基施工过程中,为了控制施工进度,同时保证路基的稳定与适用,需要对路基沉降进行监测,并通过已有沉降数据推测后续沉降数值。本文提出了一种新型预测路基沉降的方法,将模糊神经网络和小波包分解相结合,针对位移沉降序列的时序性和偶然性,利用模糊神经网络强大的记忆性,建立沉降预测模型。通过小波包对沉降数值序列进行分解,得到不同属性和频率的沉降序列,分别通过模糊神经网络对各个子序列进行预测,将子序列预测结果叠加得到预测结果。Abstract:Inordertocontroltheconstructionprogressandensurethestabilityandapplicabilityoftheroadbedofconcretepavement,theroadbedsettlementneedstobemonitored,andthesubsequentsettlementdataneedstobepredictedthroughtheexistingsettlementdata.Anewpredictionmethodforsubgradesettlementisputforward,whichcombinesfuzzyneuralnetworkandwaveletpacketdecomposition.Aimingatthetimenessandcontingencyofdisplacementsettlementsequence,thefuzzyneuralnetwork'sstrongmemoryisusedtoestablishsettlementpredictionmodel.Todecomposethesettlementnumericalsequencebywaveletpacket,settlementsequenceofdifferentattributesandfrequency,respectivelythroughthepredictionofeachsubsequenceoffuzzyneuralnetwork,thesequencepredictionresultsaresuperimposedtoobtaintheforecastresult.
英文名 : Prediction of Subgrade Settlement of Concrete Pavement Based on Wavelet Packet Decomposition-fuzzy Neural Network
刊期 : 2018年第6期
关键词 : 小波包分解;路基沉降;神经网络;时间序列
Key words : Wavelet packet decomposition; Subgrade settlement; Neural network; Time series
刊期 : 2018年第6期
DOI :
文章编号 : 1000-4637(2018)06-81-04
基金项目 : 地质灾害防治与地质环境保护国家重点实验室项目(SKLGP2014K011);中国建筑第五工程局有限公司项目(030017D119)。
作者 : 刘振华1,任艺鹏2,叶忠勤3,余 虎1,王述红2,修占国2
单位 : 1.中建五局华东建设有限公司,平湖 312400;2.东北大学资源与土木工程学院,沈阳 110819; 3.中国十九冶集团有限公司,攀枝花 617000

刘振华1,任艺鹏2,叶忠勤3,余 虎1,王述红2,修占国2

混凝土公路在施工过程中对路基沉降的预测,在工程安全和妥善安排施工进度具有非常重要的意义。一般监测方法是通过水准仪等监测仪器对路基进行布点观测。目前,常用的方法主要有两类:第一类是根据土体沉降理论得到的沉降数据变化拟合曲线的双曲线法[1],三点法[2],组合模型等[3];第二类是根据神经网络[4],灰度理论[5]等模糊理论,并结合各类统计概率方法对沉降进行预测[6]。上述几类方法各有优缺点,有的计算过程过于繁琐,有的预测过程中因素选取过于主观,导致计算结果误差较大。鉴于此,本文提出了一种新型预测路基沉降的方法,将模糊神经网络和小波包分解相结合,针对位移沉降序列的时序性和偶然性,利用模糊神经网络具有记忆性的特点,建立沉降预测网络。通过小波包对监测沉降序列进行分解,得到不同属性和频率的子序列,利用模糊神经网络对分解所得子序列进行样本训练并预测,将子序列预测结果叠加,得到预测结果。本文采用该方法对平湖段公路K13+321.6路段的沉降进行预测,并采用其他方法进行了对比,以证实该方法的可靠性。

刘振华,任艺鹏,叶忠勤,等.基于小波包分解-模糊神经网络的混凝土路面路基沉降预测[J].混凝土与水泥制品,2018(6):81-84.

LIU Z H,REN Y P,YE Z Q,et al.Prediction of Subgrade Settlement of Concrete Pavement Based on Wavelet Packet Decomposition-fuzzy Neural Network[J].China Concrete and Cement Products,2018(6):81-84.

摘要
参数
结论
参考文献
引用本文

摘   要:在混凝土公路路基施工过程中,为了控制施工进度,同时保证路基的稳定与适用,需要对路基沉降进行监测,并通过已有沉降数据推测后续沉降数值。本文提出了一种新型预测路基沉降的方法,将模糊神经网络和小波包分解相结合,针对位移沉降序列的时序性和偶然性,利用模糊神经网络强大的记忆性,建立沉降预测模型。通过小波包对沉降数值序列进行分解,得到不同属性和频率的沉降序列,分别通过模糊神经网络对各个子序列进行预测,将子序列预测结果叠加得到预测结果。

Abstract: In order to control the construction progress and ensure the stability and applicability of the roadbed of concrete pavement, the roadbed settlement needs to be monitored, and the subsequent settlement data needs to be predicted through the existing settlement data. A new prediction method for subgrade settlement is put forward, which combines fuzzy neural network and wavelet packet decomposition. Aiming at the timeness and contingency of displacement settlement sequence, the fuzzy neural network's strong memory is used to establish settlement prediction model. To decompose the settlement numerical sequence by wavelet packet, settlement sequence of different attributes and frequency, respectively through the prediction of each sub sequence of fuzzy neural network, the sequence prediction results are superimposed to obtain the forecast result.

关键词:
小波包分解;路基沉降;神经网络;时间序列
扫二维码用手机看
未找到相应参数组,请于后台属性模板中添加
(1)小波包分解优化了小波变换中不能对高频序列继续分解的缺点,精度和计算效果都有了很大提升,经小波包分解过后的路基沉降序列,经网络预测叠加后误差和预测曲线平滑度、精度都有了较大的提升。
(2)路基沉降序列属于非线性、时变序列,本文针对平湖平兴公路进行了预测,模糊神经网络对于识别和预测非线性时变序列具有较高的准确度,经验证,小波包分解-模糊神经网络对路基沉降序列具有较好的预测度,可以应用在实际工程中。
[1] 王海英,常肖,阮祺,等.基于三点修正双曲线法的建筑垃圾填筑路基沉降预测[J].长安大学学报:自然科学版,2017(2):1-8.
[2] 陈善雄,王星运,许锡昌,等.路基沉降预测的三点修正指数曲线法[J].岩土力学,2011,32(11):3355-3360.
[3] 戴华娟.组合预测模型及其应用研究[D].长沙:中南大学数 学与统计学院,2007.
[4] 马丽慧,韩文喜,李阳.BP 网络在高填方地基沉降预测中的应用[J].土工基础,2013,27(1):14-16.
[5] 李月光,吴小萍,聂敏.基于灰色系统理论的软土路基沉降观测断面选择方法[J].四川建筑科学研究,2011(6):123-126.
[6] 冯研,袁胜洋,徐鹏,等.成绵乐高速铁路成都黏土地基蠕变参数反演及沉降预测[J].四川建筑科学研究,2014(5):156-158,167.
[7] 高志,余啸海.Matlab 小波分析工具箱原理与应用[M].北京:国防工业出版社,2004.
[8] 张大斌,李红燕,刘肖,等.非线性时间序列的小波-模糊神经网络集成预测模型[J].中国管理科学,2013(S2):647-651.

刘振华,任艺鹏,叶忠勤,.基于小波包分解-模糊神经网络的混凝土路面路基沉降预测[J].混凝土与水泥制品,2018(6):81-84.

LIU Z H,REN Y P,YE Z Q,et al.Prediction of Subgrade Settlement of Concrete Pavement Based on Wavelet Packet Decomposition-fuzzy Neural Network[J].China Concrete and Cement Products,2018(6):81-84.

相关文件

暂时没有内容信息显示
请先在网站后台添加数据记录。

关注《混凝土与水泥制品》

总访问量 468,401   网站统计

官方微信公众号关闭
苏州混凝土水泥制品研究院有限公司

关于我们    |    联系我们    |    订购杂志    |    回到顶部

版权所有:中国混凝土与水泥制品网  苏ICP备10086386号   网站建设:中企动力 苏州

版权所有:中国混凝土与水泥制品网

苏ICP备10086386号

网站建设:中企动力 苏州