润扬大桥南汊北锚碇深基坑工程施工变形
熊孝波1 孙 钧1 赵其华1 吉 林2 袁金荣3
STUDY ON INTELLIGENT FORECAST AND CONTROL OF CONSTRUCTION DEFORMATION OF DEEP FOUNDATION PIT OF NORTH ANCHORAGE OF RUNYANG BRIDGE(I)
摘要 在对深基坑墙体位移时序规律分析的基础上，提出了基于MATLAB 5.3平台的神经网络多步预测模型，可以一次预测多步施工的变形，达到及早调整基坑施工参数，完成变形控制的目的。对润扬大桥北锚碇深大基坑工程的施工实例分析显示，预测值和实测值基本吻合，表明该预测模型具有较高的精度。
关键词 ：
深基坑 ,
润扬大桥 ,
北锚碇 ,
施工变形 ,
神经网络 ,
智能预测 ,
多步预测
Abstract ：On the basis of time series analysis of diaphragm wall deformation in deep pit system，a MATLAB system-based ANN multi-step deformation forecast model is developed. The deformation corresponding to multi-steps of excavation can be predicted with this model at a time，and the construction parameters can be adjusted in time，so that the diaphragm wall deformation can be controlled. The deep foundation pit of north anchorage of Runyang Bridge is taken as a case example to make study on intelligent forecast and control of construction deformation，and it is showed that the results of prediction agree well with the data of in-situ measurement.
Key words ：
deep foundation pit
Runyang Bridge
north anchorage
construction deformation
artificial neural network(ANN)
intelligent forecast
multi-step forecast
收稿日期: 2002-02-06
[1]
王志良1，肖智桓1，申林方1*，刘海明1，李 泽1，李 淼2. 基于物理信息神经网络能量桩周土体热–力耦合高效求解方法
[2]
韩俊艳，赵仕泽，毕延松，侯本伟*，许成顺. 逆断层震错耦合下含腐蚀缺陷埋地管道地震响应及预测方法研究
[3]
郝增明1，白晓宇1，闫 楠1，刘俊伟1，张启军1，2. 土岩二元深基坑钢管嵌套桩支护协同受力特性现场试验
[4]
许慧聪1，2，来兴平1，2，单鹏飞1，2，郭中安3，薛 珂3，闫钟铭2，4，王华川1，5，徐 港2，孟 政2. 沟谷区浅埋煤层矿压显现时空特征辨识及预测方法研究
[5]
岳佳豪1，王桂林1，2，3，王润秋1，黄建铭1，廖明勇1，李柏佚1. 物理神经网络与混合相场耦合的岩石裂纹扩展模拟方法研究
[6]
郝 建1，刘河清1，刘建康1，吕家庆1，郑义宁2，刘建荣3. 基于振动信号的岩石单轴抗压强度钻进预测实验研究
[7]
邢保印1，张炜怡1，章广成1，张世殊2，刘忠绪2，曾 鑫1，郑子涵1. 基于变形速率分解的阶跃型滑坡预测——以呷爬滑坡为例
[8]
周 中，张俊杰，丁昊晖，李 繁. 基于GA-Bi-LSTM的盾构隧道下穿既有隧道沉降预测模型
[9]
陈 结1，2，陈紫阳1，2，蒲源源1，2. 基于频谱分析和卷积神经网络的岩石声发射信号定位研究
[10]
董学超1，2，郭明伟1，2，王水林1，2. 基于多元结构应力特征的沉井基础下沉速度预测
[11]
李 涛1，杨依伟1，周予启2，刘 波1，3，郑 群2，郑逸雪1. 深基坑内支撑拆除时支护结构水平位移计算方法
[12]
周 中1，2，张俊杰1，龚琛杰1，2，丁昊晖1. 基于深度语义分割的隧道渗漏水智能识别
[13]
杨小彬1，裴艳宇1，程虹铭1，2，侯 鑫1，吕嘉琦1. 基于SOFM神经网络模型的岩爆烈度等级预测方法
[14]
吴雨辰，周晗旭，车爱兰. 基于粗糙集–神经网络的IBURI地震滑坡易发性研究
[15]
周小棚1，2，许 强1，赵宽耀1，陈婉琳1，巨袁臻1，周 琪1. 基于神经网络的离散元细观参数标定方法研究——以甘肃黑方台黄土滑坡为例
