开采影响下建筑物损害程度的人工神经网络预测模型*
郭文兵1，2 吴财芳3 邓喀中1
ARTIFICIAL NEURAL NETWORK PREDICTION MODEL OF MINING-INDUCED DAMAGE OF BUILDINGS
摘要 在综合分析开采影响下建筑物损坏程度影响因素的基础上，采用自适应BP神经网络技术建立了建筑物采动损坏程度的预测模型。以大量的建筑物采动损坏实例作为学习训练样本和测试样本，对模型预测结果与实际值进行了对比分析。结果表明，用人工神经网络方法预测建筑物采动损害程度是可行的。为开采影响下建筑物损坏程度预测和评价探索出了一种新的方法。
关键词 ：
地下工程 ,
采动损害 ,
建筑物 ,
神经网络 ,
智能预测
Abstract ：The main factors affecting the mining-induced damage degree of buildings are comprehensively analyzed. Then the model is established to predict the damage degree of buildings by applying the theory of artificial neural network(ANN). Based on a large amount of cases related to buildings damaged by mining，the predicted results of the model and the measured values are compared and analyzed. The results show that it is feasible to predict the mining-induced damage degree of buildings by ANN technology.
Key words ：
underground engineering
mining-induced damage
building
artificial neural networks
intelligent prediction
收稿日期: 2002-04-01
[1]
文 明，张顶立，房 倩，张良以. 地铁车站施工过程中地表沉降的NARXNN时间序列预测模型
[2]
崔 峰1，2，来兴平1，2，陈建强3，孙秉成3. 急斜特厚煤岩体耦合致裂应用研究
[3]
方明礼1，2，肖 明1，2. 三维初始地应力场反分析的变差函数法
[4]
李 宁1, 2，刘乃飞1，张承客1. 复杂地质中城门洞型隧洞围岩稳定性快速分析与设计方法
[5]
袁敬强1，陈卫忠1，2，谭贤君1，郑朋强1，于建新1. 速凝浆液抗分散性质与凝胶性能试验研究
[6]
刘 武1，2，陈益峰1，2，胡 冉1，2，周创兵1，2. 基于非稳定渗流过程的岩体渗透特性反演分析
[7]
王迎超1，2，靖洪文1，2，陈坤福2，蔚立元2. 平顶山矿区地应力分布规律与空间区划研究
[8]
裴启涛1，李海波1，刘亚群1，宋全杰2，李娜娜1. 复杂地质条件下坝区初始地应力场二次反演分析
[9]
胡晓静. 室内地下空间基础补偿原理初探
[10]
刘凤洲1，谢雄耀2. 地铁基坑围护结构成槽施工对邻近建筑物沉降影响及监测数据分析
[11]
石荣剑1，2，岳丰田1，2，张 勇1，2，陆 路1，2. 斜井液氮补强冻结温度场分布特征
[12]
周墨臻1，钱晓翔1，2，张丙印1. 地下工程中的非线性接触算法研究及数值实现
[13]
李志鹏1，徐光黎1，董家兴2，李志刚1，王金生3，陈春文3. 猴子岩水电站地下厂房洞室群施工期围岩变形与破坏特征
[14]
撒文奇1，张社荣2，张连明1. 基于物联网的大型地下洞室群施工期动态安全评价与预警方法研究
[15]
蔡德文1，2，王俤剀1，2，陈晓鹏1，2. 西南地区超大型地下洞室群施工期快速监测分析评价体系研究
