【摘要】：深基坑工程具有造价高、施工难度高、不稳定因素众多等特点,因此监测系统的优劣性对于掌握深基坑稳定性状况具有重要影响。但深基坑是支护体系与周边土体相互结合的多种介质组合的高度复杂的空间系统,其变形和安全性受地质条件、岩土体性质、场地环境、气候变化、地下水动态等因素影响。常规统计方法难以利用监测信息建模预测,BP神经网络具有较好的非线性拟合能力,使其在复杂非线性系统的分析和预测中得到了广泛应用。但BP网络也具有明显缺陷,本文采用遗传算法、模拟退火发以及变尺度混沌优化算法来优化BP网络,形成一系列智能算法。针对基坑监测信息建立非线性“隐式”模型,来预测基坑稳定性发展趋势。工程实例为采用排桩冻结法施工工艺的江苏润扬长江公路大桥南锚锭深基坑工程。 在详细研究BP神经网络、遗传算法、模拟退火法以及变尺度混沌优化算法等智能算法的基本原理的基础上,基于MATLAB7.0编制了相应程序;研究BP网络的整体性能因素,针对BP网络隐层节点数难以确定的问题,提出“自动搜索法”,基于MATLB7.0进行了程序设计;研究了神经网络与遗传算法、模拟退火法和混沌优化算法的结合,形成一系列智能算法,并基于MATLAB7.0编制了程序。此智能算法预测模型不但适用于深基坑工程的基于监测数据的基坑稳定性预报,同时也适用于其它方面的预测预报问题。 南锚锭深基坑工程采用的排桩冻结法施工工艺在国内同类工程中尚属首例,其难度可想而知。作为稳定性保证的实时监测信息反馈是十分必要的。本文利用上述几种算法对南锚锭深基坑监测信息进行了智能预测。实际情况表明,本智能算法对基坑监测信息预测预报问题具有较高精度,对于下一步施工具有良好的指导作用。 【关键词】：深基坑 神经网络 遗传算法 模拟退火法 混沌优化 预测
【学位授予单位】：河海大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TU753
【DOI】：CNKI:CDMD:2.2006.076977
【目录】：

• 第一章 绪论9-22
• 1.1 选题依据及研究意义9
• 1.2 基坑工程信息化施工与基坑监测9-12
• 1.2.1 基坑工程信息化施工及研究进展9-10
• 1.2.2 基坑工程监测及研究进展10-12
• 1.3 智能算法在地质工程中的应用12-18
• 1.3.1 神经网络在地质工程中的应用13-15
• 1.3.2 遗传算法在地质工程中的应用15-16
• 1.3.3 模拟退火法在地质工程中的应用16-17
• 1.3.4 混沌理论在地质工程中的应用17-18
• 1.4 现代科学计算软件 MATLAB18-20
• 1.5 本文研究思路及技术路线20-22
• 1.5.1 研究思路20
• 1.5.2 本文主要研究内容20-22
• 第二章 智能算法原理22-46
• 2.1 优化算法综述22-23
• 2.1.1 函数优化问题22-23
• 2.1.2 组合优化问题23
• 2.2 优化算法分类23-24
• 2.3 遗传算法(GA)24-29
• 2.3.1 遗传算法的基本概念24-25
• 2.3.2 遗传算法的原理与基本步骤25-26
• 2.3.3 遗传算法的运行参数26-27
• 2.3.4 遗传算法的应用27-28
• 2.3.5 遗传算法的MATLAB实现28-29
• 2.4 模拟退火法(SA)29-33
• 2.4.1 模拟退火算法29-31
• 2.4.2 模拟退火算法关键参数和操作的设定31-33
• 2.4.3 模拟退火法的MATLAB实现33
• 2.5 混沌优化算法(COA)33-38
• 2.5.1 混沌的起源33-34
• 2.5.2 混沌的独特性质34
• 2.5.3 混沌优化算法原理34-35
• 2.5.4 变尺度混沌优化算法35-37
• 2.5.5 参数探讨37-38
• 2.6 人工神经网络(ANN)38-46
• 2.6.1 神经网络概念38-39
• 2.6.2 BP神经网络39-43
• 2.6.3 BP网络的 MATLAB实现43-46
• 第三章 基于基坑监测信息的智能预测方法46-56
• 3.1 BP神经网络的性能因素46-49
• 3.1.1 原始数据预处理46-47
• 3.1.2 初始权值W与阈值B47
• 3.1.3 BP网络结构47-48
• 3.1.4 BP网络推广能力的提高48-49
• 3.1.5 基于智能算法的BP网络改进49
• 3.2 遗传神经网络(GANN)预测模型49-52
• 3.2.1 利用遗传算法设计神经网络的权值W和阈值B方案50
• 3.2.2 基于遗传算法的神经网络权值及阈值优化算法50-51
• 3.2.3 遗传神经网络的MATLAB实现51-52
• 3.3 模拟退火神经网络(SANN)预测模型52-53
• 3.3.1 基于模拟退火算法的前馈神经网络52
• 3.3.2 模拟退火神经网络的MATLAB程序实现52-53
• 3.4 变尺度混沌神经网络(MSCNN)预测模型53-56
• 3.4.1 混沌在神经网络中的应用53-54
• 3.4.2 变尺度混沌优化方法确定BP网络初值54-55
• 3.4.3 变尺度混沌神经网络的MATLAB实现55-56
• 第四章 润扬大桥南锚啶深基坑监测信息智能预侧56-85
• 4.1 润扬大桥南锚旋深基坑工程概况56-62
• 4.1.1 工程概况56-61
• 4.1.2 工程地质及水文地质条件61-62
• 4.2 润扬大桥南锚旋基坑监测及资料分析62-71
• 4.2.1 南锚啶基坑监测62-63
• 4.2.2 监测资料分析63-71
• 4.3 基于智能算法的深基坑变形预测71-83
• 4.3.1 基坑变形预测问题的神经网络建模71-73
• 4.3.2 基于遗传算法的BP神经网络(GABP)预测73-78
• 4.3.3 基于模拟退火法的BP神经网络(SABP)预测78-81
• 4.3.4 基于变尺度混沌优化的BP神经网络(MSCBP)预测81-83
• 4.4 预测成果分析83-85
• 第五章 结论与展望85-87
• 5.1 主要结论85-86
• 5.2 研究中存在的问题及展望86-87
• 参考文献87-93
• 致谢93