基于DEACO-WNN的盾构施工地表沉降预测

• 作者: 倪振利 季雁鹏 郝如江
• 来源期刊: 铁道工程学报
• 学科: 交通运输
• 关键词: 小波神经网络 差分进化蚁群 相对熵 盾构施工 沉降预测
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 地质与路基
• 页码范围: 12-16
• 页数: 5页
• 分类号: U455
• 字数: 3179字
• 语种: 中文

摘要

研究目的:近年来,我国地铁建设飞速发展,全国有近四十个城市在修建地铁.盾构施工是地铁建设的主要施工方式,由于盾构施工引起的地表沉降问题,为施工安全带来很多的困扰.为了减少施工过程中的安全隐患,提高施工质量和效益,对盾构施工引起的地表沉降进行研究意义重大.研究结论:本文通过对盾构施工地表沉降的影响因素和预测模型进行研究,得到以下结论:(1)在研究了对于盾构施工地表沉降较为敏感的参数中选取了覆土厚度、压缩模量、凝聚力、天然密度、内摩擦角、千斤顶推力、注浆压力,并将其作为输入层建立了小波神经网络预测模型;(2)用差分进化蚁群算法以相对熵为标准对小波神经网络的初始权值、伸缩参数和平移参数进行优化,使得预测模型的收敛速度和预测精度都有显著提高;(3)通过北京地铁6号线实地工程数据进行验证,预测模型的最小误差仅为0.5％,预测精度在实际工程所允许的范围内;(4)本文所建立的模型对盾构施工安全防护领域具有指导意义,通过对地表沉降的有效预测来改进施工工艺,进而增强施工的安全性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝如江		43	250	7.0	15.0
2	季雁鹏		2	3	1.0	1.0
3	倪振利		2	9	2.0	2.0