高速鐵路沉降變形評估預報模型研究.pdf

1、我國的高速鐵路快速發(fā)展,建設項目多,許多項目正在進行施工。高速鐵路施工過程中沉降觀測和沉降變形評估是確保今后高速鐵路施工質量和保證運營安全的重要內容。目前,高速鐵路沉降變形評估理論在應用中尚需要不斷完善。本文以某在建高速鐵路線下工程沉降變形觀測及評估項目為例,根據實測數據,在沉降變形評估與預報理論和方法方面開展應用研究。
　　高速鐵路線下工程許多點沉降量級較小,沉降變形曲線呈現“小量級、大波動”特點,觀測數據中可能存在大量的隨機噪

2、聲,對沉降變形分析產生干擾,影響沉降變形評估的準確性及可靠性,本文將小波分析引入到沉降變形評估數據預處理中。通過對小波閾值法去噪方法的研究,給出了改進閾值法,應用到高速鐵路線下工程隧道和橋梁的沉降變形觀測數據的預處理中,并有效地提高了沉降變形評估中擬合曲線的相關系數,應用實例表明改進閾值法應用到沉降變形評估數據預處理中取得較好的去噪效果。
　　在沉降變形分析與預報方面,對小波神經網絡模型和模糊小波神經網絡模型進行了應用研究。

3、>　　首先,對人工神經網絡模型的基本原理、BP神經網絡模型結構、學習算法等進行了分析與討論,結合小波分析,建立了(松散型、緊致型)小波神經網絡組合模型,并對其類型、學習算法改進和模型的建立等進行了應用研究。通過工程實例應用對比分析,得出(松散型、緊致型)小波神經網絡組合模型預測精度要高于單一的BP神經網絡模型,緊致型小波神經網絡模型預測精度高于松散型小波神經網絡模型的結論。
　　其次,簡述了模糊系統(tǒng)理論基礎,并對模糊推理系統(tǒng)、T-

4、S模糊系統(tǒng)進行了分析討論,對模糊小波神經網絡組合模型的結構、學習算法等進行應用研究。將模糊小波神經網絡模型應用到高速鐵路線下工程路基段沉降觀測點的數據預處理中,與小波神經網絡模型及BP神經網絡模型進行了對比分析,應用實例表明,模糊小波神經網絡模型的預測精度較松散型小波神經網絡模型與BP神經網絡模型高,并略高于緊致型小波神經網絡模型,在預測穩(wěn)定性方面也較緊致型小波神經網絡模型高。
　　綜上所述,模糊小波神經網絡組合模型相對于單一模型