基于WPNN与数据融合技术的桩基承载力预测方法研究.docVIP

基于WPNN与数据融合技术的桩基承载力预测方法研究 　　摘要：为了能够快速并较准确的预测桩基的承载能力，达到在施工过程中减少或不做试桩的效果，以单桩为例，分析了影响竖向承载能力的量化因素及非量化的因素，利用小波概率神经网络(WPNN)与数据融合技术的联想和预测功能，得出承载力和这些因素的关系。通过对钻孔灌注桩的静载试验数据分析，选择了WPNN与数据融合技术的方法对试验数据进行分析，建立了合理的模型进行承载力预测，6根单桩的承载力的预测值与实测值吻合较好，证明了该方法在预测桩基竖向承载能力时可以满足工程实际的需要。 　　关键词：桩基承载力,小波概率神经网络(WPNN),数据融合,预测 　　随着大跨度桥梁结构的迅速发展，桩基础的应用日趋广泛。近年来，由于成桩工艺、检测手段的不断完善，桩基础已经成为了目前高层建筑和大跨度桥梁的最主要基础形式之一。但由于影响单桩竖向承载力的因素很多，而且这些因素很不确定，因此，如何合理的确定出承载力，充分发挥桩基础的技术经济效益，使工程技术人员一直考虑和关心的主要问题。目前，确定单桩竖向承载力的方法主要有静荷载试验与动侧法，静荷载试验作为最基本的方法，其可靠性最高，但它也有一定的缺陷，如费用高，时间、人力消耗大，试桩数量有限等。作为静载试验的补充，目前广泛采用动测法，但是动测方法主要是以一定的计算模型及经验公式为基础，由于这些模型和公式都对实际情况做