基坑水平位移BP网络预测及精度影响因素分析.pdfVIP

科学论坛 基坑水平位移BP网络预测及精度影响因素分析 马战旗 河南省建筑科学研究院有限公司 河南 郑州 450053 摘要：在基坑施工过程中由于受到外界环境以及 内在结构特征等因素的制约，基坑变形有着内在的规律性，其反映在监测数据上是数据在时间序列 上变化，基坑位移在前后的依存关系渐消，当前的状态是 以前状态的延伸，在监测数据上具体变现为一定的随机性，通过合理设计，根据神经网络 的学习功能，可以建立预测模型进行位移预测，本文依据郑州市会展 中心地铁车站深基坑监测的深层水平位移数据，运用 BP网络原理，建模进行 分析，得到较好的精度并对影响因素进行分析。 关键词：神经网络 基坑 预测 时间序列 0 引言 时间在不断增大 。 依据随机理论 中的时间序列法的知识， 2、 监测数据异常因素分析 对于监测数据 的各种动力因素不予考虑，只 在进行基于时间序列的BP网络预测，现 针对监测数据中的统计学规律进行分析，通 场监测数据 自始至终影响着研究结果，监测 过对实测数据 的时间序列规律进行分析，构 一： 静 * 数据的准确性至关重要，监测数据会出现突 造数学模型，进而预测出将来可能的数值。 变，或回归正常或变化加剧。 神经网络在时间序列法中的应用，最常用就 2．1周边场地堆载的影响 是用于预测下一时间点的状态，在基坑工程 如果在基坑的周边尤其是监测点的周围 中，我们最想知道的就是下一时间点内基坑 放置大量的堆载，比如钢支撑、钢筋以及建 维护结构的位移变化情况，以便采取相应措 筑废弃物等如下图所示，都会对监测数据结 施保证施工安全 。 果造成一定的波动性，对基坑围护结构的变 1基于时间序列 BP网络预测 形内在规律带来不小的影响，由于预测是利 1．1神经网络预测结构 用现场的实测数据，如果利用受干扰的实测 BP神经预测网络结构主要包括三方面： 数据会对预测结果产生很大的影响，错误指 输入单元的确定、输出单元的选择、中间层 图l各深度预测值与实测值对比(2010．9．12) 导施工过程 ，所 以在进行监测过程 中若发现 的确定。 数据发现突变，且存在异常，就要考虑该监 (1)输入单元：对于现场监测数据，每 测点位置周边是否存在大量的堆载的现象， 个测点都是有 N个数据构成，它们表示该观 若监测结果超过控制值，就应该采取应对措 测点在时间T内连续的观测序列。 施 ，将堆载搬离。 (2)输出单元：在研究时间序列问题时， 只限于一维的非线性时间序列