- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
石油地质与工程
第27卷 第2期 金 陵 科 技 学 院 学 报 Vo1.27,No.2
2011年 6月 JOI7IiNAI,OFJ[N【LⅡGINSⅡT 【兀1EOFTECHNOLOGY June,2011
小波神经网络在群桩基础轴力监测中的应用
薛 涛
(金陵科技学院建筑工程学院,江苏 南京 211l69)
摘 要:深水群桩基础是 目前大跨径桥梁工程采用的主要基础型式之一 。为 了研究其荷载传递机理、群桩效应、
上部结构一桩一土的共同作用,信息化施工技术已在多座大型桥梁上得到了运用。然而受水文、气象及工程施工
等诸多外界因素的干扰 ,所监测到的轴力时程 曲线存在许多突变点,严重干扰 了桩基础承载力的分析和预测 。为
此,提出基于小波神经网络的预测模 型,首先采用小波分析对原始监测数据进行去噪,得到反映实际变化的基桩
轴力时程 曲线,然后分别采用 BP神经网络、改进 的BP神经网络和径 向基函数 (RBF)神经网络对其进行预测 。
研究结果表明:基于小波分析 的径 向基函数(RBF)神经网络模型预测效果较好 。
关键词:超大型;深水群桩基础;轴力监测 ;小波神经网络模型
中图分类号:TU473 文献标识码 :A 文章编号:l672—755X(2011)02—0029—04
Application ofW aveletNeuralNetwork toAxialForceM onitoring
ofPileGroupFoundation
XUE Tao
(JinlingInstituteofTechnology,Nanjing211169,China)
Abstract:Deep—waterpilegroup foundationisoneofthemajorfoundationtypesapplied in
greatspanbridges.Inordertostudytheirloadtransfermechanism ,pilegroupeffectandinter—
actionamongsuperstructure,pilesandsoil,informationconstructiontechnologycanbeusedin
lotsoflargebridges.However,themeasureddataareusuallydisturbedbymanyexternalfac—
tors,suchashydrological,meteorologicalandconstructionfactors.Asaresult,therearealot
ofbreakpointsintheaxialforcereal—timecurvewhichheavilydisturbtheanalysisandpredic—
tion ofthebearing capacity ofpile foundation. Therefore,prediction modelbasedon the
waveletneuralnetworkisproposed.Firstly,thewaveletanalysiscanbeusedtoeliminatethe
noisesfrom themeasureddata.SOthepileaxialforcereal—timecurvethatiSclosetothepracti—
calsituationcanbeobtained.Afterwards,thepredictioniScarriedon byBP neuralnetwork,
improvedBP neuralnetworkandradialbasicfunction (RBF)neuralnetwork.Theresults
show thatthepredictioneffectofRBF neuralnetworkisthebest.
Keywords:superlarge;deep
您可能关注的文档
最近下载
- 保护动物 从我做起主题班会ppt课件(图文).pptx
- (JS-101-2004)关键件和重要件质量管理与控制(马新宇04-07-15).doc VIP
- 项目技术方案与选型.pptx
- 江西省南昌市2022-2023学年七年级上学期期末考试数学试题.pdf VIP
- 八年级地理上中国的地形同步测试(有答案).doc
- 全国医师定期考核人文医学考核题库500题(含参考答案).pdf VIP
- 韩国影视文化产业.ppt VIP
- SL 629-2014引调水线路工程地质勘察规范.pdf
- 钢筋混凝土及砌体结构课程设计.docx VIP
- 己雷琐辛作用机制 - Medchemexpress - MCE中国.pdf
文档评论(0)