典型文献
Kalman-BP耦合模型预测下穿高铁桥梁盾构隧道形变
文献摘要：
为了更好开展隧道工程中形变监测及安全预报的研究,基于大连市地铁5号线下穿高铁桥梁的监测数据与地层条件,将Kalman最优估计算法与反向传播(back propagation,BP)自适应神经网络进行耦合,进行该工程Kal-man初始变量估值和遍历形变动态噪声分析,并融合BP神经网络对历史监测数据进行回访验证和状态预测,以对隧道底部形变及上部各土层对变形的影响进行监测分析和形变预测.结果表明,使用Kalman-BP耦合模型在变形监测周期第31期至35期的变形量比BP神经网络模型的变形量预测准确率分别提高了38.84％、15.78％、26.32％、5.26％、36.84％.在考虑地下土层材质后进行耦合模型训练,模型能叠加隧道上部地质条件进行自适应预测.可为隧道工程施工中形变预测及安全预报提供参考.
文献关键词：
变形监测;形变预测;安全预报;Kalman算法;BP神经网络;耦合模型;盾构隧道
中图分类号：
作者姓名：
李靖铭;李小雨;王锲;毛世华;姜华根
作者机构：
西南林业大学 土木工程学院,昆明650224;中铁西南科学研究院有限公司,成都611713
文献出处：
引用格式：
[1]李靖铭;李小雨;王锲;毛世华;姜华根-.Kalman-BP耦合模型预测下穿高铁桥梁盾构隧道形变)[J].湖北民族大学学报（自然科学版）,2022(04):445-450
A类：
安全预报
B类：
Kalman,耦合模型,下穿高铁桥梁,盾构隧道,形变监测,大连市,地层条件,最优估计,估计算法,反向传播,back,propagation,自适应神经网络,估值,遍历,噪声分析,回访,状态预测,土层,监测分析,形变预测,变形监测,监测周期,变形量预测,预测准确率,下土,模型训练,地质条件,自适应预测,隧道工程施工,施工中
AB值：
0.299781
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
