论文部分内容阅读
近年来，随着公路、铁路建设速度的加快，在工程建设中越来越多的路基需要修筑在软土地基上，如何比较准确的预测软土路基的沉降量，成为合理选择工程防治措施的关键。目前对于路基沉降的计算方法有很多，其中多数都需要建立一定的土工模型并需要测试一些土工参数，很多土工模型对于普通的工程技术人员难以理解，因此，寻求更简便的沉降预测方法成为当务之急。
本文利用人工神经网络理论建立了预测路基沉降的BP模型和Elman模型。两种模型在预测路基沉降时，不需要建立任何土工模型，只要采集训练网络的样本就可以比较精确的预测路基沉降。通过文中的实例计算证明，这种方法可以用于工程实践。
在BP预测模型中，建立反映路基沉降影响因素与路基沉降量的映射关系，通过训练后，网络模型能够抽取并记忆填土的力学性质和变形特性，进而做出预测。选取了8个影响路基沉降的参数作为模型的输入，模型输出数据为路基中心最终沉降量。论文运用此模型通过成南、沪宁等高速公路的软土地基实测资料进行预测验证，发现BP网络具有很好的可操作性。
在Elman神经网络模型中，利用路基沉降的内在规律性，建立时间和沉降值的非线性拟和关系，利用前期沉降数据来预测后期沉降。该模型只有时间和对应的沉降两个输入数据，模型输出数据是预测时间的沉降值。通过实测数据的检验，发现训练样本的选取会对预测结果产生较大的影响。