论文部分内容阅读
随着城市化水平的不断提高，城市人口迅速增加，造成了交通拥挤、环境污染等一系列问题。城市地铁作为一种缓解城市交通拥挤压力的工具，得到了迅速的发展。但是，由于城市地铁线路一般都会穿过主要的干道和人口众多的中心地区，在地铁的施工过程中会引起地下隧道本身、管线及周边建筑物的变形。变形监测是保障城市地铁施工安全和降低地铁施工对周边环境影响的重要手段，而且地铁变形监测数据的分析预测可为后期的安全施工提供准确的指导，因此变形监测在城市地铁施工过程中是一项非常重的内容。本文就城市地铁施工过程中的变形监测主要研究了以下内容： （1）结合兰州轨道交通一期工程1号线小西湖站的工程概况，论述了地铁施工变形监测网的布设、监测方案的组织实施，并介绍了变形监测网优化设计的基本理论及优化设计的质量标准，利用改变观测值的权对水平监测控制网进行优化，来提高监测网的质量标准。 （2）论述了变形预测几种常用方法，结合具体的实例对这几种方法预测所得到的预测值进行比较分析，时间序列预测模型适合应用在短期预测，回归分析是一种静态的预测方法，而灰色理论预测的抗外界干扰能力相对较弱。在这几种方法的前提上提出了本文主要应用的方法BP神经网络和小波神经网络预测模型。 （3）论述了小波去噪理论的基本原理与方法，结合小西湖站深基坑变形监测数据，利用 MATLAB语言，选择不同的小波函数、阈值及小波分解的层数对原始观测数据进行了处理，对去噪后的结果与原始观测数据进行对比分析，得到 dbN和 symN小波函数、固定阈值去噪效果相对较好，并且将去噪后的数据应用到后续的变形预报中，使预测值更加准确。 （4）介绍了人工神经网络和小波理论的方法，重点研究了小波理论和BP网络相结合的小波神经网络预测模型，在小波神经网络的基础上增加动量学习速率k构成了改进的小波神经网络预测模型，根据基本理论方法，选取小西湖站深基坑具有代表性的5个点的观测数据建立小波神经网络预测模型。 （5）借助MATLAB语言，结合实际变形监测数据，对BP神经网络、小波神经网络、改进的小波神经网络三种模型编程进行仿真训练，对去噪后的累积沉降值进行了预测，并与变形监测观测所得到的数据进行比较。结果表明：小波神经网络和改进的小波神经网络预测模型预测精度比BP神经网络的高，其中改进的小波神经网络模型的预测结果更接近实际观测值，该网络模型在城市地铁变形预测中有很好的应用价值。