-
题名大型建筑物沉降变形的动态预测方法研究
- 1
-
-
作者
白洪伟
王华
李进
穆星
吴满意
-
机构
宿州学院安徽省煤矿勘探工程技术研究中心
国家测绘地理信息局第一地形测量队
-
出处
《河北北方学院学报（自然科学版）》
2016年第5期16-20,共5页
-
基金
卫星测绘技术与应用国家测绘地理信息局重点实验室经费资助项目(KLSMTA-201304)
安徽省大学生创新创业训练计划项目(201510379046
+3 种基金
201510379084)
宿州学院卓越人才教育培养计划(szxy2015zjjh01)
宿州学院一般科研项目(2014yyb07)
2015年宿州区域发展协同创新中心学生开放课题(2015SZXTXSKF11)
-
文摘
目的精准预测建筑物沉降的规律及建筑物的变形。方法小波神经网络具有良好的时频局域化性质和神经网络的自学习功能。通过小波分解进行平移和伸缩变换后得到的级数,具有小波分解的一般逼近函数的性质,因此可以用来预报。回归分析的方法可以定量地分析出变型设计过程中设计变量与性能指标之间相互依赖的不确定关系,以此揭示出产品性能指标与影响其值变化的设计变量之间的内在关系。对回归分析模型和小波神经网络模型做简单介绍,以宿州市某建筑大楼的沉降点观测数据为例,对2种模型的预测结果进行检验,在变形监测中分析其精度和可行性。结果回归分析模型预测误差最大值为-0.4 mm,最小值为0.1 mm;小波神经网络模型预测误差最大值为-0.21 mm,最小值为-0.01 mm。结论通过实例证明了2种模型的可行性,为变形分析中将影响变形的直接因素纳入模型提供了一定的参考。由于不同建筑物的荷载情况等因素的差异,模型的运用可能有一定的局限性,仍需要大量的实例进行验证,在有些情况下需要将荷载因子进行变换,才能获得较好的拟合度。
-
关键词
变形预测
回归分析模型
小波神经网络分析模型
-
Keywords
deformation prediction
regression analysis model
wavelet neural network analysis model
-
分类号
TU433
[建筑科学—岩土工程]
-
