为更加准确有效地进行桥梁桩基托换工程的墩台沉降数值预测,针对传统BP(Back Propagation)神经网络随机赋值、收敛速度慢等问题,提出了多步滚动算法(Multi-step Rolling Algorithm,MRA)优化的BP神经网络预测模型。以南京市某隧道穿越高...为更加准确有效地进行桥梁桩基托换工程的墩台沉降数值预测,针对传统BP(Back Propagation)神经网络随机赋值、收敛速度慢等问题,提出了多步滚动算法(Multi-step Rolling Algorithm,MRA)优化的BP神经网络预测模型。以南京市某隧道穿越高架桥桩基础工程沉降监测为研究背景,采用MRA-BP神经网络针对桥墩西侧匝道下JC10-13、JC10-14最大沉降监测点进行沉降预测,并与传统BP预测模型对比,对预测结果进行准确度分析。结果表明:MRA-BP神经网络预测模型在JC10-13和JC10-14监测点拟合优度R^(2)的数值均在0.85左右,相比传统BP预测模型提高了0.33,均方误差MSE控制在0.04左右,预测5#桥墩西侧匝道的沉降最终将稳定在25.5mm。MRA-BP神经网络预测模型适用于桩基托换桥墩沉降预测,能够为桥梁墩台施工建设提供更可靠的预测值,为既有建筑和托换结构进行有效变形控制提供依据。展开更多
文摘为更加准确有效地进行桥梁桩基托换工程的墩台沉降数值预测,针对传统BP(Back Propagation)神经网络随机赋值、收敛速度慢等问题,提出了多步滚动算法(Multi-step Rolling Algorithm,MRA)优化的BP神经网络预测模型。以南京市某隧道穿越高架桥桩基础工程沉降监测为研究背景,采用MRA-BP神经网络针对桥墩西侧匝道下JC10-13、JC10-14最大沉降监测点进行沉降预测,并与传统BP预测模型对比,对预测结果进行准确度分析。结果表明:MRA-BP神经网络预测模型在JC10-13和JC10-14监测点拟合优度R^(2)的数值均在0.85左右,相比传统BP预测模型提高了0.33,均方误差MSE控制在0.04左右,预测5#桥墩西侧匝道的沉降最终将稳定在25.5mm。MRA-BP神经网络预测模型适用于桩基托换桥墩沉降预测,能够为桥梁墩台施工建设提供更可靠的预测值,为既有建筑和托换结构进行有效变形控制提供依据。
