基于PSO-BP神经网络逆转土壤参数的深坑的数值模拟和变形预测
Qingwang Li1, Feng Cheng1, Xinran Zhang1
1School of Architecture and Transportation Engineering, Guilin University of Electronic Science and Technology, Guilin 541004, China.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
准确的深坑变形预测依赖于精确的土壤参数. 这项研究将数值模拟与PSO-BP神经网络集成在一起,以动态更新土壤参数,提高挖掘期间的预测准确性.
科学领域:
- 地质技术工程 地质技术工程
- 计算力学 计算力学 计算力学
- 人工智能的人工智能
背景情况:
- 深坑的有限元分析对土壤参数敏感,影响变形预测的准确性.
- 准确的土壤参数对于可靠的深坑变形预测至关重要.
研究的目的:
- 通过优化土壤层参数来开发用于预测深坑变形的动态方法.
- 提高深坑挖掘监测和分析的准确性和效率.
主要方法:
- 参数组合选择的直角实验设计.
- PLAXIS 3D用于数值模拟坑变形.
- 粒子集群优化 (PSO) -反向传播 (BP) 神经网络用于反向计算土壤参数.
主要成果:
- PSO-BP神经网络改善了合速度,并避免了参数反转中的局部最佳值.
- PLAXIS 3D 模拟准确地反映了支结构的动态位移变化.
- 实时参数更新减少了测量和模拟堆位移之间的绝对误差.
结论:
- 使用现场测量逆转土壤参数为动态深坑挖掘预测提供了一种可行的方法.
- 综合模拟和优化方法提高了变形预测的可靠性.
- 结果为在类似的地质工程项目中选择土壤参数提供了宝贵的见解.
