深基坑施工变形预测VAR建模与应用分析

›› 2012, Vol. 33 ›› Issue (S2): 395-400.

深基坑施工变形预测VAR建模与应用分析

代春泉^{1, 2}，王磊^{1, 2}

1. 山东科技大学土木建筑学院, 山东青岛 266590；2. 山东科技大学山东省土木工程防灾减灾重点实验室，山东青岛 266590

收稿日期:2012-10-23 出版日期:2012-11-22 发布日期:2012-12-11
作者简介:代春泉，男，1978年生，博士，主要从事岩石力学理论与应用方面的研究
基金资助:
国家自然科学基金资助（No. 51174128）

VAR modeling of construction deformation prediction of deep foundation pit and application

DAI Chun-quan^{1, 2}，WANG Lei^{1, 2}

1. College of Civil Engineering and Architecture, Shandong University of Science and Technology, Qingdao, Shandong 266510, China; 2. Shandong Provincial Key Laboratory of Civil Engineering Disaster Prevention and Mitigation, Shandong University of Science and Technology, Qingdao, Shandong 266510, China

Received:2012-10-23 Online:2012-11-22 Published:2012-12-11

摘要/Abstract

摘要： 在实际施工过程中，基坑变形发展与多种因素有关，很难用力学模型进行定量分析，而根据已有的监测数据建立模型预测未来一段时间内的变形发展趋势，进而对当前施工方案进行评价、调整，方法更可靠。首先，分析深基坑施工实际监测数据的发展规律，由经济预向量自回归测VAR模型（vector auto regression，VAR）建立基坑施工变形预测VAR模型，并结合监测数据进行模型精度评价和预测比分析。根据分析结果，模型精度排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型，模型预测比排序为：VAR模型＞新陈代谢模型＞神经网络模型＞GM(1, 1)模型。

关键词: 深基坑, 变形预测, 向量自回归VAR模型, 精度, 预测比

Abstract: During the practical construction, deformation development of foundation pit is related to many factors. It is hard to make quantitative analysis with mechanical model. So we can make model based on measured value to predict the deformation trend in a short future time. This model can be used to evaluate and adjust the current construction scheme. Firstly, the characteristics of measured deformation are given. Then the vector auto regression (VAR) model of foundation pit deformation prediction is made by economy prediction VAR model. Lastly, the VAR model precision and prediction ratio are given with measured data. From the prediction analysis, the model precision sorting is VAR model, metabolism model, neural network model and GM(1,1) model. And the prediction ratio sorting is VAR model, metabolism model, neural network model and GM(1, 1) model.

Key words: deep foundation pit, deformation prediction, VAR model, precision, prediction ratio

中图分类号:

TU 470

代春泉，王磊 . 深基坑施工变形预测VAR建模与应用分析[J]. , 2012, 33(S2): 395-400.

DAI Chun-quan ，WANG Lei . VAR modeling of construction deformation prediction of deep foundation pit and application[J]. , 2012, 33(S2): 395-400.

参考文献

相关文章 15

[1]	王忠凯, 徐光黎. 盾构掘进、离开施工阶段对地表变形的影响范围及量化预测[J]. 岩土力学, 2020, 41(1): 285-294.
[2]	谷淡平, 凌同华, . 悬臂式型钢水泥土搅拌墙的水泥土承载比和墙顶位移分析[J]. 岩土力学, 2019, 40(5): 1957-1965.
[3]	刘念武, 陈奕天, 龚晓南, 俞济涛, . 软土深开挖致地铁车站基坑及邻近建筑变形特性研究[J]. 岩土力学, 2019, 40(4): 1515-1525.
[4]	李连祥, 刘嘉典, 李克金, 黄亨利, 季相凯, . 济南典型地层HSS参数选取及适用性研究[J]. 岩土力学, 2019, 40(10): 4021-4029.
[5]	陈磊, 赵学胜, 汤益先, 张红, . 结合InSAR的幂指数Knothe模型参数拟合与评估[J]. 岩土力学, 2018, 39(S2): 423-431.
[6]	姚仰平，王俊博. 北斗卫星定位在机场高填方远程变形监测中的应用[J]. , 2018, 39(S1): 419-424.
[7]	周勇，朱亚薇, . 深基坑桩锚支护结构和土体之间协同作用[J]. , 2018, 39(9): 3246-3252.
[8]	贾金青，高军程，涂兵雄，张磊，王海涛，高仁哲,. 深基坑中压力型预应力锚杆柔性支护结构的离心模型试验研究[J]. , 2017, 38(S2): 304-310.
[9]	刘泉声，蒋亚龙，何军. 非连续变形分析的精度改进方法及研究趋势[J]. , 2017, 38(6): 1746-171.
[10]	常艳，雷振坤，赵红华，于绅坤, . 熔融石英粒径对透明土位移测量精度的影响[J]. , 2017, 38(2): 493-500.
[11]	曾超峰，薛秀丽，郑刚，. 软土区基坑预降水引起支护墙侧移的典型参数影响研究[J]. , 2017, 38(11): 3295-3303.
[12]	曾超峰，薛秀丽，郑刚,. 软土地基渗透性条件对基坑预降水过程中支护墙侧移的影响研究[J]. , 2017, 38(10): 3039-3047.
[13]	孟蒙，陈智强，黄达，曾彬，陈赐金，. 基于H-P滤波法、ARIMA和VAR模型的库区滑坡位移综合预测[J]. , 2016, 37(S2): 552-560.
[14]	庄海洋，张艳书，薛栩超，徐烨,. 深软场地地铁狭长深基坑变形特征实测与已有统计结果的对比分析[J]. , 2016, 37(S2): 561-570.
[15]	张戈，毛海和. 软土地区深基坑围护结构综合刚度研究[J]. , 2016, 37(5): 1467-1474.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	陶干强，杨仕教，任凤玉. 崩落矿岩散粒体流动性能试验研究[J]. , 2009, 30(10): 2950 -2954 .
[2]	张文杰，陈云敏. 垃圾填埋场抽水试验及降水方案设计[J]. , 2010, 31(1): 211 -215 .
[3]	宫伟力，安里千，赵海燕，毛灵涛. 基于图像描述的煤岩裂隙CT图像多尺度特征[J]. , 2010, 31(2): 371 -376 .
[4]	万智，董辉，刘宝琛. 基于正交设计下SVM滑坡变形时序回归预测的超参数选择[J]. , 2010, 31(2): 503 -508 .
[5]	谭峰屹，姜志全，李仲秋，颜惠和. 附加质量法在昆明新机场填料压实密度检测中的应用研究[J]. , 2010, 31(7): 2214 -2218 .
[6]	柴波，殷坤龙，肖拥军. 巴东新城区库岸斜坡软弱带特征[J]. , 2010, 31(8): 2501 -2506 .
[7]	杨召亮，孙冠华，郑宏. 基于潘氏极大值原理的边坡稳定性的整体分析法[J]. , 2011, 32(2): 559 -563 .
[8]	王光进，杨春和，张超，马洪岭，孔祥云，侯克鹏. 超高排土场的粒径分级及其边坡稳定性分析研究[J]. , 2011, 32(3): 905 -913 .
[9]	李敏，柴寿喜，王晓燕，魏丽. 以强度增长率评价麦秸秆加筋盐渍土的加筋效果[J]. , 2011, 32(4): 1051 -1056 .
[10]	徐冲，刘保国，刘开云，郭佳奇. 基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型[J]. , 2011, 32(6): 1669 -1675 .