基于RAGA的指数曲线模型预测基桩承载力

›› 2009, Vol. 30 ›› Issue (1): 139-142.

基于RAGA的指数曲线模型预测基桩承载力

许小健，钱德玲，郭文爱，王鉴

合肥工业大学土木建筑工程学院，合肥 230009

收稿日期:2007-04-09 出版日期:2009-01-10 发布日期:2011-01-14
作者简介:许小健，男，1984年生，硕士研究生，从事地基基础数值计算方面的研究。

Application of RAGA-based exponential curve model in prediction of pile limit bearing capacity

XU Xiao-jian, QIAN De-ling, GUO Wen-ai, WANG Jian

School of Civil Engineering, Hefei University of Technology, Hefei 230009, China

Received:2007-04-09 Online:2009-01-10 Published:2011-01-14

摘要/Abstract

摘要：

预测挤扩支盘桩单桩极限承载力指数曲线模型的函数表达式是一个超定非线性方程。采用传统的最小二乘法对该模型参数进行回归处理时，往往由于计算复杂和人为因素的影响使预测结果存在较大的误差。为此，用实数编码加速遗传算法（RAGA），对指数曲线模型的参数和理论极限承载力进行优化，并基于MATLAB环境下编写了模型的计算程序。结合工程实例，应用指数曲线模型对挤扩支盘桩静载荷试验实测数据进行了拟合分析。结果表明，基于RAGA的指数曲线优化模型能够更好地拟合实测数据和有效地预测单桩极限承载力，且基于RAGA的指数曲线优化模型具有求解速度快、计算精度和自动化程度高、人为干扰因素小、通用性强等优点。

关键词: 指数曲线模型, 参数优化, 遗传算法, 单桩极限承载力, 支盘桩

Abstract:

The equation of exponential curve model, which used to predict single pile limit bearing capacity, is super-set and nonlinear. Traditional optimization methods including the least squares method on the parameters regression of the exponential curve model often make the predicted results with a great deviation because of computational complexity and artificial factors. Therefore, the real coding based accelerating genetic algorithm (RAGA) is used to optimize the parameters and theoretical limit bearing capacity of exponential curve model. The RAGA solution program is compiled in the software MATLAB environment. Then some contrastive model applications to branch-piles is given. The results show that the RAGA based exponential curve model can better fit the measured data and effectively predict the limit bearing capacity, and RAGA is a high effective algorithm with many good properties such as high efficiency, high precision, fast computing speed, small artificial factors, etc.

Key words: exponential curve model, parameter optimization, genetic algorithm, single pile limit bearing capacity, pile with expanded branches and plates

中图分类号:

O 143

许小健，钱德玲，郭文爱，王鉴. 基于RAGA的指数曲线模型预测基桩承载力[J]. , 2009, 30(1): 139-142.

XU Xiao-jian, QIAN De-ling, GUO Wen-ai, WANG Jian. Application of RAGA-based exponential curve model in prediction of pile limit bearing capacity[J]. , 2009, 30(1): 139-142.

参考文献

相关文章 15

[1]	崔学杰, 晏鄂川, 陈武. 基于改进遗传算法的岩体结构面产状聚类分析[J]. 岩土力学, 2019, 40(S1): 374-380.
[2]	王伟, 陈国庆, 郑水全, 张广泽, 王栋, . 考虑张拉-剪切渐进破坏的边坡矢量和法研究[J]. 岩土力学, 2019, 40(S1): 468-476.
[3]	马春辉, 杨杰, 程琳, 李婷, 李雅琦, . 基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J]. 岩土力学, 2019, 40(6): 2397-2406.
[4]	温树杰，梁超，宋亮亮，刘刚,. 基于最小势能法的三维临界滑裂面搜索方法[J]. , 2018, 39(7): 2708-2714.
[5]	王伟，杨敏，上官士青，. 控制差异沉降的桩筏基础桩径优化分析方法[J]. , 2015, 36(S2): 178-184.
[6]	陆沛青，李根生，黄中伟，宋先知，盛茂，贺振国. 煤层脉动水力压裂动静态响应数值模型及求解[J]. , 2015, 36(5): 1471-1480.
[7]	李忠，杨俊 , . 基于MPGA的复杂应力状态边坡稳定性分析[J]. , 2015, 36(5): 1488-1495.
[8]	李宁，王李管，贾明涛，陈建宏，谭正华,. 改进遗传算法和支持向量机的岩体结构面聚类分析[J]. , 2014, 35(S2): 405-411.
[9]	邱道宏，李术才，薛翊国，田昊，闫茂旺，. 基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究[J]. , 2014, 35(7): 2013-2018.
[10]	林永生，陈胜宏. 基于有限元计算的边坡三维滑裂面搜索[J]. , 2013, 34(4): 1191-1196.
[11]	袁文华. 人工冻土黏弹塑性本构参数反分析研究[J]. , 2013, 34(11): 3091-3095.
[12]	李南生，唐博，谈风婕，谢利辉. 基于统一强度理论的土石坝边坡稳定分析遗传算法[J]. , 2013, 34(1): 243-249.
[13]	张乐文，张德永，李术才，邱道宏. 基于粗糙集理论的遗传-RBF神经网络在岩爆预测中的应用[J]. , 2012, 33(S1): 270-276.
[14]	石露，李小春，孙冠华，白冰. 地下矿体采动下的露天采场边坡稳定性研究[J]. , 2012, 33(3): 812-820.
[15]	史永强，赵俭斌，杨军. 基于主成分分析的优化神经网络模型及静压管桩单桩极限承载力预测[J]. , 2011, 32(S2): 634-640.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed