【技术实现步骤摘要】
本专利技术涉及无线电台站通信，尤其是涉及一种机器学习与蠕变规律融合的长期沉降预测方法。
技术介绍
1、在荷载作用下，地基沉降的发展可以分为两个阶段：短期沉降和长期沉降。地基的长期沉降，主要由土的蠕变特性引起，当地质条件良好、土层较硬时，长期沉降在总沉降中所占比例较小，在工程计算中常常忽略或者以某一经验公式加以估计即可。当地质条件较差或者工程中沉降控制要求较高时，例如沿海地区软土层的隧道、地铁建设，山区的高填方机场，填海岛礁的施工等，需建立较为精确的计算方法来预测蠕变引起的长期沉降，防止沉降灾害的发生。
2、目前，预测长期沉降的方法主要有三类：一是通过室内试验得到土的力学特性，选取土的蠕变本构模型，建立地基长期沉降计算的有限元模型。但由于蠕变本构模型的参数标定较为困难，地基的初始应力往往难以可靠地确定，有限元法计算工作量大，对工程技术人员的素质要求很高，所以该方法在工程实际中未能得到普遍应用，目前主要用于重要工程、重点地段的长期沉降预测以及高校等研究机构进行长期沉降机理分析研究。
3、二是对实测数据进行处理，通过数...
【技术保护点】
1.一种机器学习与蠕变规律融合的长期沉降预测方法，其特征在于：包括机器学习与蠕变规律融合的长期沉降预测方法，通过时效权重系数预处理沉降数据，用神经网络拟合沉降数据，再通过蠕变公式实现长期沉降的预测，具体包括以下步骤：
2.根据权利要求1所述的一种机器学习与蠕变规律融合的长期沉降预测方法，其特征在于：提出时效权重系数x，根据蠕变规律提出时效预测区间理论，时效权重系数x对沉降数据的时效性和规律性进行兼顾，沉降数据中x对应的比例越小，沉降数据的时效性越好；沉降数据中x对应的比例越大，沉降数据的规律性越好；
3.根据权利要求1所述的一种机器学习与蠕变规...
【技术特征摘要】
1.一种机器学习与蠕变规律融合的长期沉降预测方法，其特征在于：包括机器学习与蠕变规律融合的长期沉降预测方法，通过时效权重系数预处理沉降数据，用神经网络拟合沉降数据，再通过蠕变公式实现长期沉降的预测，具体包括以下步骤：
2.根据权利要求1所述的一种机器学习与蠕变规律融合的长期沉降预测方法，其特征在于：提出时效权重系数x，根据蠕变规律提出时效预测区间理论，时效权重系数x对沉降数据的时效性和规律性进行兼顾，沉降数据中x对应的比例越小，沉降数据的时效性越好；沉降数据中x对应的比例越大，沉降数据的规律性越好；
3.根据权利要求1所述的一种机器学习与蠕变规律融合的长期沉降预测方法，其特征在于：在步骤s1中，沉降数据的获取通过沉降监测装置获取一定时间的沉降数据，沉降监测装置分散部署多个监测点位来减小误差，同时使用基准点辅助，通过载波相位差分，结算以及平差得到精确的测量数据，将测量数据存...
【专利技术属性】
技术研发人员：姚仰平，吕彦培，陈凯，崔文杰，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。