导读:本文包含了施工预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,盾构,隧道,模型,挖泥船,挠度,灰色。
施工预测论文文献综述
岳岭,刘方,刘辉,曹利强[1]（2020）在《基于人工神经网络的大直径盾构隧道施工地层变形预测分析》一文中研究指出为了预测盾构施工引起的地表沉降规律,以京张高铁清华园大直径泥水盾构隧道工程为背景,结合盾构试验段隧道掘进过程中地层变形的监测数据,建立基于时间序列的NARNN(不含外部输入)和NARXNN(含外部输入)非线性自回归神经网络预测模型,对重要监测断面测点的隧道掘进过程中地表沉降发展趋势进行预测分析,并与传统时间序列ARMA模型预测结果进行对比,发现NARNN模型、NARXN模型、NARMA模型的预测结果与现场监测数据都比较吻合,而NARNN和NARXN非线性自回归神经网络预测模型精度明显高于传统时间序列ARMA模型,而考虑外部输入的NARXNN模型又比不考虑外部输入的NARNN精度高。因此,在考虑施工方法、地质条件和空间效应(埋深)等外部因素条件下建立的NARXNN模型具有良好的预测效果,能够较好地模拟盾构施工引起的地表沉降规律。(本文来源于《铁道标准设计》期刊2020年01期）
王柳艳,陈新华,王伟[2]（2019）在《基于RBF神经网络的绞吸挖泥船施工产量预测研究及分析》一文中研究指出由于绞吸挖泥船的疏浚作业过程复杂,以往国内外学者大多从利用绞吸挖泥船关键设备的工作特性来开展相关研究并建立其数学模型,但从基本原理上建立绞吸挖泥船控制系统这样一个多参数、非线性、大时滞系统的输入输出模型是不准确的且不能满足实际控制系统的需要。文中采用数据驱动的方法解决绞吸挖泥船控制系统中控制变量与瞬时产量之间的黑盒问题。实验结果表明:在不同工况条件下,RBF神经网络的预测结果可靠性强,该模型可为下一步模型预测控制提供精确的非线性数学模型。(本文来源于《中国港湾建设》期刊2019年12期）
徐婷,戴文伯,鲁嘉俊[3]（2019）在《基于自动识别系统大数据的船舶施工轨迹识别与预测》一文中研究指出针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。(本文来源于《水运工程》期刊2019年12期）
赵毅,魏纲,张鑫海[4]（2019）在《矩形盾构隧道施工引起的土体竖向位移预测》一文中研究指出对矩形盾构隧道施工引起的土体竖向位移进行研究。建立了矩形盾构隧道施工计算模型并讨论了开挖面收敛模式,利用Mindlin解和随机介质理论,提出了考虑多因素的土体竖向位移计算公式。算例分析结果表明,矩形盾构隧道施工引起的地表沉降中,盾壳摩擦力和土体损失的影响较大;正面附加推力左右不均匀时,会造成前方地表隆起左右不均匀;不同深度处土体沉降存在差异,随着深度越大,土体沉降越大;不同收敛模式下土体沉降也存在一定差异。(本文来源于《低温建筑技术》期刊2019年11期）
严磊[5]（2019）在《基于灰色预测模型的桥梁施工挠度监控研究》一文中研究指出桥梁施工监控中,桥梁挠度及应力变化情况是重点监控内容。现实中,通常通过实时监控数据、及时修改设计误差、调整计算模型等来消除大部分不确定因素,但是工作量较大。本文在灰色模型理论的基础上,通过建立灰色GM(1,1)模型对桥梁施工中挠度的变化进行预测,并与实测值进行比较。结论表明,灰色预测模型可以较好的预测施工中挠度的变化,为下一施工阶段提供参考依据。(本文来源于《中国水运(下半月)》期刊2019年11期）
张寿彪[6]（2019）在《建筑工程施工进度预测与管理中BIM技术的应用分析》一文中研究指出随着国家经济的发展,对于建筑行业的需求很大,城镇化进程进一步加快,在此背景之下建筑工程进度预测以及管理也有待提高,BIM技术对于工程进度预测以及管理很有帮助,影响着项目的安全、质量、成本以及工期长短。BIM技术在建筑行业之中是一个非常复杂的系统,但是也是解决建筑行业各种问题的利器,它可以促进建筑行业不断向前发展,起到缩短工期、降低成本、促进高效率施工等作用。文章主要讲述的就是BIM技术在建筑施工进度预测以及管理中的应用。(本文来源于《住宅与房地产》期刊2019年31期）
孙建,王旭春,杨怀远,胡瑞[7]（2019）在《上软下硬地层下盾构法施工的Peck预测公式修正》一文中研究指出以青岛地铁一号线某区间地表沉降实测数据为基础,采用回归分析方法并引入最大地表沉降修正系数、沉降槽宽度修正系数对Peck预测公式进行修正,得出适用于该区间上软下硬地层盾构法施工的Peck预测公式,研究表明:对该区间进行回归分析得到的沉降规律与实测数据较吻合,说明采用线性回归方法能较好预测该区间盾构隧道施工引起的地表沉降规律,当α在0.2～0.5区间,β在0.9～1.3区间时,所得到的修正Peck预测公式可以较准确预测该区间盾构隧道施工引起的地表沉降。(本文来源于《低温建筑技术》期刊2019年10期）
孟江,李慧民,田卫[8]（2019）在《基于GA-BP的基坑施工引起隧道隆起变形预测研究》一文中研究指出通过遗传算法对BP神经网络的优化,结合郑州地铁1号线旁某深基坑工程施工的实际案例,建立深基坑施工引起邻近隧道隆起变形的预测模型,并通过MATLAB建模实现预测仿真。模型应用过程中利用"新陈代谢"的方法,根据实际监测情况不断调整样本数据,达到了实时预测的目的。研究结果表明:本文提出的预测模型对基坑施工过程中邻近隧道的隆起变形预测具有很高的准确性,并且对于不同的隧道截面具有很好的泛化能力,因此,对这类工程施工过程中,邻近隧道的安全运营具有一定的指导意义。(本文来源于《铁道科学与工程学报》期刊2019年10期）
谢志炜,冯鸿怀,许锐埼,李慧夫[9]（2019）在《基于线性回归的电网基建项目施工人次预测》一文中研究指出随着国家电力基础设施规划发展要求不断提升,国家相关单位对电网基建项目的投资规模与数量愈来愈大。为了确保项目能够按照计划开展与完成,对施工力量的预测显得尤为重要,进而提前为所需配备足够的施工力量提供参考。同时,施工人次是对一段时间内施工力量投入的描述量。但由于现场对于施工人次的统计通常存在一定的异常值,会对预测结果造成直接影响。因此,针对这些问题,本文提出了一种基于线性回归的基建项目施工人次预测方法,首先利用残差分析法对现场数据进行预处理,随后通过建立线性回归的预测模型进行预测,并和BP神经网络算法进行比较,以证明本文的可行性与精确性。(本文来源于《现代信息科技》期刊2019年19期）
陈佳琪,宋冀龙[10]（2019）在《残差修正GM(1,1)模型在房屋建筑施工面积预测中的应用》一文中研究指出房屋建筑施工面积可以有效反映建筑业的现实状况,对房屋建筑施工面积的预测结果可以为政府、企业在未来的策略方案提供更加有效的参考。采用传统GM(1,1)模型和改进后的残差修正GM(1,1)模型分别对房屋建筑面积统计数据进行预测,通过两种模型预测的结果,可以得出改进后的残差修正GM(1,1)模型可以在一定程度上减少误差,可以更有效地对房屋建筑面积进行预测。(本文来源于《科技创新与应用》期刊2019年27期）
施工预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于绞吸挖泥船的疏浚作业过程复杂,以往国内外学者大多从利用绞吸挖泥船关键设备的工作特性来开展相关研究并建立其数学模型,但从基本原理上建立绞吸挖泥船控制系统这样一个多参数、非线性、大时滞系统的输入输出模型是不准确的且不能满足实际控制系统的需要。文中采用数据驱动的方法解决绞吸挖泥船控制系统中控制变量与瞬时产量之间的黑盒问题。实验结果表明:在不同工况条件下,RBF神经网络的预测结果可靠性强,该模型可为下一步模型预测控制提供精确的非线性数学模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
施工预测论文参考文献
[1].岳岭,刘方,刘辉,曹利强.基于人工神经网络的大直径盾构隧道施工地层变形预测分析[J].铁道标准设计.2020
[2].王柳艳,陈新华,王伟.基于RBF神经网络的绞吸挖泥船施工产量预测研究及分析[J].中国港湾建设.2019
[3].徐婷,戴文伯,鲁嘉俊.基于自动识别系统大数据的船舶施工轨迹识别与预测[J].水运工程.2019
[4].赵毅,魏纲,张鑫海.矩形盾构隧道施工引起的土体竖向位移预测[J].低温建筑技术.2019
[5].严磊.基于灰色预测模型的桥梁施工挠度监控研究[J].中国水运(下半月).2019
[6].张寿彪.建筑工程施工进度预测与管理中BIM技术的应用分析[J].住宅与房地产.2019
[7].孙建,王旭春,杨怀远,胡瑞.上软下硬地层下盾构法施工的Peck预测公式修正[J].低温建筑技术.2019
[8].孟江,李慧民,田卫.基于GA-BP的基坑施工引起隧道隆起变形预测研究[J].铁道科学与工程学报.2019
[9].谢志炜,冯鸿怀,许锐埼,李慧夫.基于线性回归的电网基建项目施工人次预测[J].现代信息科技.2019
[10].陈佳琪,宋冀龙.残差修正GM(1,1)模型在房屋建筑施工面积预测中的应用[J].科技创新与应用.2019
论文知识图
