丁斌开题报告

选择打（√）

2、国家经贸委项目（  ）；

3、国家自然科学基金项目（  ）；

4、其它部委项目（  ）；

6、省，市，自治区项目（  ）；

7、学校级项目（  ）；

8、自选项目（ √ ）；9、其它（  ）。

经  费

1. 论文的选题依据，本课题在国内外的研究动态；

2. 课题在理论或实际应用方面的意义、价值以及可能达到的水平；

3. 本人对此课题开展研究的设想，拟解决哪些重点问题； 

4. 工作计划，技术路线，实验方案，预期结果；

5. 预计工作量及进度安排。

计划及报告具体内容：

1.选题背景和研究意义 

伴随着我国经济的快速发展，交通基础设施建设得到日益加强。特别是上世纪九十年代以来，我国高速公路建设已经进入一个崭新的时期。其中在建的很大一部分位于我国经济发达的沿海、沿江地区，这些地区存在着大量的软土，软土具有压缩性大、渗透性低、固结变形时间长等特点。在软土地基上修筑高速公路，沉降问题和稳定问题就显得尤为突出，其中沉降问题更为重要。沉降问题处理不好，施工期间易出现路堤滑塌等事故。运营期间，由于软基沉降或不均匀沉降，路面易出现沉陷，桥头发生跳车现象，轻者影响美观，重者会发生交通安全事故[1]。因此，研究软土地区高速公路路基沉降具有十分重要的意义。

软土地基沉降分析是土力学的重要研究课题。自从太沙基的一维固结理论[2]问世以来，从基于许多假设的太沙基固结理论到反映土体固结机理的比奥固结理论，土体固结沉降理论的研究取得了长足的发展，并在工程建设中发挥了巨大的指导作用。且随着计算机技术的进步，采用有限元等数值计算分析沉降已成为现实，但是软土地基沉降的课题仍然困扰着许多岩土工程技术人员[3][4][5]。

软土地基沉降分析主要指沉降的计算和沉降历程的预测两个方面内容[6][7]。目前采用的分析方法可划分为三种类型：第一类为经典的分层总和法，分层总和法建立在太沙基等人创立的经典土力学的基础上，其中引入了不少假设，该方法具有参数要求少且易取得、直观、简单的优点，因而在工程中得到了广泛的应用；第二类是数值计算方法，数值计算方法是近代土力学研究的产物，随着计算机应用的普及，人们可以将复杂的土工计算编制成计算程序，通过计算机运算，从而得到较为准确的结果。该方法可以全面地考虑土体的侧向变形、流变以及复杂的边界条件等等，理论上较严密。就一般工程而言，由于该方法所需的计算参数多且不易确定，而且对技术人员的素质和工程测试手段都提出了很高的要求，故很难应用到实际工程中。按照前两种理论计算出来的沉降量与实际沉降量往往不符。在这种情况下，第三者方法就显现出它独到的优势。实测资料预测法是根据前期实测资料推算后期沉降的方法。与前两种方法不同，它不仅能够推算出最终沉降量，还能对沉降进行全程跟踪预测。目前这类方法很多，如各类曲线拟合法、灰色理论预测法、Asaoka法、神经网络法等。这类方法既有它的理论基础，得出的结论往往较符合实际且能为工程接受。所以，基于实测沉降资料预测软土路基沉降一直是软土沉降研究的一个热点方向。

因此，在各地的高速公路建设过程中相继展开了规模较大的沉降监测工作，为软土路基的路基填筑稳定性控制、超载预压期的确定、工后沉降的评估以及沉降土方的计算等提供了大量的原始资料，给施工的组织、质量控制等提供了科学的依据。

由于软土地区高速公路建设过程的特殊性和差异性，沉降变形观测环境比一般建筑物复杂，影响的因素多。在实际操作过程中，导致沉降数据不准确的现象难以避免，如施工单位多采用塔尺的等外水准方法监测，这种方法在地基发生沉降只有几毫米时，很难获得真实的结果。即便是严格按照规程来操纵，由于仪器、气候条件的不同，监测数据也不可避免的存在误差，也称为监测噪声[8]。另外，软土路基的沉降变形过程也较为复杂。在监测资料的分析过程中，不可靠的监测数据使得分析结果出现较大的偏差和矛盾，所以必须保证沉降分析中所用到数据的准确性，就要对数据进行预处理分析，去除沉降变形时序中的“噪声”，提取沉降变形趋势，使得沉降分析建立在数据可靠的基础之上。

总而言之，我国高速公路的建设还处于起步阶段，修建高质量的高速公路对于吸引投资，促进经济的发展有着不可忽视的作用。如何控制工后沉降使其满足规范要求，就成为高速公路路基沉降中的首要问题。这就要求设计人员能够准确的预测路基的总沉降量。本课题就是在这样的背景下提出的，旨在对高速公路软土地基的沉降预测作一些探讨和研究。

2. 沉降计算和预测的研究现状

目前采用的地基沉降计算和预测方法有很多种，下面分别从计算方法和预测方法两个方面进行总结。

2.1沉降计算方法的研究现状

国内外关于软土路基沉降的计算方法很多，常见的几种计算地基总沉降量的方法有：

（一）分层总和法

分层总和法是工程中使用最多的沉降计算方法，基本原理是先求出地基土的竖向应力，然后利用室内试验测得的压缩曲线、压缩系数或压缩模量计算出各个分层的变形量，各个分层的沉降量总和即为地基的最终沉降量。由于分层总和法中所采用的计算参数都是在完全侧限条件下测到的，没有考虑土的侧向变形，且软土一般都具有明显的流变特性，分层总和法没有考虑由于流变引起的附加沉降量。故计算结果与实际观测值有一定的偏差。现有地基规范上提供的修正系数，几乎均不能有针对性地考虑软基中侧向位移对沉降的影响，在实际操作中给工程技术人员带来一定的困扰。

（二）应力路径法

19年Lambe提出了应力路径法[9]。他指出在荷载作用下，地基土中各点主应力值和方向都随荷载和时间的变化而变化，因此各点在固结过程中的应力状态差异较大，即应力路径不同，计算步骤可以分为下面几步：（1）选择需要计算的沉降点；（2）计算这些沉降点的初始自重应力和附加应力；（3）做三轴试验，土样先在自重应力下固结，再加上附加应力，量取在固结应力作用下的固结前后的垂直应变；（4）用量得的两种应变分别乘上土层厚度，即得到地基初始和固结沉降。由于应力路径法是根据弹性理论来预估地基土中应力的。它的不足之处是当所选取的计算点达到塑性状态时，计算结果不太合理，而且试验也无法进行。

（三）反分析方法

反分析方法是根据在工程现场实际测得的位移信息反演确定各类未知参数的理论和方法，然后再利用反演求出的参数计算路基沉降量。国内外通过位移反分析方法进行了广泛的路基沉降变形预测研究。在本构模型方面，反分析方法已由弹性模型发展到了弹塑性和粘弹塑性模型，弹塑性和粘弹塑性位移反分析方法的理论发展很快，但实际运用中存在诸多困难，主要是隐式非线性问题只能用直接法确定最优参数值。反分析计算需要可靠和完整的观测数据，反算某些参数时，对其他一些辅助参数要进行实测或者估计。反分析首先要对整个反分析数学模型做某种假定，这些假定的合理性将直接影响反分析结果的准确程度，在反分析的模型选择、介质特性假定等方面，经验的工程判断将起到重要作用。这样就会给反分析法计算路基沉降量带来一定的误差。近年来，众多的国内外学者对此做了更进一步的探讨[10][11]。

（四）有限单元法

有限单元法将路基和路堤看作一个整体来划分网格，形成离散体系，在荷载作用下算出任何刻路基和路堤各点的位移和应力。其中路基顶面的竖向位移就是所求的路基最终沉降量。该法能够考虑路基的二维甚至三维变形，因此可以较好的反映侧向变形对沉降的影响。同时它还可以考虑应力历史、路基与路堤相互作用、复杂的边界条件、施工中的逐级加载、土层的各向异性等因素对变形的影响。有限单元法除了可采用非线性弹性、弹塑性等多种描述土体应力-应变关系的模型外，目前已能考虑更复杂的土体本构关系，如考虑流变的粘弹-塑性模型[12]。另外还在固结计算时采用比奥固结理论，可以避免一维固结计算的部分弊端，从理论上说有限单元法是一种较为完善的方法。不足之处在于，在计算大变形时还存在一定的困难，计算工作量大，计算误差较大，模型计算中所需要的计算参数多且确定困难。有限单元法随着计算机的不断发展受到人们的重视，但目前在我国仅用于理论研究和重大工程路基沉降计算。

（五）无单元法

无单元作为一种新的数值方法，与传统有限元法相比，其优点主要体现在[13]：（1）前处理简单。它只要求各个结点信息而不要求描述结点间的相互关系，当使用随机生成结点的方法时，前处理工作还将进一步得到简化；（2）计算精度高。计算结果表明无单元的精度较有限元有较大的提高，有时结果非常接近理论解，并具有高阶的连续性。尤其在局部高梯度、材料的泊松比接近0.50或有限元可能产生网格锁死或体积锁死等现象时，无单元法仍然获得高精度；（3）对应力集中和裂纹扩展问题，无单元法具有独特的优势。用传统有限元法来处理裂纹扩展时，通常要修改网格以适应扩展后拓扑边界的变化，而无单元法只要沿着裂纹可能扩展的方向布置结点或在开裂点附近加密布置结点，就可以方便地跟踪裂纹的扩展过程。无单元法种类比较多，它们已成功地解决不少问题。目前，己有不少学者用无单元法来解比奥固结问题，并取得满意的结果[14][15]。当然，无单元法为软基沉降计算提供了新方法。无单元法的突出优点决定了它将有更广阔的发展空间和应用前景。另外，边界元法[16]在软基沉降计算中也有一定的应用。

2.2 沉降预测方法的研究现状[17]

由于软土的特性，土体本身性质的变异性很大，取样时又受到很多因素的干扰，理论上的计算沉降量与实际情况相差较大。故利用沉降实测数据来推算路基的沉降量具有重要意义。基于实测资料推算沉降量的方法主要有经验公式法、Asaoka 法、灰色系统法、遗传算法和神经网络法等。这些方法形式简单，分析结果较为合理，且容易被普通工程技术人员掌握，在工程实际应用中积累了很多经验。

（一）经验公式法

经验公式法即曲线拟合法，是采用与沉降曲线相似的曲线对沉降过程进行拟合，然后外延推求最终沉降量。曲线拟合法包括双曲线法、指数曲线法、抛物线法、泊松曲线法等等。其中前三种预测方法是纯经验的曲线拟合法。泊松曲线法则是根据德国生物学家Verhulst的生物繁衍与人口增长特性提出的，又称为Verhulst沉降预测模型。该模型曲线开始段增长缓慢，中间段增长较快，末端增长趋势越来越小，这一规律符合饱和粘土的沉降-时间发展关系。李国维等[18][19]对双曲线法进一步进行了研究，对影响预测的因素进行了分析，并且提出了在分级加载情况下路基沉降预测的方法。王志亮[20]通过对指数曲线的研究，提出了多级荷载作用下耦合流变项的指数曲线模型，考虑土体的流变特性，能较合理地反映出土体骨架的蠕变过程，给出不同时刻的次压缩量，且能将整个沉降过程中的流变沉降量提取出来，直接计算出流变项在整个沉降过程中所占的比例。梅国雄、宰金珉[21]首次将生物和人类学中的增长曲线模型引入到沉降预测中，并且分别从土体的一维固结理论角度和本构关系角度对沉降——时间曲线呈“S”型予以证明。王志亮[22]在此基础上还提出了多级荷载作用下的增长曲线模型和耦合流变项的增长曲线模型，使得对该模型的研究更进了一步。常方强[23]通过分析软基路堤沉降和Verhulst模型的特征发现，软基路堤沉降随时间的变化曲线与Verhulst模型曲线相似。根据泉州安吉路软基试验段路堤沉降观测值，采用Verhulst模型对其进行沉降预测，证实模型可用于最终沉降的预测。

（二）Asaoka 法

Asaoka 法是由日本学者Asaoka[24]于1978 年提出的，又称图解法，该方法可以作为路基最终沉降量的一种简便预测方法，优点在于可利用较短周期的观测资料就可以得到较为可靠的沉降推算值。还可以对是否已进入次固结阶段进行判断，并进行次固结沉降的推算。但时间间隔的划分对其预测的沉降量影响较为敏感。王志亮[25]对Asaoka的应用进行了研究，提出采用抛物线插值实现数据的等间距处理，采用最小二乘法进行数据处理，并编写了相应的预测程序，对多级荷载作用下各级荷载的最终沉降量求法进行了叙述。

（三）遗传算法

软土路基沉降非线性模型的参数识别实质上是一个优化问题，遗传算法[26][27]是处理复杂优化问题的理想方法。同常规优化方法相比，遗传算法并不直接和模型参数接触，而是处理代表参数的编码，遗传算法在整个操作过程中，控制着一个解群而不仅局限于一个点。这大大提高了搜索效率，并可避免陷入局部极值。在求解时，不计算目标函数的微分，故对目标函数和约束条件没有苛求，这在处理高度非线性问题方面与传统方法相比具有明显的优势。

（四）灰色系统法

灰色系统理论是华中科技大学邓聚龙教授[28]首先提出的，灰色系统针对研究对象“小样本”、“贫信息”的特点，通过观测得到的较少信息，建立所需微分方程的动态模型，进一步认识结构的形态和运行机制。在沉降预测方面，也已有了很多的研究。石世云[29]研究了多变量灰色模型在沉降预测中的应用，将单点的GM（1,1）型扩展为多点的MGM（1, n）模型，通过沉降实例分析证明了MGM（1, n）模型精度高于分别使用GM（1,1）模型。张仪萍[30]对灰色系统理论在预测沉降的应用中进行了简要的叙述，并指出灰色模型预测法与Asaoka法是一致的，从而为灰色系统理论在沉降预测中的应用奠定了理论基础。曾超等[31]把灰色模型的路堤沉降预测结果和双曲线法的预测值及实测值进行了比较，得出灰色模型预测值和实测值更接近的结论。潘国荣[32]从灰色系统理论入手，引入时变递增因子的加权等维新息模型进行预测。汪孔政[33]针对GM(1，1)模型背景值取值方法的不足，引入背景值最佳生成系数，建立了时变参数PGM(1，1)变形预测模型。此外还有很多学者也对灰色系统理论在沉降预测中的应用做了一些研究工作。

（五）人工神经网络

人工神经网络是近二十年来迅速发展的一门新兴学科，已在信息科学和工程技术领域得到了广泛的应用。它模拟生物脑神经系统的计算机处理模式，由一系列简单而又高度联系的处理单元组成。它把传统的自变量和因变量视为输入和输出，将传统的函数关系转化为高维的非线性映射，在处理非线性问题时具有独特的优越性。它能够克服传统的方法预测沉降时的一些不足，且精度高、简洁方便，从而具有广阔的应用前景。人工神经网络于90年代初引入土木工程领域，最初被用于岩石力学与岩土工程中的非线性与模糊特征等方面的研究，近几年在高速公路软基沉降预测上得以运用。人工神经网络在路基沉降预测方面有经验模型不可替代的优点，特别是前馈型BP神经网络在软土路基沉降方面的应用[34][35]。李凡等[36]提出小波神经网络预测高速公路软土地基的最终沉降量的方法，该法具有收敛迅速的特点，贺明侠[37]则采用动量BP算法模型预测软土路基沉降。陈述存，高正夏[38]应用基于改进的BP算法的Elman网络，结合具体实例验证了此模型在软土沉降预测中的可靠性和适用性。徐晓宇等[39]则考虑到沉降单调增长的特殊性, 根据位移分解原理, 采用皮尔曲线提取沉降趋势, 用基于免疫进化的新型遗传神经网络模型外推偏差，提出了皮尔-遗传神经网络模型。另外神经网路同其它预测方法相结合的算法[40]与智能方法相结合的算法也都得到了较好的应用[41][42]。

由于路基沉降是一个复杂的过程，它的影响因素较多，不管模型如何改进，各种模型都有其自身的优缺点及适用条件[43]。因此，在实际沉降预测中，单纯依赖某一种预测模型是不现实的。只有对它们深入了解后才能灵活应用。

3.小波神经网络研究现状

小波分析是傅立叶分析的发展和重大突破。小波分析优于傅立叶变换在于它在时域和频域同时具有良好的局部化性质，而且由于对高频成分采用逐渐精细的时域或空域取样步长，从而可以聚焦到对象的任意细节。近几年来蓬勃发展起来的小波分析，是分析非平稳信号的强有力的工具，推动着信号处理进入了崭新的阶段，是当前信号处理领域中非常盛行的分析方法。

小波神经网络是近年来小波分析获得突破性研究的基础上提出的一种新型神经网络。它是基于小波分析理论所构造的一种分层、多分辨率的神经网络，用非线性小波取代了传统的Sigmoid函数，其信号表述通过所选取的小波基进行线性叠加来实现。它兼备小波分析和神经网络各自的优点，网络训练过程从根本上避免了局部最优等非线性优化问题，通过训练自适应地调整小波基的形状实现小波变换，同时具有良好的函数逼近能力和模拟分类能力。将小波神经网络用于非线性组合预测，已取得了一定的成果。

在变形数据处理方面：黄声享[44]将小波分析应用于建筑物变形监测变形趋势提取和数据去噪；徐洪钟，吴中如[45]将小波分析应用于大坝的变形特征提取，得出趋势分量比时效分量更能反映大坝的工作性态的结论；高平等[46]针对BP网络模型收敛速度慢﹑易陷入局部极小等不足，提出运用小波神经网络对大坝变形进行拟合与预报，结果表明小波网络模型的预测值和实测值的拟合比BP网络的精度有较大提高；田胜利[47]将小波分析应用于建筑物变形数据处理中，对变形数据进行了去噪处理，提取变形趋势信息；曹红林等[48]针对深基坑周围地表沉降的预测问题，引入小波神经网络，对高度非线性的土工结构进行直接建模；文鸿雁等[49]对小波分析在变形数据处理应用进行了深入的探讨和研究，特别对各种阈值去噪方法进行了深入研究，并提出了很多改进的方法和结合模型。段鹏[50]采用小波网络对边坡位移进行预测，结果显示该模型预测精度高，预测能力较强。

小波分析在软土沉降变形数据处理中应用较少，田其煌[51]利用理想原始沉降变形信号上附加已知噪声进行小波去噪试验，来评估各种小波函数和阈值的对沉降数据去噪能力，对软土路基的沉降数据进行去噪方法优化。李长冬[52]提出了基于小波分析与RBF神经网络相结合的新的地基沉降预测方法。郭云开[53]利用小波变换良好的时频局域化性质和神经网络的自学习功能，建立了基于小波神经网络的高速公路高填方路基沉降预测模型。结果表明，组合模型的预测精度高，与实际情况相吻合。吴瑞海[54]利用模拟退火粒子群优化神经网络参数，同时结合小波分析去噪，对地基累计沉降数据进行预测，并与标准粒子群优化算法做了对比，结果表明两种方法的结合具有良好的全局和局部搜索能力，预测精度高。

本文主要基于以上研究进展，以盐淮高速公路的实测沉降数据为背景，利用小波分解和重构对复杂沉降形态的长期趋势进行识别和变形趋势提取，采用不同小波函数和阈值组合进行去噪分析，选择在该地区条件下的最优去噪方法。为了克服收敛性差的缺点，本文选用粒子群算法优化小波神经网络，再运用改进的小波神经网络预测地基土的最终沉降量。

3．论文主要内容

（1）对软土的特性及工程性质进行研究，以盐淮高速实测沉降资料为研究依据，详细分析研究区软土路基的沉降机理和特性。

（2）将小波技术应用于沉降数据的预处理上，对去噪过程中如何选择合适的小波基、阈值选取规则进行系统的研究，制定小波去噪的实验方案。对各种不同小波降噪方案效果进行评价，选择最优的沉降数据去噪方法，提高数据的可靠性。

（3）介绍粒子群算法及其粒子群的改进算法，利用粒子群改进算法优化小波神经网络，运用粒子群改进算法优化的小波神经网络预测高速公路软基的最终沉降量。

（4）应用曲线拟合法、遗传算法、神经网络法、数值法对同样的实测资料进行最终沉降量计算，对五种方法的计算结果进行对比分析，总结各种方法的优缺点和使用范围。

4．论文计划进度：

1．2011.06～2011.09     完成前期文献检索、收集和阅读；

2．2011.09～2011.11     收集相关的工程资料，构思论文框架，明确课题研究对象、主要内容和研究方法；

3．2011.11～2012.01     开题报告

4．2012.01～2012.12     进行论文有关的建模及计算，整理论文其他组成部分，完成初稿；

5．2012.12～2013.03     修改论文，基本定稿，进行论文答辩。

5. 论文拟定提纲

第一章 绪论

1.1选题背景和研究意义

1.2 沉降计算和预测的研究现状

1.3小波神经网络研究现状

第二章 小波神经网络的基本理论

2.1 人工神经网络概述

2.2 小波理论基础

2.3 小波神经网络

第三章 软土的基本特性及软土地基的沉降计算方法

3.1 软土地基沉降变形机理

3.2 软土地基沉降计算方法

第四章 粒子群优化算法的小波神经网络

4.1 网络初始参数的优化研究

4.2 小波基函数的选取分析

4.3 粒子群优化算法

4.4 基于改进的粒子群优化算法的小波神经网络

第五章 工程实例分析

5.1 应用小波技术对沉降监测数据去噪

5.2 沉降预测模型

5.3 小波神经网络改进方法计算结果

第六章 基于软土地基实测资料的沉降预测方法比较分析

6.1 曲线拟合法预测

6.2 遗传算法预测

6.3 数值法预测

6.4 各种方法预测最终沉降量分析

第七章 总结与展望

7.1 总结

7.2 展望

参考文献

[1]邓学均.路基路面工程[M].人民交通出版社,2002

[2]Terzaghi K．Erdaumechanik and Bodenphysikalischer Grundlage, Lpz. Deuticke, 1925: 5-70

[3]Leroueil S. Compressibility of clays: Fundamental and Practical Aspects, J. Geotech. Geoenviron.

Engrg, ASCE, 1996, 122(7):534-543

[4] 赵维炳、施建勇编著.软土固结与流变.南京:河海大学出版社.1996:100-187

[5] 殷宗泽主编,土体沉降与固结.北京:中国电力出版社,1998:15-33

[6]岳红宇,陈加付,王良国.一种高速公路软基沉降预测的反演计算方法[J].公路交通科技,2001,18(6):1-4

[7] 常保平.软土路基沉降历程预报方法的改进[J].中国公路学报,1993,8(3):5-7

[8]黄声享,尹晖,蒋征编著.变形监测数据处理[M].武汉:武汉大学出版社,2003

[9] 钱加欢,殷宗泽主编.土工原理与计算(第二版)[M].北京:中国水利水电出版社,1996

[10]冯仲仁,黄伟,陈泽松等.软基沉降量的反演计算[J].武汉理工大学学报,2004,26(7):55-61

[11]朱俊高,王克东,王俊杰等.地基固结变形反分析研究[J].岩土力学,2005,26(S1):201-204

[12] 殷建华, Jack I. C.土体与时间相关的一维应力-应变性状、弹塑性模型和固结分析[J].岩土力学, 1994,15(3):65-80

[13] 曹国金,姜弘道.无单元研究和应用现状与动态[J].力学进展,2002,32(4):526-534

[14] Karim M R. Analysis of Biot's consolidation using Element-free Galerkin method, dissertation for Master degree[D]. Singapore: National University of Singapore, 2001

[15] Wang J G, Liu G R. A point interpolation method for simulating dissipation process of consoilidation[J]. Computer Methods in Applied Mechanics and Engineering,2001,190(1):5907-5922

[16] Brebbia C A, Walker S. Boundary element techniques in engineering[M].London: Newnes-Butterworths, 1980

[17]李西斌.高速公路软土地基沉降预测方法现状探讨[J].公路,2011,5:16-20

[18]李国维,杨涛,宋江波.公路软基沉降双曲线预测法的进一步探讨[J].公路交通科技,2003,(1):18-20

[19]杨涛,李国维,杨伟清.基于双曲线法的分级填筑路堤沉降预测[J].岩土力学,2004,(10):1551-1554

[20]王志亮,吴克海,李永池,殷宗泽.一个预测路堤沉降的新经验公式模型[J].岩石力学与工程学报,2005,(12): 2013-2017

[21]梅国雄,宰金珉,殷宗泽,赵维炳.沉降-时间曲线呈“S”型的证明及其应用——从土体本构关系[J].岩土力学,2005,(S1):21-24

[22]王志亮,黄景忠,杨夏红.考虑软土流变特性的沉降预测模型研究[J].岩土力学,2006,(9):1567-1570

[23]常方强,涂帆,贾永刚. Verhulst模型在预测软基路堤沉降中的应用[J]. 岩石力学与工程学报,2007,26(S1):3122-3126

[24] Asaoka A. Observational procedure of settlement prediction[J]. Soils and foundations, 1978, 18(4): 87-101.

[25]王志亮,黄景忠,李永池.沉降预测中的Asaoka法应用研究[J].岩土力学,2006,(11):2025-2032

[26]Hollaond J H. Adaptation in natural and artificial systems[M]. The MIT Press, 1992

[27] KREINOVICH V, QUINTANA C, FUENTES O. Genetic algorithms-What fitness scaling is optimal[J]. Cybernetics and Systems, 1993, 24(1):9-26

[28]邓聚龙.灰色控制系统[J].华中科技大学学报(自然科学版),1982(3):10-18

[29]石世云.多变量灰色模型GM (1,n)在变形预测中的应用[J].测绘通报,1998(10):9-12

[30]张仪萍,张土乔,龚晓南.沉降的灰色预测[J].工业建筑,1999,29(4):45-48

[31]曾超,肖峰,唐仲华.应用灰色模型(G,M)预测软土路基沉降量[J].安全和环境工程,2002,9(1):17-19

[32]潘国荣,王穗辉.引入时变递增因子的加权等维新息模型及预测[J].同济大学学报(自然科学版).2004,32(6):755-757

[33]汪孔政.时变参数PGM(1,1)变形预测模型及其应用[J].武汉大学学报(信息科学版),2005,(05):456-459

[34]刘勇健.用人工神经网络预测高速公路的软土地基的最终沉降[J].公路交通科技,2000.17(6):15-18

[35]钟才根,丁文其,王茂和,张胜.神经网络模型在高速公路软基沉降预测中的应用[J].中国公路学报,2003,(2):31-34

[36] 李凡,周增来,吴敏.用小波神经网络预测高速公路软土地基最终沉降量[J].合肥工业大学学报,2001,24(6):1124-1127

[37] 贺明侠,王连俊.动量BP算法在路基沉降预测中的应用[J].岩土工程技术,2006,20(1):17-20

[38]陈述存,高正夏.基于改进BP算法的Elman网络在软基沉降预测中的应用[J].工程地质学报,2006,14(03):394-397

[39] 徐晓宇,王桂尧,匡希龙等.基于皮尔-遗传神经网络的高路堤沉降预测研究[J].公路交通科技,2006,23(1):40-43

[40]彭涛,杨岸英,梁杏,袁琴.BP神经网络-灰色系统联合模型预测软基沉降量[J].岩土力学,2005,(11):18l0-1814

[41]Xin Yao．Evolving Artificial Neural Networks[J]. Proceedings of the IEEE,1999,87(9):1423-1447 

[42]Liu Yongjian, Application of genetic algorithm to calculation of soft ground settlement[J].Industrial construction,2001,31(5):39-41

[43]张振武,徐晓宇,王棒尧.基于实测沉降资料的路基沉降预测模型比较研究[J].中外公路,2005,(04):26-29

[44]黄声享,刘经南,柳响林.小波分析在高层建筑动态监测中的应用[J].测绘学报,2003,(2):153-157

[45]徐洪钟,吴中如,李雪红,施斌.基于小波分析的大坝变形观测数据的趋势分量提取[J].武汉大学学报(工学版),2003,(6):5-8

[46]高平,薛桂玉.基于小波网络的大坝监测模型与预报[J].水利学报,2003,7(7):107-110

[47]田胜利,周拥军,葛修润,卢允德.基于小波分解的建筑物变形监测数据处理[J].岩石力学与工程学报,2004,(15):2639-22

[48]曹红林,王静涛.用小波神经网络预测深基坑周围地表的沉降量[J].土工基础,2003,12(4):58-60

[49]文鸿雁,张正禄.非线性小波变换阈值法去噪改进[J].测绘通报,2006,(3):18-21

[50]段鹏.小波理论的边坡监控中的应用研究[D].南京:河海大学,2008

[51]田其煌.基于小波技术的软土路基沉降数据分析方法研究[D].河海大学,2007

[52]李长冬,唐辉明,胡斌,李东明,倪俊.小波分析和RBF神经网络在地基沉降预测中的应用研究[J].岩土力学,2008,29(7):1917-1922

[53]郭云开,崔晓如,李亮.基于小波神经网络组合模型的高填方路基沉降预测[J].长沙理工大学学报(自然科学版,2010, 7(2):6-11

[54]吴瑞海,贺,段琪庆,董吉文.模拟退火粒子群与小波的地基沉降预测应用[J].测绘科学,2010,35(6):209-211

姓名、职称

论文开题报告会会议内容（参考下列几方面，由秘书负责记录）

1. 选题的理论意义和实用价值；

2. 所选课题是否具有先进性、是否过浅、过易，或过难；

3. 对基本理论掌握的水平，以及对当前研究水平的了解程度；

4. 拟采用的工作计划、技术路线、计划进度及所需经费等是否切实可行；

5. 具体建议和意见以及结论（通过或不通过）。

主要意见：

学院院长审核意见：

学院院长签名：                                        年     月     日