10.19713/j.cnki.43-1423/u.T20210224
长株潭城际铁路沉降预测模型比较与基于Revit的可视化
为建立较高精度的沉降预测模型,同时探究沉降预测模型在建筑信息模型(BIM)中的结合应用,基于灰色系统模型GM(1,1)、支持向量回归机(SVR)和粒子群算法(PSO),建立PSO-GM-SVR变形预测模型.通过API接口以及二次开发功能,基于Revit软件平台开发一套应用于高铁沉降变形监测的插件,建立高铁沉降的三维基础模型.将Revit软件与SQL sever数据库连接,使变形监测信息能够作为模型的非几何信息集成到SQL数据库中,将变形监测信息与三维基础模型相结合.采用长株潭城际铁路与石长联络线工程监测数据验证PSO-GM-SVR变形预测模型的精度以及实现监测数据的可视化展示.结果表明:灰色系统模型GM(1,1)模型最大残差值为0.66 mm,GM-SVR模型最大残差值为0.18 mm,优化的PSO-GM-SVR模型最大残差值为0.1 mm;灰色系统模型GM(1,1)模型、GM-SVR模型以及优化的PSO-GM-SVR模型的相关系数分别为98.55%,99.54%和99.94%;与灰色系统模型GM(1,1)模型和GM-SVR模型相比,PSO-GM-SVR模型精度更高,对高速铁路沉降预测的效果更好;结合实际工程数据完成了建设项目中变形监测信息在SQL数据库中的信息化管理以及在Revit中的可视化表达,为施工阶段的铺轨作业提供指导,实现了沉降变形预测同BIM技术的结合运用,可供类似工程参考.
高速铁路、Revit、沉降变形预测、粒子群算法、可视化表达
19
U212(铁路线路工程)
国家自然科学基金51478482
2022-04-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
391-398