一種軌道交通引起的建筑物振動水平預測方法
【專利摘要】本發(fā)明涉及一種軌道交通引起的建筑物振動水平預測方法，本發(fā)明先通過收集軌道不平順幅值的參數、地基土性質的參數、列車速度的參數、列車類型的參數和建筑物高度的參數進行歸一化處理，然后選擇dbN小波函數以及分解尺度進行小波變換，消除原始信號中的突變因素和隨機影響，通過重構得到消噪后的信號，并將消噪后的信號作為支持向量機的輸入變量，用于支持向量機的訓練測試，最終得到標定的SVM預測模型來顯著提高了軌道交通引起的建筑物振動水平預測的精度，為城市軌道交通開發(fā)的振動影響評價和減振降噪措施的選擇提供了數據支持，為改善城市工作生活環(huán)境做出了重要的貢獻。因此，本發(fā)明可以廣泛用于土木工程預測【技術領域】。
【專利說明】一種軌道交通引起的建筑物振動水平預測方法

【技術領域】
[0001] 本發(fā)明涉及一種建筑物震動水平預測方法，特別是關于一種軌道交通引起的建筑 物振動水平預測方法。

【背景技術】
[0002] 軌道交通以其運量大、速度快、占地少等優(yōu)點，在交通運輸業(yè)中扮演著越來越重要 的角色，但同時也引發(fā)了嚴重的環(huán)境問題，由軌道交通等環(huán)境引起的振害已被列為七大公 害之一。這不僅是因為交通系統(tǒng)引起的環(huán)境振動日益增大，而且還由于隨著社會的進步，人 們對現代生活質量的要求也越來越高，即使對于同樣水平的振動，在過去可能不是問題，而 現在卻越來越多地引起公眾的強烈反應。所以，由軌道交通引起的環(huán)境振動問題作為一種 新型的環(huán)境公害，已經成為一個愈來愈嚴重的社會問題。而準確的預測軌道交通對建筑物 振動的影響對于及時感知潛在的振動水平以及軌道交通的建設都起著關鍵的作用，另外對 于采取相應的措施來減少振動水平也有著重要參考價值。
[0003] 由軌道交通引發(fā)的建筑物振動受多種因素的影響，包括軌道不平順幅值、地基土 性質、列車速度、列車類型、建筑物高度等，它們之間存在著非常復雜的關系。在實際處理這 些數據過程中，常常會遇到個別數據偏離預期值或大量統(tǒng)計值的情況，如何剔除其中的異 常數據，提取關鍵信息進而尋找建筑物振動水平與這些因素之間的關系，以合理預測軌道 交通引起的建筑物振動是一個難度很大且急需解決的技術問題。


【發(fā)明內容】

[0004] 針對上述問題，本發(fā)明的目的是提供一種預測軌道交通對于建筑物的振動影響程 度，從而為城市軌道交通開發(fā)的振動影響評價和減振降噪措施的選擇提供數據支持的軌道 交通引起的建筑物振動水平預測方法。
[0005] 為實現上述目的，本發(fā)明采取以下技術方案：一種軌道交通引起的建筑物振動水 平預測方法，其包括以下步驟：1)針對列車-軌道-路基-周圍地層-建筑物系統(tǒng)進行原始 數據調查，該原始數據包括軌道不平順幅值的參數、地基土性質的參數、列車速度的參數、 列車類型的參數和建筑物高度的參數；2)將原始數據中各參數進行歸一化處理，并得到歸 一化處理后的各參數；3)將歸一化處理后的各參數分別進行逐層小波變換分解，將各參數 每一層分別對應分解成一個低頻信號和多個高頻信號；4)針對每一參數得到的低頻信號 和高頻信號進行消噪處理，除去異常數據；5)分別將經過消噪處理后的每個參數對應的一 個低頻信號和多個高頻信號結合其分解尺度的權重加權相加完成信號重構，得到加權的各 信號；6)采用徑向基核函數作為SVM模型的核函數，基于加權的各信號通過網格法對核函 數中的規(guī)則項參數C和誤差項ε進行標定，從而得到標定的SVM模型。
[0006] 所述步驟2)包括以下內容：將原始數據中各參數逐一進行歸一化處理的公式如 下：
[0007]

【權利要求】
1. 一種軌道交通引起的建筑物振動水平預測方法，其包括以下步驟： 1) 針對列車-軌道-路基-周圍地層-建筑物系統(tǒng)進行原始數據調查，該原始數據包 括軌道不平順幅值的參數、地基土性質的參數、列車速度的參數、列車類型的參數和建筑物 高度的參數； 2) 將原始數據中各參數進行歸一化處理，并得到歸一化處理后的各參數； 3) 將歸一化處理后的各參數分別進行逐層小波變換分解，將各參數每一層分別對應分 解成一個低頻信號和多個高頻信號； 4) 針對每一參數得到的低頻信號和高頻信號進行消噪處理，除去異常數據； 5) 分別將經過消噪處理后的每個參數對應的一個低頻信號和多個高頻信號結合其分 解尺度的權重加權相加完成信號重構，得到加權的各信號； 6) 采用徑向基核函數作為SVM模型的核函數，基于加權的各信號通過網格法對核函數 中的規(guī)則項參數C和誤差項ε進行標定，從而得到標定的SVM模型。
2. 如權利要求1所述的一種軌道交通引起的建筑物振動水平預測方法，其特征在于： 所述步驟2)包括以下內容： 將原始數據中各參數逐一進行歸一化處理的公式如下：
其中，&是歸一化處理后的值，Si是原始數值，Smin是樣本序列中的最小值，Smax是樣本 序列中的最大值。
3. 如權利要求1所述的一種軌道交通引起的建筑物振動水平預測方法，其特征在于： 所述步驟4)包括以下內容： 針對每一參數得到的低頻信號和高頻信號進行消噪處理，其過程如下：假設一個含噪 聲的一維信號的模型如下： s (k) = f (k) + λ · e (k) k = 0，l，...，N_l 其中，f(k)為去噪后的有效信號，s(k)為含噪的信號，e(k)為去噪的信號的噪聲信號， λ為權重，N表示每一參數進行小波分解后的低、高頻總個數。
4. 如權利要求2所述的一種軌道交通引起的建筑物振動水平預測方法，其特征在于： 所述步驟4)包括以下內容： 針對每一參數得到的低頻信號和高頻信號進行消噪處理，其過程如下：假設一個含噪 聲的一維信號的模型如下： s (k) = f (k) + λ · e (k) k = 0，l，...，N_l 其中，f(k)為去噪后的有效信號，s(k)為含噪的信號，e(k)為去噪的信號的噪聲信號， λ為權重，N表示每一參數進行小波分解后的低、高頻總個數。
5. 如權利要求1或2或3或4所述的一種軌道交通引起的建筑物振動水平預測方法， 其特征在于：所述步驟6)包括以下內容： 取70%加權的各信號作為SVM模型的訓練樣本，用于標定規(guī)則項參數C和誤差項ε， C的取值范圍為（0,100)，ε的取值范圍為（〇, 0.4)，其余30%作為測試樣本檢驗SVM模型 是否正確，并采用均方差對測試結果進行評價SVM模型的預測精度，其均方差公式如下：
其中，^表示振級預測值，Vi表示振級觀察值，η是振級觀察值的數量。
【文檔編號】G06Q50/08GK104299048SQ201410529094
【公開日】2015年1月21日 申請日期:2014年10月9日 優(yōu)先權日:2014年10月9日
【發(fā)明者】于濱, 冮龍輝, 李婷, 孔璐 申請人:大連海事大學