[发明专利]一种轨道交通引起的建筑物振动水平预测方法

摘要

本发明涉及一种轨道交通引起的建筑物振动水平预测方法，本发明先通过收集轨道不平顺幅值的参数、地基土性质的参数、列车速度的参数、列车类型的参数和建筑物高度的参数进行归一化处理，然后选择dbN小波函数以及分解尺度进行小波变换，消除原始信号中的突变因素和随机影响，通过重构得到消噪后的信号，并将消噪后的信号作为支持向量机的输入变量，用于支持向量机的训练测试，最终得到标定的SVM预测模型来显著提高了轨道交通引起的建筑物振动水平预测的精度，为城市轨道交通开发的振动影响评价和减振降噪措施的选择提供了数据支持，为改善城市工作生活环境做出了重要的贡献。因此，本发明可以广泛用于土木工程预测技术领域。

主权项

一种轨道交通引起的建筑物振动水平预测方法，其包括以下步骤：1)针对列车‑轨道‑路基‑周围地层‑建筑物系统进行原始数据调查，该原始数据包括轨道不平顺幅值的参数、地基土性质的参数、列车速度的参数、列车类型的参数和建筑物高度的参数；2)将原始数据中各参数进行归一化处理，并得到归一化处理后的各参数,将原始数据中各参数逐一进行归一化处理的公式如下：其中，是归一化处理后的值，Si是原始数值，Smin是样本序列中的最小值，Smax是样本序列中的最大值；3)将归一化处理后的各参数分别进行逐层小波变换分解，将各参数每一层分别对应分解成一个低频信号和多个高频信号；4)针对每一参数得到的低频信号和高频信号进行消噪处理，除去异常数据,其过程如下：假设一个含噪声的一维信号的模型如下：s(k)＝f(k)+λ·e(k)k＝0,1,…,N‑1其中，f(k)为去噪后的有效信号，s(k)为含噪的信号，e(k)为去噪的信号的噪声信号，λ为权重，N表示每一参数进行小波分解后的低、高频总个数；5)分别将经过消噪处理后的每个参数对应的一个低频信号和多个高频信号结合其分解尺度的权重加权相加完成信号重构，得到加权的各信号；6)采用径向基核函数作为SVM模型的核函数，取70％加权的各信号作为SVM模型的训练样本，用于标定规则项参数C和误差项ε，C的取值范围为(0，100)，ε的取值范围为(0，0.4)，其余30％作为测试样本检验SVM模型是否正确，并采用均方差对测试结果进行评价SVM模型的预测精度，其均方差公式如下：其中，表示振级预测值，Vi表示振级观察值，n是振级观察值的数量。