Kal-GM组合模型在变形监测中的应用研究

综合考虑灰色系统理论和卡尔曼滤波的优点,提出了Kal-GM组合模型的建立思路及相应的精度评定公式,并将其应用于建筑物变形监测实例.结合西安市某高层建筑物沉降观测数据,通过对变形监测规律的分析,建立了相应的数学模型并对观测数据进行了处理.数据处理结果显示,本模型处理后数据曲线与原始观测数据曲线的变化趋势基本一致,较好的模拟了建筑物沉降的变化规律.本模型有效的剔除观测数据粗差,拟合精度较高,为变形观测研究提供了更为可靠的观测数据.     

基于PS-InSAR技术和遗传神经网络算法的矿区地表沉降监测与预计

针对传统雷达干涉测量技术(D-InSAR)易受大气相位延迟和失相关的影响以及传统BP算法依赖于初始权值和阈值问题.本文采用了(PS-InSAR)技术对矿区地表沉降进行了监测,并提出采用遗传算法(GA)对神经网络(BP)算法的初始权值和阈值进行筛选.首先利用PS-InSAR技术获取矿区地表沉降范围和沉降值,然后将其部分结果作为遗传神经网络(GA-BP)算法的训练样本建立预测模型参数.选取宿州市矿区19景Sentinel-1A雷达数据进行实验分析,结果表明,PS-InSAR技术能够很好监测矿区地表沉降,最大沉降速率为45 mm/a.分别取训练样本数为1000、2000、3000和4000利用GA-BP算法对矿区地表沉降进行预测,得到最大残差分别为6.8 mm、0.44 mm、0.36 mm、0.28 mm;均方误差分别为3.85 mm、3.26 mm、2.98 mm、1.61 mm,表明本文提出的GA-BP算法能有效预测矿区地表沉降,并且在训练样本数量较多时预测效果和预测性能较好.     

BP神经网络算法考虑激活函数后对强震路基塌陷变形预测研究

当前强震后铁路路基变形预测中,相关算法未能考虑激活函数的非线性属性,造成非线性变形特征数据提取不完整,且其特征数据存在偏差,陷入局部最优解。文章提出BP神经网络算法考虑激活函数后对强震路基塌陷变形预测方法,采用双极S因子补偿ReLU非线性激活函数,优化BP神经网络算法,解决非线性路基变形特征数提取问题。利用数据标准化归一方法,对已修正提取的全部变形特征数据进行偏差数据归一,得到路基变形特征数据集合,结合强震后路基变形连接权值计算路基变形预测值,完成强震路基塌陷变形预测。结合实测结果,在matlab下进行预测实验,结果表明所提混合方法可以有效地对水平地震作用下铁路路基塌陷变形程度进行预测,且预测值在误差允许范围内,为铁路的安全运行以及实时维护提供重要依据。     

基于EMD-LSTM方法的地震前兆数据同化分析

<正>1研究背景傅承义（1963）指出地震预报的直接标志是前兆,而寻找前兆是地震预报研究的一条重要途径。马宗晋等（2014）通过对全球地震演化特征、地震预测预报历史和中国陆区地震预测途径的探索,提出地震前兆观测效能图谱。黄辅琼等（2017）指出发展数值地震预报首先需要对各种观测资料进行同化分析。使用LSTM神经网络预测时间序列数据较为有效,但是该方法在处理强非线性数据时存在不理想情况。EMD-LSTM神经网络是近年发展起来预测时间序列数据的一种有效方法。     

三峡库首区地壳垂直变形的模型研究

本文研究了不同力学参数地球模型对三峡库首区地壳垂直变形的影响,结果表明,PREM比Gutenberg-Bullen模型更接近基于三峡地壳分层结构和弹性参数改化的PREM模型的结果,并与之相差很小,但要获得高精度的模拟结果,地球模型中必须利用三峡地壳的弹性参数;利用了地球物理学中较完善的负荷格林函数法,结合精密的蓄水荷载模型和合适的地球模型,其垂直变形模拟结果对监测与地震关系密切的断层运动有重要意义;通过GPS观测和模拟结果的对比,发现2003年蓄水在香溪出现最大幅值约20mm的残差沉降,我们合理地解释为该地段的岩溶渗水荷载的效应.     

Kalman滤波在沉降监测数据处理中的应用

将卡尔曼滤波应用于建筑物变形监测数据分析,给出了离散卡尔曼滤波模型的建立思路及相应的精度评定公式,结合西安市某建筑物沉降观测数据,建立了相应的离散卡尔曼滤波数学模型,通过Matlab编程对观测数据进行处理,成果图像显示滤波值曲线与原始观测数据曲线的变化趋势基本一致。该模型较好地模拟了建筑物沉降的变化规律,对于改善沉降监测数据处理的精度效果非常理想。     

高层建筑物沉降监测数据分析

通过对高层建筑物的沉降进行跟踪观测,获得建筑物沉降的准确数据.分析地基在不同荷载作用下随时间沉降的规律,为高层建筑物施工和运营安全提供数据保证.通过对建筑物野外观察及沉降数据讨论,分析建筑物沉降原因.     

海相结构性软黏土地基的沉降特性研究

通过室内试验获得了海相结构性软黏土的初始屈服面;考虑不同埋深处地基土的初始结构屈服面之间的相似性规律,应用结构性本构模型,结合工程实测数据,对海相软黏土地基土体屈服与地基沉降之间的关系进行了研究。结果表明,结构性本构模型能够较好地模拟海相结构性软黏土地基的沉降变形;结构性土地基的土体屈服是由浅及深逐步发展的,虽然存在低荷载时沉降小、高荷载时沉降大且呈非线性增大的现象,但这是渐变的过程,沉降量—时间—填土高度曲线上不能确定显著的转折点,通过观察沉降曲线的转折点来确定临界填土高度的方法将难以实现。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

基于BP神经网络的储层渗透率预测及质量评价方法

储层渗透率预测和评价是油气藏勘探与开发急需突破的瓶颈技术之一,BP神经网络预测储层渗透率的研究在行业中已有一定的应用,但受限于数据规模、参数调整及模型评价方法,该方法预测结果不稳定,且不能准确给出全井段储层的连续渗透率的预测质量,在油田现场并未大规模推广应用.本文针对传统BP神经网络预测储层渗透率方法中存在的问题,在对机器学习的数据处理、参数选择系统考察的基础上,定量分析了不同输入曲线、网络结构、样本大小对渗透率预测模型精度的影响,总结了BP神经网络预测渗透率模型的参数优选方案;并提出了一种基于模型森林的预测曲线质量逐点评价方法,实现了对全井段渗透率预测的质量评价.实际应用表明,本研究提出的储层渗透率预测及质量评价方法与实际岩心渗透率吻合度高,推广应用前景良好.     

基于BP神经网络的地下水位预测系统设计

为了解四川德阳地下水位动态,进而分析地震前兆动态,本文设计了一个基于BP神经网络的地下水位预测系统。采用SWY-Ⅱ数字式水位仪对德阳地下水位数据进行采集。根据采集的2015年水位数据,利用BP神经网络对地下水位变化进行预测,以一年的采集数据进行训练和测试,采用3个输入节点、1个输出节点设计了BP神经网络结构。为了进一步验证本预测系统,本文对2017年7月1日—10月26日地下水位情况进行了预测。实验表明：该方案能有效实现地下水位的预测,为地震前兆工作提供可靠数据。     

青藏高原多年冻土地区铁路路基工程动力稳定性分析

科学合理地分析铁路路基块石层在机车荷载作用下的动力传递机理,对于多年冻土区路基工程稳定性预测有着重要的指导意义,同时对于在青藏高原多年冻土地区建设高坝大库等重要水利工程的动力稳定性分析也具有重要的借鉴作用。通过选取青藏铁路北麓河段典型块石路基结构开展机车通过实时强震动测试,获得了机车通过时的实时加速度数据。在现场测试的基础上,基于有限元分析软件, 运用二维非线性动力响应分析方法对多年冻土区块石路基结构在机车荷载作用下动力传递特性、位移响应特性和应力应变特性进行了数值模拟分析,并通过对比分析素土路基的动力响应特征,科学分析青藏铁路路基块石层在机车荷载作用下的动力传递机理。研究结果表明,块石层的铺设可以有效限制机车荷载产生的加速度向路基深处传递,减小机车振动对路基结构的影响,有助于保护冻土路基的稳定性;块石层的铺设可以较好地减小机车荷载作用下路基的沉降变形,在相同机车荷载作用下块石结构路基的最大沉降量仅为0.9 mm,而素土路基的最大沉降量可达1.9 mm;块石层的铺设可以改变机车荷载作用下路基内部的应力应变状态,使得路基内部最大主应力增大,而最大剪应变幅值、范围均减小。     

地震黄土滑坡滑距预测的BP神经网络模型

地震滑坡的滑距与重力滑坡的滑距有着显著的不同,科学预测地震发生时黄土地区滑坡的滑动距离是合理评估黄土地区滑坡风险和减轻滑坡灾害的有效方式之一。基于海原特大地震诱发黄土滑坡的400组野外调查数据,通过引入BP神经网络算法,论证了BP神经网络模型用于预测黄土地震滑坡滑距的适宜性和可行性;建立了地震诱发黄土滑坡滑距的BP神经网络预测模型,并通过67组数据进行了验证。BP神经网络算法和传统多元线性回归、多元非线性回归结果的对比显示,BP神经网络的预测更接近真实情况,具有较为理想的预测效果,可以用于黄土地震滑坡滑距的预测,并为圈定较为可靠的致灾范围提供依据。     

车辆荷载下路基变形特性分析

采用光纤布拉格光栅(FBG)技术监测路基动态变形,并结合数值模拟手段可以有效分析车辆荷载下路基的变形特性。本文对埋设FBG传感器的试验路段进行车辆荷载作用下路基动态加载—卸载试验,监测其动态变形响应。结合现场实测数据,通过FLAC3D软件对路基在车辆荷载下动态变形响应进行了模拟。结果表明:在1.4 t车辆荷载作用下,弹性变形均是塑性变形的8倍左右,数值模拟与现场监测获得的路基动态变形趋势一致,均以弹性变形为主、塑性变形较小;表明建模方法、参数选取及计算过程合理。在此基础上,利用经过校验的计算方法对不同车辆荷载下路基动态变形进行了多工况计算分析,分析中发现:路基弹性变形、塑性变形同车辆荷载非线性关系显著:荷载增加4倍时,弹性变形增加约4倍、塑性变形增加4倍;车辆荷载增加9倍时,弹性变形增加约11倍、塑性变形增加约13倍。因此,应对重载车辆对路基的破坏作用给予足够关注。采用现场测试与数值模拟相结合的方法,可较为高效合理地分析路基动态变形响应,为道路工程防灾减灾及安全评价提供了技术手段。     

ΔLogR技术与BP神经网络在复杂岩性致密层有机质评价中的应用

本文系统分析ΔLogR技术应用于复杂岩性致密层有机质评价中存在两方面的局限性:参数选取方面,测井曲线选取过于单一,无法有效削弱致密层段复杂岩性和孔隙度等因素对计算有机碳含量的影响;构建模型方面,人为剔除异常点存在随机性与偶然性误差,影响建模准确性.针对上述问题,本文建立了BP神经网络模型,并将其应用于柳河盆地柳参1井下桦皮甸子组烃源岩有机质评价.研究结果表明,在不剔除异常点情况下,BP神经网络模型计算TOC值和实测116组TOC值相关性达到0.886,显示建模效果良好.分别应用BP神经网络和ΔLogR模型,计算研究区致密层纵向上连续的TOC曲线,BP神经网络模型的计算TOC曲线与实测TOC数据基本吻合,而ΔLogR模型的计算TOC曲线吻合度较差.因此在测井资料完善的情况下,本文建议使用BP神经网络评价复杂岩性的致密层有机质.     

残积土含水率对其动力特性影响试验研究

选取厦门某建筑工程地基浅层残积土重塑试样,利用SDT-10微机控制电液伺服动态三轴测试系统,在呈正弦变化的动态荷载作用下,测试含水率分别为10%、15%、20%和23%时残积土试样的动应力-应变、动变形-作用时间(作用次数)、动弹性模量等动力学特性曲线与参数。分析试验数据表明:试样在动荷载作用下表现为黏弹塑性变形特性,且随着含水率提高,试样累积塑性轴向变形逐步增大,最大弹性模量逐步减少,但含水率由20%增至23%时,最大动弹性模量降低幅度不大。     

基于热异常信息与BP神经网络的中强地震预测试验

地震预测是地震科学研究的主要领域之一。震前热异常现象(地表温度异常升高)普遍存在并且与地震三要素有复杂的非线性关系。文中结合神经网络的优点,提出将热异常信息作为地震预测的信息源,通过构建神经网络,进行地震预测的思路,并进行了试验。基于8d合成的1km分辨率的MODIS数据,利用RST算法提取震前热异常信息,在分析震前热异常信息时空变化的基础上,确定出BP神经网络的结构,利用该网络对中国及周边100个5级以上震例,以及70个随机无震样本进行训练和仿真。试验结果表明,通过RST算法提取的震前热异常指数值,用于BP神经网络地震预测是可行的,其预测的试验结果刻画出了地震要素与热异常值间的非线性相关性。未来预测区域范围的选取以及神经网络中隐层神经元的数量将对地震预测效果产生较大的影响。     

非等步长GM(1,1)模型在建筑物变形监测中的应用研究

将灰色系统理论应用于建筑物变形监测数据分析,针对观测周期的不确定性因素,提出使用非等步长GM(1,1)模型进行监测,并用最小二乘法求解模型参数,给出模型精度的检验方法,并以实际的建筑物的沉降观测数据为例说明应用此方法的全部过程,将分析和预测结果与传统GM模型进行比对,获得了更好的拟合数据和预测数据,且精度更高。     

交通荷载作用红层填料道路沉降细观模拟

为研究G6京藏高速兰州—海石湾段红层路基填料导致的沉降问题,建立二自由度路基路面耦合离散元模型。通过迭代运算,得到各层材料的细观参数,编写Fish函数,用冲击荷载及半正弦荷载模拟交通荷载作用,在此基础上分析荷载作用下路基路面各层颗粒的位移和应力时程曲线。研究表明：基层与红层填料交界面处出现位移分层现象,基层受水平拉应力作用,是裂缝发展的高风险区,在公路运营过程中应定期重点监测该区域裂缝的发生。PFC模型实现了路基土体及路面结构层在离散元软件中协同变形的耦合,为不良路基地区道路的病害问题及沉降变形计算提供研究思路,为该地区后续的路基病害整治奠定理论基础。     

高压自流热水的基本特点及其观测技术

河北省观测的高压自流热水井大都分布在冀中拗陷,观测水层为岩溶裂隙水。形成本区高压自流热水的基本条件有以下五个方面: 1.本区古岩溶非常发育,构成了深部热水的理想储存场所; 2.基底和壳层断裂发育,新构造运动的影响甚为明显,有利于深部热水的循环; 3.本区是新生代的强烈沉降区,也是上地