排序方式: 共有6条查询结果,搜索用时 140 毫秒
1
1.
2.
3.
为了得到精确度较高的降雨量预测值及其叠加预测精度,利用小波神经网络和NARX动态神经网络对降雨趋势和降雨量进行预测,并分析降雨量叠加预测值的误差。研究表明,小波神经网络分析的月降雨量多个变化周期以及总的变化趋势较为准确;NARX动态神经网络预测模型测试误差为0.21%,回归效果图的相关系数R为0.99993,回判和检验误差分别只有0.22%和0.40%;降雨量叠加预测和检验误差较小,均未超过2%,能够满足降雨量不断叠加预测的要求。该方法能为边坡动态稳定性预测提供精确度较高的降雨量预测值。 相似文献
4.
降雨是引起膨胀土基坑边坡失稳最主要的因素。以成都某膨胀土基坑边坡为原型,建立了一个0.6m×0.4m×0.4m 的相似模型,施加40g离心加速度及模拟降雨作用,测试模型的变形及含水率特征。结果表明,降雨入渗对膨胀土基坑边坡的影响包括:膨胀土强度降低导致桩后的主动土压力增大,以及导致锚固段抗力降低,膨胀土吸水产生附加膨胀力。悬臂桩支护下的直立型膨胀土基坑边坡形成的破裂面可分为两段:上 段 为 拉 张 性
质,近竖直;下段为剪切闭合性质,呈圆弧型。破裂面的上边界位于坡后1/2~2/3坡高处,下边界位于坡脚。 相似文献
质,近竖直;下段为剪切闭合性质,呈圆弧型。破裂面的上边界位于坡后1/2~2/3坡高处,下边界位于坡脚。 相似文献
5.
为了科学划分碎屑斜坡类别和准确评价国道G318藏东段碎屑斜坡的稳定性。本研究历时3年,详细调查了该区段公路沿线所有碎屑斜坡,根据斜坡碎屑物质成分、颗粒大小及运动特征等进行类型划分,分析了各类碎屑斜坡的基本特征和失稳模式。利用信息熵和FLAC数值模拟分析了影响因素与斜坡稳定的相关关系,并建立了基于支持向量机的碎屑斜坡稳定性评判模型。研究表明:(1)碎屑斜坡可细分为溜砂坡、滚石坡和碎石坡3类。(2)碎屑斜坡影响因素从大到小依次为降雨融雪、平均坡度、碎屑物、平均坡高、植被覆盖率、工程建设、地震、风化等级、振动和河水侵蚀。(3)主要影响因素作用下,碎屑斜坡安全系数斜率大小为:降雨融雪(0.8)>平均坡度(0.66)>平均坡高(0.52)>植被覆盖率(0.46)>工程建设(0.43),其斜率越大则影响作用越显著。(4)选取前6个主要影响因素用于碎屑稳定性评判模型,通过模型训练、回判和检验,模型准确率分别达到了89.29%和93.75%,可用于碎屑斜坡的稳定性评判和整治维修参考。 相似文献
6.
降雨入渗条件下膨胀土基坑边坡离心试验 总被引:1,自引:0,他引:1
降雨是引起膨胀土基坑边坡失稳最主要的因素。以成都某膨胀土基坑边坡为原型,建立了一个0.6 m×0.4 m×0.4 m的相似模型,施加40 g离心加速度及模拟降雨作用,测试模型的变形及含水率特征。结果表明,降雨入渗对膨胀土基坑边坡的影响包括:膨胀土强度降低导致桩后的主动土压力增大,以及导致锚固段抗力降低,膨胀土吸水产生附加膨胀力。悬臂桩支护下的直立型膨胀土基坑边坡形成的破裂面可分为两段:上段为拉张性质,近竖直;下段为剪切闭合性质,呈圆弧型。破裂面的上边界位于坡后1/2~2/3坡高处,下边界位于坡脚。 相似文献
1