基于时间序列动态神经网络吹填土沉降预测研究

吹填土围海造陆技术能有效缓解土地资源紧张的问题,所以提高此项技术水平刻不容缓。但是吹填土中,黏粒含量高,有机质含量高,含水率和压缩性大,强度低,导致固结效率低,沉降速度慢。进行长期沉降观测需要耗费较多的资源,故大部分工程并不进行观测。吹填土土体表面形成硬壳的时间一般需要耗费2～3a之久,工期长,加固效果不理想,工后实际沉降与预期沉降相差很大。因此,为工程达到规定变形的要求,如何结合沉降的观测数据进行长期沉降量的预测,以及针对预测得到沉降量,对吹填土采用哪种处理方式成为我们亟待解决的问题。本文通过自编程序建立了时间序列动态神经网络的非线性方法,并将其运用于吹填土沉降的预测中并分析结果。结果表明,动态神经网络的方法可较为合理准确的运用于软土的固结沉降预测中,误差小,可行性强,预测结果具有较高的精度和稳定性。     

基于突变理论的滑坡危险性评价

滑坡危险性评价与预测是滑坡灾害防治中的首要任务,科学合理地评价滑坡危险性十分重要。以岩桑树水电站库区发育的潜在滑坡为例,据其特有的地质环境条件,选取坡体风化程度、斜坡坡度等9个影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性分为轻度危险、中度危险、重度危险和极度危险4个等级。将突变理论运用到滑坡危险性评价中,从而建立了新的稳定性评判模型。基于突变级数法的滑坡危险性评价方法,综合考虑了各评价指标间的相关性,真实地描绘了滑坡系统的内在机制。实例分析结果表明,该方法评判结果准确率高,可为滑坡的防治提供依据。     

基于人工蜂群算法的岩体结构面多参数优势分组研究

岩体结构面优势分组是研究岩体力学性质与水力特性的基础,通常的分析方法是只根据产状进行划分。鉴于结构面其他特征对岩体力学性质的重要影响,考虑结构面倾向、倾角、迹长、张开度、表面形态5个特征参数,提出了基于人工蜂群算法的岩体结构面多参数优势分组方法。以样本总体离差平方和为目标函数,建立岩体结构面多参数优势分组的数学模型,应用人工蜂群优化算法求解,以目标函数值最小时的解作为聚类中心,并自动确定分组边界。对人工生成的结构面数据的计算结果验证了该方法的正确性,该方法的求解精度是令人满意的。最后,将该方法应用于怒江松塔水电站坝址区岩体结构面多参数优势组的划分,得到了较为合理的分组结果,进一步验证了此方法具有较高的运行效率与工程实用性。