基于支持向量机的砂土液化预测分析

将支持向量机方法应用于砂土地震液化预测问题.考虑影响砂土液化的因素,选用震级、标贯击数、相对密实度、土层埋深、地震历时、地面运动峰值加速度和震中距7个影响因子作为液化判别指标,建立了砂土液化预测的支持向量机模型.以砂土液化实测数据作为学习样本进行训练,建立相应函数对待判样本进行分类.研究结果表明:支持向量机模型分类性能良好,是砂土地震液化预测的一种有效方法,可以在实际工程中进行推广.     

地震时砂土液化的数理统计预测

1976年唐山地震期间,附近一些地区出现了砂土液化现象。本文根据工程勘探中的实例及实验数据,进行了砂土液化作用的统计和综合预测。文章中采用贝叶斯准则下的逐步判别分析方法,对唐山地区已知液化地点和非液化地点,作了五种检验计算,挑选出准确度及可靠性最高的变量模式。从而,对于当地震为Ⅷ度烈度时的砂土液化进行了预测。五种预测结果相同,互相印证,可靠性高,分组最大后验概率大多在0.99以上。在此条件下,外推预测结果可信。工程实践中,迫切需要对砂土液化进行综合性预测,而一般采用地质学或试验方法,仅能对砂土液化作单因素或少量因素下的预测,本文提出了综合性的通用预测方法,为砂土液化统计预测提供了新途径。砂土液化是平原地区的一种重要地震灾害。国内外多次大地震中,都曾因饱水砂土受到地震作用,引起孔隙水压增高及砂粒间的结合力和摩擦力降低,而使砂层发生液化状态的流动,并伴随有地基承载能力降低或失效。1964年以来,新潟地震及阿拉斯加地震时,由砂土液化造成了罕见的灾害。激发了各国、尤其是美国和日本对砂土液化预测的研究。但还多是单因素或少量因素影响下的分析方法。未能进行综合分析及推断。采用数理统计方法,可以综合分     

饱和砂土地震液化判别的分形插值模型

借鉴分形基本理论,提出了基于分形插值模型的饱和砂土地震液化判别方法.该方法首先选取影响饱和砂土地震液化判别的7个主要因素,根据分类标准,采用在每级标准中随机内插的方法,得到40个标准样本,用于构建饱和砂土地震液化判别的分形插值模型;其次根据最大似然分类原则确定每个饱和砂土地震液化判别指标的评价分维数;然后利用加权求和法计算样本的综合评价值,并根据样本综合评价值与经验等级之间的关系建立分形插值评价模型;最后,进行了实例分析结果表明:该模型的评价结果合理、客观,计算得到的每个样本具体得分值,即使对属于同一级的样本也可以给出其地震液化程度的顺序,为饱和砂土地震液化评价工作提供了一种新的研究方法与思路.     

饱和砂土液化的动三轴试验判断与评价

基于动三轴砂土液化试验,采用抗液化剪应力判剐方法和地震反应分析计算结果与地震剪应力时程相结合的综合判别方法,对某长江大桥工程场地的饱和砂土液化进行了判断,并对其液化危害程度进行了等级划分,给出了不同超越概率下的预测结果。     

基于RS-PCA-GA-SVM的砂土液化预测方法研究

砂土液化是一种危害性比较大的自然灾害,对砂土液化进行判定预测在地质灾害防治领域中有重要的研究意义。通过粗糙集理论(Rough Set,RS)对影响砂土液化的6个初始评价指标(包括震级、土深、震中距、地下水位、标贯击数和地震持续时间)进行属性约简,去掉冗余或干扰信息,得到基于4个核心预测指标的数据集。通过主成分分析法(Principal Component Analysis,PCA)从核心评价指标中提取出主成分,采用支持向量机(Support Vector Machine,SVM)对数据集进行训练,用遗传算法(Genetic Algorithm,GA)优化参数,建立砂土液化的RS-PCA-GA-SVM预测模型。并结合砂土液化实际数据将预测结果与基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做比较。实例计算表明:基于RS-PCA-GA-SVM模型得到的砂土液化预测结果精度较LM-BP神经网络有很大的提高,判别结果与实际情况比较吻合,可在实际工程中应用。     

唐山地震时不同烈度区液化砂土的特征及其液化判别

本文根据唐山地区的东、中、西三条剖面上的地震喷砂的物质成分和理化性质等分析,探讨了不同烈度区液化砂土的颗粒成分、化学成分、物理性质及砂颗粒形态等变化规律,并根据这些规律,编制出以物质成分和性质为基础的、具有多种因素的砂土液化判别图。该图可供砂土液化预测、砂土液化研究者参考     

从海平面造成的影响预测下辽河平原区未来的砂土液化灾害

未来的海平面上升将对沿海地区的经济发展和自然环境造成重大影响。下辽河平原区是辽宁沿海经济带的组成部分,也是容易产生砂土液化灾害的地区。从讨论砂土液化灾害致灾因素着手,分析了该区未来的地震趋势和因海平面上升带来的地下水水位变化,预测下辽河平原区未来百年可能产生一次或多次局部较严重的砂土液化灾害,而产生大面积砂土液化的可能性不大。     

某长江大桥深度超过15米的砂土层液化势的综合评价

不同抗震设计规范的砂土液化判别方法或国内外其他有代表性的液化判别方法所采用的地震动参数和土性指标及其埋藏条件是不同的,因而采用这些方法对同一工程场地进行液化势预测时其评价结果通常有一些差异,甚至会得到相反的结论。为了给重大工程建设提供较为合理、可信的地基液化势预测结果,采用多种液化判别方法进行场地液化势的综合评价是比较客观的,也是必要的。本文结合某长江大桥桥基工程,采用建筑抗震设计规范的砂土液化判别方法、国内外有代表性的液化判别方法、有限元数值分析法等多种方法逐一对该工程场地砂性土层进行液化判别,并结合室内动三轴液化试验结果,对主桥墩不考虑冲刷条件和考虑一般冲刷深度5m条件时的砂性土层进行了液化势的综合评价,并将各土层的液化势分为液化、可能液化和不液化3个等级,得到了较为合理可靠的判别结果。     

唐山地震时砂土液化影响因素的统计分析

砂土液化是一种重要震害现象。近年来,关于影响砂土液化各因素的研究愈发引人注目。但常用的实验及地质学方法,仅限于研究单一或少量因素与液化间的关系。而缺乏对形成砂土液化的多种条件的综合性分析。笔者采用数理统计的方法,对唐山地震时,影响砂土液化发生的十五个因素进行了综合性分析。初步认识了它们的相对重要性     

饱和砂土液化研究进展

根据国内外文献资料,从三方面总结了饱和砂土的最新进展:饱和砂土液化判别方法、砂土液化的试验研究以及液化后分析,特别是探讨了液化对上部结构的影响。最后指出了存在的问题和今后的研究方向。     

基于NRS-ISSA-SVM的砂土液化判别模型

针对砂土液化判别中影响因素与砂土状态间映射关系的不确定性及模糊性等问题,在邻域粗糙集(Neighborhood Rough Set, NRS)因素约简的基础上,利用多策略融合的改进麻雀搜索算法(Improved Sparrow Search Algorithm, ISSA)优化支持向量机(Support Vector Machine, SVM)参数C和g,构建了SVM砂土液化判别模型。以吉林松原地区的42组实例作为总体样本集,其中35组作为训练集,另外7组作为测试集,利用邻域粗糙集对9个影响因素约简得到4个因素,然后输入ISSA-SVM模型进行预测,并进行了约简得到的因素敏感性分析。结果表明：因素约简剔除了冗余属性,降低了模型复杂度;ISSA算法具有极强的探索性、收敛性和局部逃逸能力;相比于其他模型,NRS-ISSA-SVM砂土液化判别模型精度更高,泛化能力更强;建议要判别砂土的液化状态,需要准确查明水位埋深、地震烈度、标准贯入击数,非液化土层厚度这4个因素,尤其是前三个因素。通过易获取的影响因素建立NRS-ISSA-SVM砂土液化判别模型,不仅可准确地判断该区域其余未知点的砂土状态,...     

基于OpenSees的砂土本构模型对比研究

饱和砂土液化是由地震引起的一种最常见的工程地质现象,也是造成重大地震灾害的主要原因之一。由于成因的复杂性和所造成灾害的严重性,饱和砂土液化一直是土动力学和岩土地震工程研究领域的重要课题。针对饱和砂土液化问题,基于开源地震工程数值计算平台OpenSees,对材料库中的4种砂土本构模型进行数值计算。采用二维u-p单元模拟土颗粒位移和孔隙水压力,分析和对比4种模型在循环动力荷载作用下的加速度、超孔隙水压力、位移、剪应力-剪应变和平均有效应力路径方面的响应结果。研究结果表明:(1)砂土对输入加速度表现出一定的放大效应,对于不同的模型,该放大效应存在一些差异;(2) Stress Density模型在循环动力荷载作用下易产生永久变形;(3)在循环动力荷载作用下,PDMY模型和CycLiqCPSP模型的强度逐渐降低,直到完全消失;(4) Stress Density模型和Manzari Dafalias模型在循环动力荷载下表现出明显的剪胀效应。研究成果对砂土液化的数值模拟问题具有重要的理论价值,可为饱和砂土的液化模拟和砂土本构模型的选取提供参考。     

Applicability of artificial intelligence to reservoir induced earthquakes

This paper proposes to use least square support vector machine (LSSVM) and relevance vector machine (RVM) for prediction of the magnitude (M) of induced earthquakes based on reservoir parameters. Comprehensive parameter (E) and maximum reservoir depth (H) are used as input variables of the LSSVM and RVM. The output of the LSSVM and RVM is M. Equations have been presented based on the developed LSSVM and RVM. The developed RVM also gives variance of the predicted M. A comparative study has been carried out between the developed LSSVM, RVM, artificial neural network (ANN), and linear regression models. Finally, the results demonstrate the effectiveness and efficiency of the LSSVM and RVM models.     

Rayleigh波对浅地表地基震害的影响

基于场地砂土液化的宏观现场证据和简要分析,指出Rayleigh波对距震中中远距离的浅层饱和土层的砂土液化有着很大的影响。通过单相和双相介质模型分析,阐述了Rayleigh波在土中传播的特性以及对土壤液化的影响,指出在浅源地震中Rayleigh波将是中远场地区土壤液化的主要动力影响因素,提出了一些在分析土壤液化时应考虑的新因素和方法。最后提出了在考虑Rayleigh波对土壤液化评判和小区划时应注意的一些问题。     

Semi-supervised least squares support vector machine algorithm: application to offshore oil reservoir

At the early stages of deep-water oil exploration and development, fewer and further apart wells are drilled than in onshore oilfields. Supervised least squares support vector machine algorithms are used to predict the reservoir parameters but the prediction accuracy is low. We combined the least squares support vector machine (LSSVM) algorithm with semi-supervised learning and established a semi-supervised regression model, which we call the semi-supervised least squares support vector machine (SLSSVM) model. The iterative matrix inversion is also introduced to improve the training ability and training time of the model. We use the UCI data to test the generalization of a semi-supervised and a supervised LSSVM models. The test results suggest that the generalization performance of the LSSVM model greatly improves and with decreasing training samples the generalization performance is better. Moreover, for small-sample models, the SLSSVM method has higher precision than the semi-supervised K-nearest neighbor (SKNN) method. The new semisupervised LSSVM algorithm was used to predict the distribution of porosity and sandstone in the Jingzhou study area.     

黄土液化与砂土液化的差异浅析

初步分析了黄土与砂土在液化机理、孔压增长模型、体积压缩系数以及渗透系数方面的差异以便认识黄土液化具有的孔压增长快、消散慢和沉降大的特性。     

砂土液化的尺度与概率

本文以液化安全间距及安全系数为随机变量进行了可靠性分析,给出了衡量砂土液化严重程度的尺度及相应的液化概率,并提出了对砂土液化严重程度进行分级的建议。