利用复测水准资料寻求反映地壳纯形变的定量指标

地壳纯变形分为剪切变形和扩张变形。在前人研究的基础上提出了仅利用复测水准资料求出描述地壳剪切变形和扩张变形指标的方法和步骤，所得的定量指标不受基准的影响，受测量累积误差的影响亦很小，能客观地反映地壳变形的特征。通过理论和实例证明：以一点周围变形分量的最大值代表该点周围垂直面的变形程度比其平均值更能突出变形信息。最后根据实例计算结果分析了剪切变形分量、扩张变形分量与形变速率、构造地震的关系。     

西安市黑河水库左坝肩渗透变形及稳定性分析

通过对黑河水库左坝肩特殊的岩体组成及结构进行分析研究，以断层破碎带为主要研究对象，结合实验研究并运用有限元等计算方法，对单薄山梁的渗透变形及稳定性进行分析与计算，为实际工程的决策与治理提供理论依据。     

锚索抗滑桩系统内力变形研究

在对锚索抗滑桩系统内锚索与抗滑桩受力状态综合分析的基础上,认为锚索的拉伸变形对锚索抗滑桩系统的内力及变形存在一定影响,基于锚索与抗滑桩的变形协调原理,提出了锚索拉力及其变形的计算方法,推导了抗滑桩桩身位移和内力的计算公式,并将该方法用于工程实例分析。通过与其他方法比较,说明使用该方法计算锚索抗滑桩的合理性和经济价值,并分析了锚索变形以及拉力大小对锚索抗滑桩系统内力变形的影响,所得结果已得到后期模型试验的数据支持。     

论工程建筑物变形观测的重要性及其数据分析

本文分析了工程建筑物产生变形的原因和变形观测的特点,探讨了变形观测精度确定的原则。工程建筑物变形分析传统方法要求原始数据具有大样本和统计分布的特性,但是这在实际中是很难满足的。本文采用灰色系统理论对累计沉降值建立预测模型,结果表明模型预测精度较高、计算也简单,不需要大量的原始沉降值,这为变形数据分析、预测提供了一种可靠的分析方法,对大中型工程建筑物变形观测有参考和借鉴意义。     

自动网格法程序的数值模拟测试

为了测试改进后的程序，原始网格图和变形网格图皆由计算机生成。在生成变形网格图时，考虑了刚体移动、刚体转动、一般变形这三种变形，另外还生成一幅中间缺少网格点的大变形图像。结果表明：在不同的变形情况下，尤其在中间缺少网格点的大变形下，虽然网格点分布不规则，但是程序仍然能够自动分割、编码，而且准确无误；呈二值化分布的网格点误差为0．0058像素以下，呈高斯分布的误差为0．00076像素以下。     

山西平陆黄河北岸第四纪软沉积物变形构造的古地震成因研究

为研究山西南部平陆地区黄河北岸一级阶地中软沉积物变形构造的触发机制,对观测剖面中发育的碟状构造、液化卷曲构造和球枕构造等3类软沉积物变形构造的特征进行描述,分析其形成机制,通过总结对比软沉积物变形的地震成因,推测剖面中的变形构造为地震成因,并依此建立山西南部平陆地区的地震成因地层沉积序列。光释光测年结果显示,该变形构造形成年龄为1.9±0.2 ka,通过影响烈度的计算并结合山西及邻近省的地震资料发现,2次历史地震可能与该软沉积物变形构造相关。     

地铁换乘站基坑变形流固耦合数值分析研究

地铁换乘站基坑在施工过程中要严格控制其变形及对周边环境产生的影响。尽管流固耦合与非流固耦合分析结果有一定差异,但现有地铁换乘站基坑开挖变形计算中较少考虑流固耦合作用。本文针对济南长途汽车站地铁换乘站进行基坑变形分析,建立了考虑流固耦合的三维有限元模型,根据模拟结果,确定出地连墙最大侧向位移及地面沉降最大值发生的位置,并对地铁换乘站基坑变形规律进行了总结和分析。本文研究成果可以为类似地下工程基坑分析计算和施工设计提供有益参考与借鉴。     

褶皱变形系数在煤与瓦斯突出预测中的应用

对以褶皱构造为主要构造型式的突出矿片来说，用褶皱变形系数这一定量指标，通过控制煤和瓦斯突出褶皱构造的研究，在一定程度上能提高突出预测的准确率。本文针对平顶山东矿区煤层褶皱变形的特点，分别用剖面变形系数法和平面变形系数法进行了突出危险性预测研究，取得了较可靠的预测结果。     

基床系数在工程地质勘察中的应用

本文从地基变形谈起,对基床系数的概念和计算方法作了一一阐述,并通过工程实例,论述了基床系数在工程地质勘察中的应用。     

延安市凤凰山东北麓滑坡危险斜坡的变形特征及稳定性分析

通过对凤凰山东北麓工程地质特征的分析．指出该区存在的不良地质问题有滑坡(滑塌)以及危险斜坡等，并对各滑坡(滑塌)以及危险斜坡的变形破坏特征进行了分析，最后运用斜坡(滑坡)稳定性计算中常用的瑞典法、毕肖普法和剩余推力法对其进行了稳定性验算，为凤凰山东北麓后期的治理设计提供了依据。     

Dynamic prediction of landslide displacement using singular spectrum analysis and stack long short-term memory network

An accurate landslide displacement prediction is an important part of landslide warning system. Aiming at the dynamic characteristics of landslide evolution and the shortcomings of traditional static prediction models, this paper proposes a dynamic prediction model of landslide displacement based on singular spectrum analysis(SSA) and stack long short-term memory(SLSTM) network. The SSA is used to decompose the landslide accumulated displacement time series data into trend term and periodic term displacement subsequences. A cubic polynomial function is used to predict the trend term displacement subsequence, and the SLSTM neural network is used to predict the periodic term displacement subsequence. At the same time, the Bayesian optimization algorithm is used to determine that the SLSTM network input sequence length is 12 and the number of hidden layer nodes is 18. The SLSTM network is updated by adding predicted values to the training set to achieve dynamic displacement prediction. Finally, the accumulated landslide displacement is obtained by superimposing the predicted value of each displacement subsequence. The proposed model was verified on the Xintan landslide in Hubei Province, China. The results show that when predicting the displacement of the periodic term, the SLSTM network has higher prediction accuracy than the support vector machine(SVM) and auto regressive integrated moving average(ARIMA). The mean relative error(MRE) is reduced by 4.099% and 3.548% respectively, while the root mean square error(RMSE) is reduced by 5.830 mm and 3.854 mm respectively. It is concluded that the SLSTM network model can better simulate the dynamic characteristics of landslides.     

CSCORS��׼վλ�����ʽ��������

??????????λ?????????????????λ????????????????????????????????????????????GPS????α??????????????????????????GPS???????????λ???????????ü?????????????????????????????CSCORS???????????ε?λ????????????????β??λ??????????????仯????????????λ???????????????????GPS????????????ò????????ò????λ???????     

优化循环神经网络在滑坡位移预测中的应用

以中国典型黄土滑坡域甘肃黑方台党川6#滑坡体为例,基于滑坡体北斗和位移计时序监测数据,首先利用深度学习框架Tensorflow分别构建3种循环神经网络滑坡位移预测模型：简单循环神经网络(simple recurrent neural network,SimpleRNN)、长短期记忆网络(long short-term memory,LSTM)和门控循环单元(gated recurrent unit,GRU),并进一步针对循环神经网络在参数设置时多采用经验手动调参或采用网格搜索法,易造成人为主观影响较大和计算效率低下的突出问题,引入遗传算法（genetic algorithm,GA）优化循环神经网络参数的自动最佳化选取,分别构建3种基于遗传算法改进的循环神经网络滑坡位移高精度预测模型：GA-SimpleRNN、GA-LSTM、GA-GRU。研究结果表明,改进参数自动寻优后的3种循环神经网络预测模型具有更优的预测性能,特别是GA-GRU模型预测精度最高,更适用于滑坡体长时序位移的高精度预测。     

基于生成对抗网络的动水驱动型滑坡状态识别方法

动水驱动型滑坡状态识别能更有效地辅助分析滑坡形变规律, 实现滑坡状态的准确识别对深入展开动水驱动型滑坡状态研究具有重要意义。针对目前动水驱动型滑坡突变状态研究较少, 难以获得相关特征, 从而导致状态识别性能不佳的问题, 提出了一种应用于动水驱动型滑坡状态识别的生成对抗网络学习方法。本方法通过构建滑坡状态监测数据矩阵, 依据少量数据样本设计合理的生成器网络完成对滑坡状态的数据扩增并设计判别器网络实现扩增数据的筛选, 通过对抗生成网络实现对滑坡状态的分类, 达到滑坡状态识别的目的。以三峡库区白水河滑坡为研究对象, 将降雨、库水位、深部位移和地表位移等多源监测数据进行了规范化处理, 设计生成器网络和对抗器网络完成了对滑坡状态数据的扩增, 设计滑坡状态识别生成对抗网络完成了对滑坡状态的分类和识别。结果表明, 生成对抗网络对滑坡状态识别具有较高的准确率。研究结果证实本方法能够对目标区域内的动水驱动型滑坡状态进行准确识别和分类, 可直接应用于工程实际。      

RZB�����Ӧ����ԭλ�궨�����о�

?????RZB??????????????????????????????????????????????в?????????????????????????????????????λ?????????????????λ??????????????RZB??????????????????????????????е????????????????????????????????淶??????????????????λ????????????REMA??????????????????λ???????????????????????????????????????±??????????????????     

EEMD-PSOGSVM耦合模型在深基坑位移预测中的应用

针对单一预测模型的不足,提出EEMD分解与粒子群灰色支持向量机（particle swarm optimization grey support vector machine,PSOGSVM）相结合的基坑位移预测模型。以基坑时间序列的混沌性为基础,利用EEMD分解时间序列,采用相空间重构技术构造样本,应用PSOGSVM模型进行基坑预测,并与GM(1,1)、SVM、遗传小波神经网络进行对比。结果表明,该算法预测精度好,具有良好的稳定性,可有效地应用于基坑位移预测。     

汶川地震前后重庆地区地壳运动特征分析

通过处理重庆GPS观测网2008年2月—2010年10月的观测数据,得到该地区12个测站的汶川地震同震位移、地震前后跨断层基线时间序列,及相对于WUHN站的水平运动场和区域无整体旋转基准下的速度场。结果表明,重庆地区的同震水平位移最大达到24 mm,最小达到7 mm;汶川地震后重庆地区地壳运动整体平稳。     

���ھ�������ֵ�ֽ�Ķϲ�λ��ģ�Ͳ�������

???t??????????????о????λ?????????????????????????????????????,???λ?????????????λ????????λ?????????????????????????????λ?????????????????????????Χ??????????????????     

改进的地磁低点位移法与原方法对比分析

采用数学语言及MATLAB语言,对地磁低点位移法与其搭载软件进行改进:1)利用地磁突变界线自动成图技术代替人工画线以消除随机误差,思路为通过建立突变界线与台网地磁低点时间之间的几何解析关系来实现自动成图.首先对地磁台网进行Voronoi剖分,将突变界线的走向限定在地磁台网的Dirichlet镶嵌线上;然后通过最近邻插值...     

通过改进自适应PSO优化BP网络预测大坝变形

提出自适应粒子群神经网络（ADPPSO-BP）算法,并加入自适应变异算子,提高粒子跳出局部搜索的能力,实现对坝体位移的精准预测。以丰满大坝为例进行验证,建立PSO-BP（粒子群神经网络）、LPSO-BP（线性粒子群神经网络）、改进ADPPSO-BP（改进自适应粒子群神经网络）3种模型,对大坝进行变形预测。结果表明,ADPPSO-BP预测误差最小。