砂土地震液化的改进进化遗传算法判别

改进了进化遗传算法,提出了新的交叉算子和变异算子,使之具有更好的全局收敛能力。砂土液化是一种危害极大的地震破坏现象,其影响因素很多,选择地震烈度、砂土粒径、相对密度、标贯击数和有效正应力为判据,利用改进了的进化遗传算法建立了砂土地震液化的判别模型。与现场液化情况比较表明,改进进化遗传算法应用于砂土地震液化的判别效果良好。     

基于双桥静力触探的饱和砂土液化判别方法刍议

饱和砂土液化是地震引发地基变形失稳、建筑受损破坏的主因之一,合理判定液化可能性是勘察实践和理论研究的重大课题。国内规范要求砂土液化判别仍以标准贯入试验为主,静力触探等原位测试方法为辅,静力触探较其他原位测试手段,在操作便利性、数据采集连续性、测试成本和抗干扰能力等方面更具优势。针对国内规范常用静力触探砂土液化判别方法进行了分析研究,并结合勘察实例进行了计算和对比,探讨了静力触探判别液化方法的土层适用性,并提出有关改进建议。     

饱和砂土地震液化判别的可拓聚类预测方法

基于可拓学的物元模型和聚类分析原理,提出了饱和砂土地震液化判别的可拓聚类方法。选取地震烈度、震中距、砂层埋置深度、地下水位、标贯击数、平均粒径、不均匀系数和动剪应力比等8个影响因素,作为饱和砂土地震液化的评价因子,构建了经典域物元和节域物元。应用物元理论和可拓集合中的关联函数,建立预测模型,通过聚类分析得到饱和砂土地震液化的判别结果。实例研究表明,该模型能客观地反映砂土的液化规律,可拓聚类预测方法应用于饱和砂土地震液化判别是有效可行的。     

基于判别分析法的地震砂土液化预测研究

将距离判别分析方法应用于砂土液化的预测问题中,建立了砂土液化预测的距离判别模型。选用震级、研究深度、震中距、标贯击数、地下水位及地震持续时间等6项指标作为判别因子,以大量的工程实例数据作为学习样本进行训练,建立了线性判别函数对待评样本进行了评价。研究结果表明,距离判别分析模型判别砂土液化效果良好,预测准确度高,回判估计误判率低,可望成为砂土液化预测的有效手段。     

饱和砂土液化判别与放大效应数值模拟研究

为研究地震作用下饱和砂土液化判别及地震放大效应的影响因素,采用边界面塑性模型框架内开发的砂土本构模型,基于开源有限元平台OpenSees建立了一维剪切梁土柱模型。以循环应力比CSR和循环抗力比CRR为控制指标,对比了不同液化判别方法的差异,分析了地震荷载类型和砂土相对密度对液化判别和放大效应的影响。研究表明：与数值模拟结果相比,Seed简化法计算的CSR更大,判断饱和砂土场地发生液化的可能性更高;冲击型地震波较振动型地震波更容易使饱和砂土场地发生液化,砂土相对密度越小场地越容易发生液化;放大系数随埋深的减小而增大,振动型地震波引起的放大效应整体大于冲击型,埋深较大时放大系数随砂土相对密度的增大而减小。     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。     

砂土地震液化的模糊优化判别

利用模糊最优归类方法对砂土地震液化进行判定,通过综合地震烈度、平均粒径、标贯值和有效上覆应力等影响砂土地震液化的因素,利用最优归类隶屑度向量作为砂土是否液化的判别指标,并经实例计算验证了该方法的可行性.该方法采用的指标在现场勘测中容易取得,计算过程简单明了,有一定实用价值.     

静力触探法对巴楚地震液化判别的适用性

2003年2月24日新疆巴楚-伽师地区发生的6.8级地震中出现了自1996年唐山大地震以来我国大陆境内最为严重的砂土液化现象。以此地震液化调查为基础,检验包括我国规范液化判别方法、Robertson方法和Olsen方法的国内外现有静力触探试验为指标的液化判别方法的适用性。结果表明,我国规范、Robertson方法、Olsen方法在对巴楚地震液化场地判别中,总体上非液化场地判别成功率高于液化场地判别成功率,非液化场地的判别成功率分别为88%、71%和88%,但对液化场地判别成功率分别为55%、73%和45%,明显偏于危险,原因需要进一步查明,建立适合局部地区的液化判别方法应是未来必须进行的工作。     

园锥贯入试验判别饱和砂土地城液化的应用效果

本文通过标准贯入试验与园锥贯入试验动贯入阻力的理论计算及标贯与园锥贯入的产对比研究，得到了不同的饱和砂土N与N63．5的相关换算系数，为园锥贯入试验判别和砂土地震液化建设了一种新的方法，从而解决了饱和砂土贝水后不易取得标贯试验数据的问题，并提出了应用园锥贯入试验来正确判别饮必砂土地震液化。     

基于MPL神经网络的地震作用下砂土液化评估及预测

砂土在地震的作用下会产生剧烈的液化现象,液化引发的地基失稳会对道路、建筑物、堤坝等各类设施造成严重危害。因此,地震作用下的砂土液化判别预测一直是地质灾害领域研究的热点问题。本文使用过去几十年发生在世界各地的166组地震作用下砂土液化实例数据,通过大量数据训练和参数分析建立了基于机器学习的地震作用下砂土液化判别模型。结果表明,当网络结构为6(输入层)-15(隐藏层)-1(输出层)、训练函数为Levenberg-Marquardt时,对地震液化预测效果较好,最大准确率可达96%。参数分析结果表明不同参数对网络预测准确率影响程度不一:锥端阻力、地表归一化峰值水平加速度影响相对较大;地震震级、总垂向应力、有效垂向应力影响中等;贯入深度对其影响较小。因此在不同网络预测精度要求的条件下,可考虑适当简化输入参数。     

地震波及砂土特性对震陷的影响分析

本文基于Abaqus UMAT子程序开发的弹塑性边界面本构模型,建立动单剪单元试验模型和砂土三维分析模型。分析了地震特性对砂土震陷的影响,重点对地震荷载下,不同相对密度及黏粒含量的砂土震陷进行了研究。研究表明,当砂土黏粒含量小于30%时,随着黏粒含量的逐渐增加,砂土竖向应变减小;当黏粒含量大于30%时,随着黏粒含量的逐渐增加,砂土的竖向应变逐渐增大。并且震陷中的大部分竖向应变在地震最大峰值加速度时产生;对有多个较大加速度峰值的地震动,其竖向应变取决于最大加速度峰值。     

黄土液化特性试验研究

黄土是一种多孔隙弱胶结的第四纪沉积物,粉粒含量较高,同时含有一定的砂粒,因此往往具有较高的液化势。其中以黄土高原地区最为集中,该地区是我国构造活动较为活跃、地震灾害较为集中的地区,历次强震均引发严重地质灾害,以地震滑坡、震陷和液化等黄土地震灾害为主,因此该地区黄土液化特性的研究尤为重要。本文采用美国MTS公司制造MTS810Teststar程控伺服土动三轴仪为实验仪器,采用水头饱和法对饱和后的黄土试样进行振动液化试验,研究了黄土在等幅循环动荷载作用下的液化机理和液化特性,以及动荷载作用下动应变增长模式,为地震作用下黄土地基及黄土边坡稳定性问题研究提供基础理论支持。     

常德张家界高速公路某大桥桥基砂土液化评价

结合常德张家界高速公路某大桥桥基工程,在DSD160型电磁式振动三轴试验仪上,通过往返加荷三轴试验,对饱和砂土进行了液化试验研究,探讨了基于动三轴液化试验结果判断饱和砂土液化的方法。并尝试了这种室内研究反应分析的液化可能性估计方法与地震剪应力时程相结合的综合判断方法。在该高速公路大桥桥基的饱和砂土液化评价中,采用这种综合判断方法,对大桥桥基砂土液化进行了判断。在判断场地是否液化后,对其液化危害程度进行了等级划分,给出了该工程场地在未来遭受到不同超越概率下的地震作用时发生液化的危害程度,得到了一些有工程实用意义的结果。     

基于改进遗传算法一神经网络的玄武岩构造环境判别及对比实验

通过岩浆岩的地球化学特征判别岩浆形成的大地构造环境和岩浆源区的化学性质是地球化学全岩分析最重要的应用之一。该方法利用全岩地球化学数据,包括主量元素、微量元素和同位素组成数据,对给定岩浆岩(玄武岩、花岗岩等)的大地构造环境进行判别。作为人工智能技术在地球化学研究领域中的新尝试,机器学习判别方法逐渐成为经典判别图解法的补充研究手段。然而,高维数据特征筛选和繁多未知参数确定是影响算法分类准确性的两个主要因素。为此,提出一种遗传算法优化神经网络耦合判别方法(GA-NNDM)。该方法利用特征选择、参数确定和分类性能之间的反馈联系,将分类准确率、所选特征数量和特征代价作为适应度函数,通过迭代演化寻求最佳特征子集和未知参数,从而达到减少特征、优化参数和提高性能的目的。此外,根据公开玄武岩样品地球化学数据,通过K折交叉验证等方法设置纵向、横向比较实验来验证GA-NNDM在玄武岩构造环境判别方面的准确性、稳定性和外延性。仿真实验结果表明,GA-NNDM具有优良的判别效果和泛化能力,其总体分类准确率能达到90%。因此,GA-NNDM值得在地球化学领域做进一步推广应用。     

液化型路堤边坡动力数值模拟分析

液化型路堤边坡动力稳定性问题涉及岩土工程与工程地震两个学科领域,是边坡工程与砂土液化的交叉课题。采用天然地震记录为输入条件,应用Finn本构关系模型,运用有限差分法,对填土+砂土+卵砾土地层组合的路堤边坡进行了全时程动力分析,探讨了地震作用下路堤边坡的液化初步规律和稳定性。数值模拟结果表明:地震作用引起了路基饱和砂土有效应力急剧减小,并导致路基砂土液化,引起路堤变形破坏。孔隙水压力的积累与消散不仅与地震记录序列存在对应关系,也与砂土所处的位置和深度有密切关系。地表变形破坏主要表现为路堤顶面发生震陷和拉裂破坏,坡底面产生挤压隆起变形。地面以下的变形破坏主要包括土体剪切破坏和深部砂土液化引起的侧向流动破坏。     

优化遗传算法在孔隙度预测中的应用

孔隙度是油藏描述和储量计算最重要的参数之一。因此 ,高精度的孔隙度预测是建立储层地质模型的关键。文中应用优化的遗传算法———演化程序 ,利用岩芯样品的孔隙度和测井数据建立合适的预测模型 ,应用声波、密度、自然伽马和自然电位测井数据进行储层孔隙度预测。预测结果表明 :与线性回归和灰色GM (0 ,5 )等传统的预测方法相比 ,应用演化程序进行孔隙度预测 ,提高了预测结果的精度 ,减轻了预测过程中对先验信息的依赖程度。     

砂土地震液化预测的GA_SVM_Adaboost模型

为快速准确地对砂土液化情况作出预测,选取地震烈度、地下水位、覆盖厚度、标贯击数、平均粒径、地貌单元、土质及不均匀系数为主要影响因素,运用相关性分析和因子分析模型对其进行分析和属性约减,采用遗传算法（GA）对支持向量机（SVM）的参数寻优,结合Adaboost迭代算法,建立预测砂土地震液化的GA_SVM_Adaboost模型。选用唐山地震砂土液化现场勘察资料中的329组数据对模型进行训练,利用该模型对剩余68组砂土液化数据进行预测。最后,将预测结果与GA_SVM和SVM模型预测结果进行比较。结果表明,3个模型的平均预测准确率分别为100%、98.04%、89.71%,基于因子分析的GA_SVM_Adaboost模型的预测准确性优于GA_SVM模型和SVM模型,是一种解决砂土地震液化预测问题的有效方法,具有一定的应用参考价值。     

碎砾石和砂渗透变形类型差异性研究

无黏性土包括各类砂、砂砾石料和石渣,但其渗透变形试验结果表明,不均匀系数判别法和级配曲线斜率判别法却不是无黏性土渗透变形类型通用判别法,甚至会出现条件相同,但砂和碎砾石判别结果却截然相反的结果。进一步研究结果表明,产生这种结果的根本原因是其细粒含量差异较大引起的。故运用不均匀系数和级配曲线斜率判别无黏性土渗透变形类型时,应结合试样细粒含量大小进行,或将碎砾石和砂分开区别进行研究。     

建筑物震陷预测新方法研究

利用人工神经网络的基本原理，本文修正了经典BP型神经网络的激励函数，并对学习率和训练样本进行了动态调整等多方面改进。根据70个多层建筑震陷的实测资料，在分析了建筑物震陷的影响因素基础上，提取了9个指标；采用改进后的BP算法，建立了多指标的建筑物震陷预测模型。研究结果表明，改进的BP网络性能良好，所建立的模型预测精度高，具有一定的工程实用价值；神经网络法是一种有效可行的预测新方法，人工神经网络技术具有广泛的应用前景。