淤泥质软土动态流变特性与流变参数研究

实际调查和理论分析表明,软弱岩土具有流变特性,动态载荷作用加速了软弱岩土的流变行为,成为诱发岩土地质灾害的重要因素和主要动力。在测试分析动载作用下淤泥质软土的流变力学特性基础上,建立了动态黏弹塑性流变力学模型和流变方程,推导出动态流变参数计算式;通过测试,分析了动态剪切作用频率、动态剪切应变、淤泥质软土含水率等因素对动态流变参数影响特性。研究结果对揭示动载作用下淤泥质软土动态流变特性与流变参数影响变化规律,探索软弱岩土突发地质灾害的流变动力学机制等具有一定的理论和现实意义。     

软土稳态流变参数多因素影响特性试验研究

软土具有明显的流变特性,导致土体沉降变形、滑坡等严重的岩土地质灾害,对工程的稳定性和安全性构成极大的威胁。在静态荷载作用下测试了淤泥质软土的初始剪切力、塑性黏度等流变参数,并分析了黏粒含量、含水率等因素对流变参数的影响特性。采用理论分析微观结构显微技术,揭示了黏粒含量、含水率等对流变参数的影响作用机理。研究结论对分析软土流变参数影响特性、快速预测流变参数、加固处理软土地基、提高承载力和整体强度等具有理论和实际意义。     

动载作用下淤泥质软土流变模型与流变方程

淤泥质软土在动态载荷作用下具有黏弹塑性流变力学特性。在理论分析和测试基础上，建立了黏弹塑性流变力学模型，并推导了新的流变方程和动态黏弹性流变参数。研究结论对分析动态载荷作用下软土流变力学响应与稳定性，探索软土加速流变并导致岩土地质灾害的动力学机制等具有重要的理论意义，对维护岩土工程的安全性等具有重要的工程意义。     

海相沉积软土蠕变BP神经网络本构模型

海相沉积软土具有很强的蠕变特性,传统分级构建蠕变本构模型方法不实用,且很难真正反映岩土流变的非线性特性。为此,本文引入具有超强非线性映射和容错能力的BP神经网络模型,通过改进BP算法,根据江门软土的室内直剪蠕变试验结果,建立了海相沉积软土BP神经网络蠕变本构模型,避免了传统方法为满足试验曲线变化规律和蠕变特性而需要建立复杂的本构数学表达式。最后,利用上海地区软土蠕变实验结果对本文提出的方法进行了验证,并对BP神经网络蠕变模型在描述软土流变方面的特点进行了讨论。结果表明,本文建模方法简单,并能很好地描述软土的非线性蠕变问题。     

含水率对软土流变参数的影响特性及其机理分析

通过室内对比测试试验,研究了软土的含水率(质量分数)对其初始剪切力、塑性粘度的影响特性,并采用微观结构显微分析技术手段,揭示了含水率(质量分数)对流变参数的影响作用机理。     

软土流变特性的模型研究

对于具有流变特性的软土来说,模型的选取将直接影响其力学行为描述的准确性,经典模型在描述软土流变特性方面存在着一定的缺陷;对经典流变模型和分数导数流变模型进行了分析,得出了分数导数流变模型在描述软土流变特性方面具有准确性和广泛的使用性的特性。     

软土流变的物质基础及流变机制探索

采用改进的直剪蠕变仪,研究结合水对软土流变性质的影响。在相同试验条件下分别完成了含高岭土、膨润土不同重量百分比2组烘干试样和1组砂土的流变性质测试。测试结果与近期已取得的试验成果对比分析表明,结合水是产生土样流变性质的重要因素;烘干试样的黏滞系数均比与其矿物成分相同的湿土试样的黏滞系数大,砂土试样的黏滞系数比湿黏土的黏滞系数大,即烘干土样与砂土土样流变变形阻力相对湿黏土的大,流变现象相对不明显。在试验基础上,探索了控制软土流变特性的物质基础,提出了“流变物质”概念,“流变物质”与软土的流变性质互相对应,是软土产生流变的主要物质基础,并给出了与其力学性质相适应的流变机制的软土流变特性的物理描述。     

淤泥质软土中某深大基坑开挖顺序优化分析

南京某深大基坑位于长江下游岸边,场地地层为典型的二元结构且淤泥质软土广泛分布,承压水位高,基坑场地地质条件十分复杂。基坑邻近一个高层建筑,开挖范围涉及到厚层淤泥质土,且支护结构全部埋设于淤泥质软土中,基坑的开挖顺序直接关系到基坑工程及周围建筑物的安全。基于该基坑最深的部位,这里将基坑的开挖顺序分为：I、先开挖主隧道再开挖匝道;Ⅱ、先开挖匝道再开挖主隧道;Ⅲ、主隧道和匝道同时开挖3种开挖方式,运用FLAC^3D模拟软件对3种工况下基坑支护结构及周围建筑物的变形进行对比分析,得知先开挖主隧道再开挖匝道或先开挖匝道后开挖主隧道对基坑支护结构和周围建筑物的影响最小,应优先选择这两种开挖方式,尽量避免主隧道和匝道同时开挖的开挖方式。该研究可为类似深厚淤泥质土中深大基坑的开挖与设计提供经验。     

吹填软土经验流变模型研究

传统的本构模型多是在重塑土或饱和砂土的基础上建立起来,考虑结构性影响较少。自然界中土体大多具有结构性,这样就使得按传统方法计算的结果与工程实际有一定的差别。基于此,本文以Mesri模型为基础,将结构损伤变量引入模型中,建立了考虑结构性影响的流变模型。通过对天津滨海新区吹填场地经过真空预压处理的结构性吹填软土进行三轴流变试验,分析比较计算结果表明,本文建立的模型能够较好地反映结构性软土的应力应变随时间的变化关系。     

连云港海相软土流变特性试验及双屈服面流变模型

为研究连云港海相软土流变特性,进行了三轴流变试验。根据对试验结果的分析,可以将连云港海相软土作为弹-粘塑性体来研究;将广义Bingham模型和椭圆-抛物线双屈服面模型相结合,建立了新的流变模型来描述其流变特性,得出了各参数,并验证了该模型的适用性。     

基于BP神经网络的岩土体细观力学参数研究

目前颗粒流计算方法中所采用的细观力学参数,均需根据岩土体宏观力学参数试验结果反复调试获取,调试效率很低且有较大的盲目性,因此,急需引入一种新方法,建立岩土体宏观力学参数与细观力学参数的关系。基于PFC3D程序,采用BP(back propagation)神经网络方法,建立宏观力学参数与细观力学参数的非线性模型,通过输入宏观力学参数,即可快速、准确地反演岩土体细观力学参数。研究结果表明：(1)根据BP神经网络模型反演确定的细观力学参数,输入数值模型计算其宏观力学参数,结果与试验值相比,精度一般高于90%;(2)当模型最小尺度上的颗粒数RES = 10、隐含层含6个神经元时,BP神经网络模型的反演性能最佳。实例计算表明,BP神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能,该方法为颗粒流理论的推广应用提供了新的技术手段。     

南江滑坡群体积的BP神经网络模型与预测

基于南江县境内244个典型土质滑坡统计样本,利用BP神经网络模型,采用3种不同的方案(基于不同的评价参数)对滑坡体积进行预测。方案一选取坡高、坡度、坡向、高程、植被覆盖率、岩层倾向、岩层倾角等7项评价参数;方案二选取坡高、坡度、坡向、岩层倾向、岩层倾角等5参数;方案三选取坡高、坡度、坡向等3参数。研究结果表明:3种方案建立的BP神经网络模型都具有较高的可靠性,其预测结果都可以较好地逼近真实滑坡体积值,BP神经网络能有效应用到滑坡体积预测中;3种方案预测值与实际值基本吻合,且两者间的相关系数分别为0.87083,0.90826,0.86119,评价参数的合理选择对滑坡体积预测的准确性有着重要的影响;方案二的相关系数最高,其预测准确性最好,这表明坡高、坡度、坡向、岩层倾向、岩层倾角是影响滑坡体积的重要因素,植被覆盖率和高程为其次要影响因素。     

基于多元非线性回归和BP神经网络的滑坡滑动距离预测模型研究

滑坡灾害严重威胁着人类的生命财产安全, 对土地资源造成了一定影响。滑坡滑动距离直接表明了滑坡的冲击、堆积范围大小, 是估算滑坡受灾面积、评估滑坡潜在风险的重要参数, 也是滑坡防灾减灾工作中需要重点关注的指标。为了更准确高效地预测滑坡危害范围, 分别采用多元非线性回归和BP神经网络2种模型对影响滑坡滑动距离的因子进行了评估和建模, 并对天水地区的滑坡实例进行研究。研究结果表明, 2种模型均可用于滑坡滑动距离的预测。相较而言, BP神经网络的预测结果与实际情况有更高的拟合度, 准确性更高。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

基于BP神经网络的农户生计风险评价模型

当今,农户生计风险在农村社会建设的过程中是最为重要和核心的问题之一。作为基本的社会经济单元,农户正面临着来自经济、社会和自然等各方面的风险。石羊河流域农户由于面临着严峻的风险冲击使其生计脆弱性进一步加剧。所以,急需辨明流域农户面临的主要风险类型,并依此找寻提高农户风险应对能力的对策措施。针对流域农户生计风险的非线性关系和复杂性特征,以及BP神经网络的适用性范围,建立了基于BP神经网络的农户生计风险评价指标体系。并基于入户调查数据,运用熵权法计算得出流域农户生计风险评价指标体系中各种生计风险变量。同时,根据石羊河流域农户所面临生计风险的特征,基于BP神经网络结构模型,确定了其评价结果的表征方法。最终对模型的可行性进行了验证。研究表明：基于BP神经网络的生计风险评价模型对定量化测度农户生计风险的适用性较强,这可为决策部门定量评估农户生计风险提供依据。     

地地震多参数BP神经网络预测煤层厚度

依据煤层反射波运动学和动力学特征，提取出了波峰波谷振幅A1、平均频率Fa、主频带能量Qf1、低频带宽能量Qf和峰值频率Fmain等5个地地震特征参数。选取8组学习样本，利用4层BP（Back Propagation)人工神经网络模型，采用动量法和自适应调整的改进算法，训练BP网络，用训练好的BP网络预测煤层厚度。经实例验证，地震多参数BP网络预测煤层厚度精度高，是一种有效的煤厚预测方法。     

BP自组织神经网络在地下水动态分类中的应用

本文是根据国内外较为流行的BP自组织神经网络方法,与区域地下水动态成因及地下水观测井历时曲线形态相结合对哈尔滨市地下水的动态型进行定量分类:波动—水文型、上升—弱水文型、上升·下降—开采型、上升—开采型,并且定位在图上。此种分类更加直观地反映本区地下水在空间和时间的变化规律,并对本区地下水的水流模型参数分区具有参考价值。     

An improved BP neural network based on evaluating and forecasting model of water quality in Second Songhua River of China

Taking the Second Songhua River which lies in the northeast of China as a study area, this paper firstly designs the improved BP neural network water evaluating and forecasting model of which 13 water evaluating items are selected as nodes in input layer; 6 classes of evaluating results are selected as nodes of output layer; then, with the ＂0, 1＂ identified pattern and continually practiced comparisons, ＂13-9-5-6＂ double hidden layers with optimized training structure are confirmed; on the basis of this work, the water quality of the Second Songhua River was evaluated and forecasted at the end. The results showed that in the six classes of predefined water quality in 157 stations, none of them belongs to class Ⅰ, and classes Ⅱ, Ⅲ, Ⅳ and Ⅴ are as follows： 8.91%, 58.59%, 18.47%, 1.91% and 12.1%, respectively; the precision of these evaluating and forecasting results is 82.8%.