不同含水量下原状黄土动强度和震陷的试验研究

对原状黄土进行动三轴试验,探讨了黄土的动强度和震陷随含水量的变化规律。试验结果表明,塑限含水量可作为黄土动强度和震陷的界限含水量,小于塑限的含水量变化对震陷临界动应力和动粘聚力的影响非常显著,大于塑限的含水量变化对其影响微弱,而动摩擦角不受含水量的影响。通过对震陷曲线的定量分析,说明有必要对黄土的震陷性进行分类。     

陕西富平黄土震陷特性及震陷小区划

典型黄土由于其特殊的大孔隙架空结构特征,在强震作用下具有强烈的震陷性。陕西富平县地处渭河盆地和鄂尔多斯地台的连接带,区内地震构造背景复杂,黄土分布广泛,黄土场地的震陷危险性较高。文章以富平县城市总体规划建设用地和富阎新区规划范围为研究区,通过资料收集、野外调研、室内试验和理论分析等方法,确定研究区的地震工程地质条件,采用地震危险性概率分析方法确定研究区不同超越概率水平的地震动参数,基于大量黄土动三轴试验确定区内不同地貌单元及不同地层黄土的震陷特性。在此基础上,对富平县强震作用下黄土场地的震陷进行评价,50 年超越概率10%条件下,研究区内轻微、中等震陷区分布于浮塬和渭河二级阶地。50年超越概率2%条件下,研究区内轻微及中等黄土震陷区主要分布在石川河三—四级阶地、浮塬和渭河二级阶地。严重震陷区主要分布在渭河二级阶地、石川河三—四级阶地和浮塬。根据震陷等级给出了研究区50年超越概率10%和2%水平下的黄土震陷小区划。研究结果可为富平县的防震减灾工作提供科学依据。     

宝鸡市渭北台塬马兰黄土震陷特性研究

以宝鸡市地震小区划为依托,选取渭北典型黄土台塬场地,采集大量不同深度（1m、3m、5m）原状马兰黄土样品进行动三轴震陷试验,研究不同深度黄土震陷变化规律。建立了震陷曲线数学模型,分析表明,震陷基本参数起始动应力受含水量影响最显著,随含水量增加而减小,临界动应力与极限动应力受含水量影响不明显,但含水量大于塑限后随含水量增加而减小。震陷基本参数与孔隙比呈负相关关系,存在一特征孔隙比,当大于该特征孔隙比后,震陷临界动应力和极限动应力随孔隙比增大而迅速减小。提出一种表征震陷敏感性的指标¬—震陷敏感性系数Sc,反映震陷发生难易程度,其随含水量的增加而增大,随孔隙比的增加而增大。     

郑西客运专线黄土路基震陷研究

以郑（州）西（安）高速铁路为例,选择潼关段为研究区,采集大量原状黄土样品,将合成的人工地震动输入到动三轴,进行了固结不排水的动三轴实验,估算了黄土路基的震陷量。建立了高速铁路黄土路基动力学数值模型,研究了50年10%和2%的超越概率水平的地震作用下黄土路基的永久变形,以及地基处理后黄土地基的永久变形。结果显示, 沉降主要发生在Q3黄土中,强夯、DDC桩等地基处理措施可以有效的减少地基黄土的沉降变形,但是当处理深度不够时,在强地震作用下仍然可以产生较大沉降。研究成果为地基抗震处理提供了依据。     

模糊神经网络在矿震预测中的应用

矿震同天然地震一样会给矿山生产及人身安全等带来重大灾难。也是目前尚不能准确预测的矿山灾害现象之一。根据现有的研究成果可知，矿震是一个多输入、多干扰、单输出的复杂系统。由于干扰项的存在，使利用建模、神经网络等手段对系统进行预测时会导致很大误差。模糊神经网络系统在建立对象输入、输出关系时与传统数学方法不同。即可以建立在无模型基础上，并利用其较强的学习训练特性，自动获取对象的输入、输出关系表达；可以将专家的评价语言作为系统的干扰项引入。这在一定程度上缓解了人为因素对预测结果的影响，且平滑了观测数据的随机性。文章利用改进的模糊神经网络及抚顺老虎台矿的矿震资料，对矿震最大震级的预测方法进行了探索。‘初步探讨了改进的模糊神经网络在矿震预测中的应用。得出在运用模糊神经网络进行预测时，为减小预测误差，应综合多种因素并提高专家评判语言的精确度的结论。指出在建立矿震系统预测模型时，利用干扰项将人为因素引入系统是必需的。通过实际应用证明其可行性。     

高速铁路路基黄土滑移变形的动力数值模拟

以郑(州)-西(安)高速铁路为例,选择典型路段(华阴、潼关、灵宝和偃师等),采集大量原状黄土样品,进行动三轴试验,获得一系列黄土动力学参数,如动弹模、动阻尼、残余应变等,进而建立高速铁路黄土路基动力学数值模型。按该线路地震危险性分析结果,合成8条人工地震波(50年10%和2%的超越概率水平),输入该动力学模型中进行计算。结果表明:黄土路基的横向和纵向变形都随着地震力的增大而增大,从而导致黄土滑移和震陷,这与现场激振试验及动三轴震陷试验结果基本一致。该结果为郑西高速铁路抗震陷和抗滑移设计提供了重要依据,并提出了切实可行的黄土抗震陷和滑移地基处理措施,已应用于该高速铁路的设计与施工中。     

黄土场地大型浸水试验湿陷沉降预测的Elman方法

收集郑西高速铁路湿陷性黄土场地现场大型浸水试验资料,运用MATLAB建立了黄土场地湿陷沉降的Elman神经网络预测模型。通过对样本的训练和预测,表明该模型预测的结果与实际湿陷沉降比较接近,是一种比较理想的预测方法。     

考虑结构性的冻融作用对黄土湿陷系数的影响

结构性是黄土的基本属性,黄土的湿陷特性与其结构性之间有着必然的联系。针对冻融作用对不同结构性黄土湿陷性的影响,以水泥作为模拟土颗粒间的联结材料制备了人工结构性土,开展了不同水泥含量的人工结构性土与相应的原状土、重塑土的湿陷试验,分析了结构性、冻融作用、初始含水率、湿重度及荷载大小对湿陷系数的影响规律。试验结果表明：冻融前后,人工结构性黄土的湿陷系数均比原状土、重塑土的湿陷系数小,且随着水泥含量的增加,湿陷系数有所减小;冻融之后,各土样的湿陷系数几乎均有所增加,但增加的程度和土样初始结构、含水率、干密度（压实系数）及竖向荷载关系密切,尤其当含水率接近最优含水率和土样为重塑土或水泥含量较低的人工结构性土时,冻融后湿陷系数增大幅度显著。在标准荷载200 kPa下,冻融前后原状土、重塑土的湿陷系数与其湿重度之间基本呈较好的线性负相关关系,而人工结构性黄土湿陷系数与湿重度之间并不呈线性关系;竖向荷载为50 kPa时,重塑黄土和5%水泥含量黄土的湿陷系数与冻融次数之间存在着较好的对数关系。以水泥作为土颗粒间联结材料,制备的人工结构性土是否能很好地代替原状土反映结构性黄土的湿陷特性,还需更进一步深入研究。     

干湿循环作用下压实黄土湿陷特性试验研究

压实黄土作为重要的填筑材料,广泛应用于我国西北、华北公路、铁路、机场等基础设施建设中.由于降雨及蒸发的周期性变化,黄土路基及基础经历着强烈的干湿交替作用.基于此,开展压实黄土风干干燥-滴水增湿条件下的干湿循环试验,利用双线法测试最佳含水量条件下不同初始压实度的黄土土样干湿循环前后的湿陷系数.结果表明：没有经历干湿交替作用的土样,湿陷系数随着压实度的增大而快速减小,当压实度达到90%,提高压实度对于黄土湿陷变形特征的影响较小;5次干湿循环作用后,不同压实度下的试样的湿陷系数均明显增大,且压实度越大,干湿作用对其湿陷变形的影响越显著;压实度K=95%试样在经历5次干湿循环作用后土样上部出现肉眼可见的细微孔隙,体积膨胀,有可溶盐析出,湿陷系数达到0.017,土样出现二次湿陷.     

黄土路基沉降量预测方法的研究

归纳对比了评估指南所提出的几种常用沉降预测模型的优缺点,提出检验任一拟合方法是否是通过实测沉降数据预测最终沉降量的最优方法,除检验其拟合精度外,还必须检验其预测精度,并基于所提出的拟合指标及预测指标,分析郑西客运专线实测数据后提出了适用于黄土路基沉降预测的预测方法。并根据组合预测的思想,通过加权系数调整各单一预测模型的比例,基于最小二乘法进行求解,建立了组合预测模型。探讨了其拟合及预测精度,指出使用组合预测模型可综合利用各种方法所提供的信息,有效地减少单个预测模型受随机因素的影响,较大地提高预测精度,其拟合精度比任何单一预测模型高得多。但用其预测之前,必须将参与组合的模型进行筛选,预测精度与所选取的筛选准则是否合理息息相关,如何选择一个比较合理的筛选准则使得在保证被筛选用于最优组合模型的预测模型其权系数均大于0的前提下,误差平方和最小,仍需进一步研究。     

黄土震陷性深度特征的试验研究

黄土震陷是地震发生时黄土地区发生的一种灾害。以典型马兰黄土（Q3）作为研究对象,对5组不同深度的原状黄土试样进行室内动三轴震陷试验,研究了该场地黄土震陷性随深度的变化特征。研究结果表明,（1）在天然含水率或是增湿、减湿情况下,黄土震陷深度曲线随动应力的增加均经历了一个从平稳、快速、再收敛至最大震陷深度的发展过程;（2）黄土震陷深度曲线的发展阶段动应力区间不尽相同,随着含水率的增加,黄土震陷快速发展期的动应力区间在变窄,最小动应力值变小,含水率20%条件下比5%最小动应力值可降低30%;（3）典型马兰黄土存在一个最大震陷深度,其最大震陷深度不受动应力、含水率影响,含水率仅能够降低达到最大震陷深度时最小动应力,加速黄土震陷深度的发展进程。在动应力不断增加的情况下,最终的黄土震陷深度曲线收敛于最大震陷深度,本次实验黄土场地的最大震陷深度约为15.5 m。     

白兰高速公路沿线黄土场地震陷区判定与评价

采用DSD-160型电磁式振动三轴试验系统,通过对甘肃白银-兰州高速公路(国道109线)沿线黄土的震陷试验,探讨了该场地黄土在动荷载作用下的震陷特性.利用黄土震陷灾害预测方法和该地区黄土场地地震危险性分析结果,对该公路沿线黄土场地的震陷区进行了判定和评价.这些研究结果可作为该高速公路工程进行抗震设计和地震变形分析的基本依据,对黄土地区其它工程也有一定的参考价值.     

黄土抗震陷变形的酸改性方法及其微观结构分析

低黏性粉质黄土的架空弱胶结微结构,导致这种黄土在动荷载作用下呈现出强度低、震陷变形大的现象,为黄土场地地基处理提出了挑战性的技术难题。黄土结构改性是通过改变其微观结构,达到有效降低震陷变形和湿陷性等为目的。本文采用酸改性方法处理黄土,即通过加入有较强分散和胶结效果的硼化合物作为主要改性物质;加入轻质碳酸钙等填料,调整原状土的颗粒粒径级配;以磷酸稀释液调解土的pH值。对改性土样进行震陷等试验测试对比,确定最佳配方,同时分析改性前后微观结构和能谱的变化。结果表明,酸改性方法能有效改善黄土的微观结构,使得土样的震陷变形系数明显降低。并且所添加的改性原料无毒,不会对土层产生污染。     

基于神经网络的沉陷区水深遥感研究

为获取煤矿积水沉陷区遥感影像数据与沉陷区水深的定量关系,建立了BP神经网络水深反演模型,并对淮南潘一矿积水沉陷区水深进行了反演。首先对Landsat卫星影像数据(TM影像)进行几何校正、大气校正和沉陷区范围提取等,然后输出像元反射率值,并与水深实测控制点坐标匹配,使水深值与反射率值对应。实验结果表明:以水深值2 m为阈值,水深值小于2 m的区域,模型反演水深值与实测水深值的平均绝对误差为0.166 3 m,平均相对误差为13.29%;水深值为2~6 m的区域,模型反演水深值与实测水深值平均绝对误差为0.578 6 m,平均相对误差为15.20%。     

模糊优选神经网络在边坡稳定性分析中的应用

本文应用模糊优选神经网络理论,建立了边坡稳定性评价模型,综合分析了影响边坡稳定性的各种因素,根据它们作用程度的不同,赋予不同的权值,通过对收集到的边坡稳定性实例进行学习,提出了与优属度有关的函数关系式。可以看出:该方法具有精度高、收敛速度快、权值调整模型好等优点。     

湿陷性黄土地区高速公路强夯路基及其特性

西部山区修建高速公路穿越湿陷性黄土地区时面临诸多设计和施工问题。选择国道312线典型湿陷性黄土地基试验段,进行了不同夯击能量的强夯试验。通过对强夯土体室内、外试验结果分析,揭示了强夯前后湿陷性黄土的变化规律,得出:压实度与孔隙比呈线性递减关系;压实度不小于95%时施工含水量的合理范围应控制在11.9%～15.4%,土体分布-1～-5 m;2 000 kN.m、3 000 kN.m、6 000 kN.m强夯的加固深度分别为5～6 m、6～7 m和8.5～10 m,大于加固深度后地基土强度提高不明显。     

全风化花岗岩的路用动态特性研究

利用动三轴试验,研究了全风化花岗岩在重复荷载作用下的动态特性,根据累积应变随加载次数的变化规律,建立了动强度曲线,分析了动强度与围压、压实度以及动模量与动应力的相关关系,讨论了含水量对动态特性的影响,提出了运用动态特性评价公路路基填料的方法,并在实际工程中予以应用。     

Prediction of ground subsidence in Samcheok City,Korea using artificial neural networks and GIS

This study shows the construction of a hazard map for presumptive ground subsidence around abandoned underground coal mines (AUCMs) at Samcheok City in Korea using an artificial neural network, with a geographic information system (GIS). To evaluate the factors governing ground subsidence, an image database was constructed from a topographical map, geological map, mining tunnel map, global positioning system (GPS) data, land use map, digital elevation model (DEM) data, and borehole data. An attribute database was also constructed by employing field investigations and reinforcement working reports for the existing ground subsidence areas at the study site. Seven major factors controlling ground subsidence were determined from the probability analysis of the existing ground subsidence area. Depth of drift from the mining tunnel map, DEM and slope gradient obtained from the topographical map, groundwater level and permeability from borehole data, geology and land use. These factors were employed by with artificial neural networks to analyze ground subsidence hazard. Each factor’s weight was determined by the back-propagation training method. Then the ground subsidence hazard indices were calculated using the trained back-propagation weights, and the ground subsidence hazard map was created by GIS. Ground subsidence locations were used to verify results of the ground subsidence hazard map and the verification results showed 96.06% accuracy. The verification results exhibited sufficient agreement between the presumptive hazard map and the existing data on ground subsidence area. An erratum to this article can be found at