大变形有限元法分析边坡稳定性

边坡稳定性分析的重要任务是确定边坡潜在滑面的位置及相应的安全系数,鉴于坡体位移可在现场监测中直接得到,提出边坡潜在滑面确定的位移判据,采用大变形有限元首先计算出边坡的位移场,然后在开挖面的不同高度作塑性区内的水平位移参考线,依次连接参考线上的位移突变点即得到边坡失稳的潜在滑面位置,分析滑面上的应力以及岩体抗剪强度即得到边坡的整体安全系数。     

位移矢量角在堆积层滑坡时间预报中的应用

针对堆积层滑坡变形破坏特点，运用灰色理论，对滑坡位移观测资料进行了处理，求出了灰色位移矢量角。通过对新滩滑坡灰色位移矢量角特征分析，发现灰色位移矢量角具有与滑体稳定状态相一致的动态特征。因此提出运用灰色位移矢量角来预报堆积层滑坡的新方法。     

一种基于EEMD-RFR的水库滑坡台阶状位移预测模型

水库滑坡的位移与周期性的库水波动和季节性降雨等诱发因素关系密切,由于库水位升降和降雨的作用,滑坡累计位移变形曲线呈明显的"台阶状",准确、及时地预测此类台阶状位移对提升该变形的认识具有重要意义.为深入了解诱发因素对水库滑坡位移的影响,预测其变形演化趋势,本研究提出了一种基于集合经验模态分解(EEMD)和随机森林回归模型...     

泥石流冲击作用下框架结构的破坏机理

推导了泥石流冲击力作用下结构的最大位移,可以看出最大位移与泥石流的密度、速度,结构的周期、刚度有关。通过对泥石流冲击力的简化,利用有限元软件模拟二层框架结构在泥石流冲击作用下的响应,得到了底层框架柱的位移时程曲线,并对底层柱破坏形态进行了分析。把结构理论最大位移与模拟最大位移进行比较,得到了结构最大位移限值,为建筑物抵抗泥石流冲击设计提供了参考。     

数字图像测量法在砂箱模型试验中的应用

变形测量是砂箱模型试验中的一个重要环节。通过对数字图像测量中的标点法及相关法的介绍,给出了图像获取、畸变矫正及位移、应变等参数计算的方法,并通过PIVLAB及自行设计的标点法程序对被动桩模型试验结果进行了观测,结果表明两种方法均可完成试验中土体位移、应变发展的定性、定量测量,且两者各具优势,其中标点法更适于大范围观测,相关法更适于局部变形测量,应根据具体试验规模选择合适的方法。     

山地地理

P642．2 2007021173大变形有限元法分析边坡稳定性=Using large deformation FEM on the analysis of slope stability/杨涛,周德培…//山地学报．—2006,24(1)．—101～104边坡稳定性分析的重要任务是确定边坡潜在滑面的位置及相应的安全系数,鉴于坡体位移可在现场监测中直接得到,提出边坡潜在滑面确定的位移判据,采用大变形有限     

无限长土坡滑移变形模拟

从建立土体应力平衡微分方程入手,在平面应变的假定下求解均质无限长土坡的应力平衡方程。通过拟定坡土的滑移速度和粘塑性应变率的关系式,以剑桥模型为依托,得出滑移变形速率的显式表达式,由此推出土坡滑动位移的计算式。因为模型计算值与实测值无论变形趋势还是大小都有不少误差,所以经修正粘滞性参数来改进模型的模拟精度。最后通过一个算例,将现场实测滑移数据和模型计算值进行比较,分析表明二者较为一致。     

堆积层斜坡震后变形发展规律的离心模型试验

地震作用后堆积层斜坡的变形规律与稳定特性是我国西南山区防灾减灾工程中关注的重要问题之一。为深入研究震后堆积层斜坡变形发展规律,将坡体概化为花岗岩强风化土与砂土配制而成的匀质土模型,采用土工离心模型试验的方法,探讨地震影响深度为10 m时不同震松程度(震松坡体压实系数分别为0.90、0.85、0.80)对边坡震后时效变形与长期稳定特性的影响,并进一步将离心模型试验结果与原型现场实测数据进行对比分析。研究发现,随震松坡体损伤程度增大,其应力与位移场于震后短期的调整幅度将相应提高;地震震松坡体密实程度以压实系数表征于0.90~0.80间变化时,其位移场于震后的主要调整时间为0.7~1.1 a;由于物理试验中边坡坡度较缓(约35.7°),地震震松坡体时效位移以竖向固结为主;离心模型坡面水平位移与原型斜坡代表性测孔顺坡向位移随时间的演进规律具有较好的相似性。     

建筑工程基坑变形监测分析研究——以蚌埠某建筑工程为例

基坑变形监测是基坑工程施工中的一个重要环节,对建筑物的安全性与稳定性具有极其重要的意义。本文以安徽省蚌埠市某广场建筑工程项目为例,对该项目实地开展基坑变形监测。商业地块边坡水平位移最大变形量为5.8 mm,最小变形量为2.0 mm,边坡沉降最大变形量为2.9 mm,最小变形量为0.5 mm,周边建筑物沉降最大变形量为3.0 mm,最小变形量为0.0 mm;住宅地块边坡水平位移最大变形量为4.5 mm,最小变形量为1.0 mm,边坡沉降最大变形量为2.6 mm,最小变形量为0.9 mm,周边建筑物沉降最大变形量为2.9 mm,最小变形量为0.0 mm。周边道路沉降最大变形量为4.1 mm,最小变形量为2.1 mm。根据监测结果,可以为建筑工程施工提供指导。     

基于无人机影像的冰面流速与高程变化提取方法

无人机遥感能够获取高精度、高分辨率的冰川表面三维形态,有助于揭示冰川的运动和消融变化,现已成为冰川变化监测的重要技术支撑。针对无人机高分辨率影像能够有效识别表碛覆盖型冰川表面细节特征点的优势,本文引入金字塔影像集和最小二乘匹配方法联合开展特征点的追踪,用以实现冰川表面特征点三维位移场提取和动态变化分析。以贡嘎山贡巴冰川冰舌区作为典型研究区域,利用高分辨率无人机影像生成消融期前后（2018年6月9日和10月17日）的正射影像数据和数字表面模型,基于2期正射影像提取冰川表面特征点并实施追踪以获得三维位移场,在此基础上初步探明贡巴冰川冰舌段表面位移速率最大为7.51 cm/d,垂向消融速率超过11 cm/d。本文相关研究数据和结果可为冰川及复杂地形山区地质灾害的监测提供参考。     

坡度和粗糙度对ICESat-GLAS回波特征及其光斑脚点高程误差的影响研究

为评价ICESat-GLAS数据在青藏高原地区冰川表面高程变化中的不确定性,采用GLA01产品和GLA14产品,基于SRTM DEM数据所派生的冰川区和非冰川区表面坡度、粗糙度数据,利用多元线性回归关系模型分析了表面粗糙度、坡度对GLAS光斑脚点高程的不确定误差。结果表明:当GLAS光斑脚点坡度小于10°时,GLAS光斑脚点高程偏差为0.1m,且高程偏差随着坡度的增加而增大。在受坡度和粗糙度影响复杂地形下,GLAS光斑的回波展宽较大,不确定性偏差为0.3m。此外,冰川区GLAS光斑脚点高程误差可通过高斯滤波进行展宽偏差校正,但当冰川表面坡度大于45°时,相应的GLAS光斑脚点高程在冰川表面高程变化估算中不可用。在后续的研究中,需考虑冰川运动、GLAS回波在冰雪表面渗透对冰川DEM高程精度以及GLAS光斑脚点水平位移的高程偏差影响。     

GPS技术在滑坡监测中的应用

探讨了应用GPS技术进行滑坡监测的原则和方法，结合向阳技校滑坡的实际监测资料对这一方法进行了论证。并通过对几年来观测数据的综合分析，得出了滑坡体位移的大小和方向和对该地区地表以及位于滑坡体上的建筑物造成的影响，提出了滑坡预测模型，进而利用该模型和监测数据对滑坡进行了预报，从而对该地区的防灾工作具有重要的意义，也为GPS技术在变形监测中的应用提供了重要的参考价值。     

基于车载LiDAR点云联合特征的道路边界提取研究

针对基于车载LiDAR点云数据的道路边界提取存在的问题,该文提出一种基于联合特征且能适应多种道路环境的道路边界提取方法。首先依据移动测量系统的航迹,按照设定宽度对道路数据进行分段,排除道路外侧无用数据;再对每段数据采用布料模拟滤波(CSF)算法分离地面点和非地面点,通过强度中值滤波去除地面点的椒盐噪声;然后计算点云局部邻域高差梯度和回波强度梯度构成的联合特征,依据设置阈值提取道路边界;最后通过欧氏距离聚类剔除部分非道路边缘点,细化道路边界,合并各段道路边界点云,得到完整的道路边界。选用代表性的城区道路、高速公路、乡村道路3种实验环境,验证了算法的鲁棒性。该研究对于扩展车载LiDAR在道路场景中的应用具有重要价值。     

基于机器学习的库岸滑坡变形短期预测

库岸边坡是一个复杂的地质综合体,库岸滑坡是威胁库区安全的地质隐患。多数传统滑坡预测模型为静态模型,未将滑坡变形特征与位移预测二者结合考虑,不能实际反映滑坡演化过程中的动态特性。本文基于溪洛渡库区58处涉水滑坡变形监测结果,归纳了库岸滑坡变形规律,采用机器学习方法实现了不同特征滑坡变形趋势的短期预测。研究结果显示：(1)研究区年平均地表形变速率处于-116.841～265mm·yr^-1,负值代表目标地物远离卫星方向位移,正值代表目标地物靠近卫星方向移动,其中存在缓慢变形滑坡13处,根据其累计位移曲线特征划分为：阶跃型、振荡型和持续增长型三类。(2)阶跃型滑坡滑面多为弧线型,其变形主要受库水位周期性变动影响;振荡型滑坡滑面多为折线型,其变形多受库水位和降雨共同作用;持续增长型滑坡滑面多为直线型,其变形主要受自身地质条件控制。(3)针对不同变形特征滑坡,采用长短时记忆(LSTM)神经网络模型考虑多因素耦合和滑坡演化状态建立了滑坡变形动态预测模型,通过评价结果验证,该模型具有较高预测精度及良好的适用性。研究结果可以为溪洛渡库区滑坡系统研究与防治提供依据,为库区不同变形特征...     

滑体的运动变形及观测要点

滑体运动变形特征是建立滑坡观测系统的主要依据。前者受控于滑面类型。1.直线型滑面上的滑体作整体运动,运动具等效效应;内部变形微弱,观测重点在地表位移;2.折线型滑面上的滑体亦作整体运动,变形较强,观测重点在深部位移和变形;3.凹弧型滑面上的滑体作整体旋转运动,变形较弱,观测重点在后缘和前缘;4.凸弧型滑面上的滑体作破碎旋转运动,变形较明显,观测重点在地表(尤其是剪出口处);5.复合型滑面上的滑体作分级分块运动,变形强烈,宜作综合观测。     

基于GPS的雅安峡口滑坡变形监测

滑坡是斜坡体物质变形累积到一定程度而形成并发生的,因此通过滑坡体的变形监测,能揭示和预测坡体的变形趋势,且监测的数据精度越高,对滑坡的预测和趋势分析准确度越高.目前对滑坡体的地表变形监测手段很多,但大多数监测数据的精度都不尽如人意,因此监测仪器以及手段的选择至关重要.GPS对静止物体的空间相对定位精度已非常高,本研究正是基于GPS观测数据高精度的特点,借助其对滑坡进行监测,从而分析滑坡的变形特征以及可能发展趋势.     

基于动态椭圆的LiDAR数据窗户边界提取研究

针对复杂建筑物立面中窗户精细提取的难题,该文基于车载LiDAR数据提出一套完整的不规则窗户边界提取方法:先通过RANSAC算法探测建筑物主墙面点云,借助语义特征分离墙面和非墙面点云;再通过坐标变换,将非墙面点云转换到水平面,采用格网对水平面内点集的邻域关系进行判断,使用平面八邻域连通性探测方法对二维平面内窗户点进行聚类,分别存储聚类后的每一个窗户点云;然后采用改进的动态椭圆凸壳算法,检测聚类后各窗户边界轮廓点;最后对窗户点云坐标逆变换,得到建筑物立面中的窗户边界。通过实验验证了该算法的准确性。     

基于QPSO-LSSVM的边坡变形预测

滑坡变形受外界影响因素作用的机理十分复杂,难以采用简单方法对其进行预测,因此建立快速准确的滑坡预测模型十分重要。采用比一般支持向量机(SVM)预测效果更好且计算速度更快的最小二乘支持向量机(LSSVM)方法,选用RBF核函数对边坡位移时序数据进行训练和预测,并引入量子粒子群算法(QPSO)对LSSVM模型参数γ和σ进行全局寻优,避免了人为选择参数的盲目性,提高了模型的预测精度。将优化模型应用于新滩滑坡和卧龙寺新滑坡的变形预测,并与传统的LSSVM、PSO-LSSVM模型进行预测精度及收敛性对比分析。结果表明,QPSO-LSSVM模型较传统方法在预测精度上有了明显提高,且收敛速度明显加快,说明QPSO-LSSVM模型在边坡位移时序预测中具有良好的应用价值。     

一种改进的基于法矢方向调整的平面点云分割方法

智慧城市的蓬勃发展和快速推广,使得三维建模成为当前热点研究方向。平面点云分割是三维点云建模中数据处理的关键环节。该文提出一种三角面片法向量方向调整方法,通过后续对邻近法向量进行加权平均估算实现平面点云的分割。首先采用八叉树的空间划分方法将无序的点云建立索引,利用K紧邻搜索获取参考点的K个邻近点,然后将该局部点构建不规则三角网并且得到包含参考点的所有三角面片以及三角面片的法向量,并通过将三维点投影到二维平面,利用平面三角形两边向量叉乘的方法,判断并调整各三角面片的顶点排列顺序,使三角面片的法向量一致化,最后对包含参考点的所有三角面片的法向量加权平均,估算参考点的法向量,根据点云法矢一致、共面的原则将平面点云分割出来。以徕卡Scanstation 2型扫描仪获取点云数据,对该方法进行检验,结果显示其能较好地实现对点云法矢量方向的调整与估算,并对平面点云数据进行分割提取。     

基于空间异质分区的残差IDW插值方法

空间插值可以利用已有观测数据修补缺失的观测数据,也可以利用离散数据构建连续的表面数据,但现有的空间插值方法没有充分考虑空间数据的异质性。该文提出一种基于空间异质分区的残差反距离加权插值方法(RRIDW)。首先根据采样点属性值对研究区域进行空间异质分区;为了进一步去除不同子区域内的空间趋势,对每个子区域计算趋势面,进而计算得到采样点属性值的异质分区残差,利用属性值残差进行反距离加权插值;最后结合趋势计算得到待求点处的空间插值结果。实验采用两组实际PM2.5浓度数据和降雨量数据,运用交叉验证方法对RRIDW方法与其他常用空间插值方法进行对比分析,验证了该方法的优越性和可行性。