冲击荷载下土体动力响应与加载速率效应研究

为揭示土体在冲击荷载作用下的动态响应特征,运用自主研发的附加激发力式平板动力载荷试验系统（flat dynamic load test,简称FDLT试验）对广州大学城区内两种典型土体（砂土和黏土）进行了不同荷载大小和加载速率的FDLT试验,获取了土体在冲击荷载下的荷载-时程曲线、位移-时程曲线、荷载-位移曲线的3种关系曲线。建立了动态变形模量与加载速率的经验公式,对比分析了两种土体在冲击荷载作用下的加载速率效应。研究表明：（1）砂土的FDLT试验存在一个充电量临界值,在该充电量冲击试验过程中,加载速率对砂土的动态强度及变形有较大的影响,而对黏土在本次试验条件下未有明显影响。（2）加载速率对黏土与砂土的位移响应的相同之处在于,最大荷载和最大位移均随加载速率的增大而提高;不同之处在于,黏土达到位移峰值时间会随加载速率增大而延长,而砂土达到位移峰值时间随加载速率增大呈现先增加后减小的规律。（3）土体的动态变形模量与加载速率曲线呈对数变化关系。本研究成果可为土体动力特性研究、土的动静参数换算和工程设计提供依据。     

人工神经网络在水泥加固土力学性能预测中的应用

提出了基于人工神经网络（ANN）的水泥加固土力学性能指标计算的新方法，并在此基础上预估水泥土搅拌桩体和复合地基的承载力，利用实测资料直接建模，避免了传统方法计算过程中各种人为因素的干扰，所建立的模型预测精度高，简便易行，因而具有广泛的工程实用价值。     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

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。     

基于粗糙集的范例推理在泥石流危险性评价中的应用

将粗糙集理论和范例推理相结合,建立了基于粗糙集-范例推理的泥石流危险性评价模型.运用粗糙集理论对范例库中的范例进行属性约简和特征向量权值计算,用相似度量理论来实现最相似范例检索,得到泥石流的危险性评价结果.选取了一次泥石流(可能)最大冲出量,泥石流发生频率、流域面积、主沟长度、流域相对高差、流域切割密度、24 h最大降雨量、松散固体物质储量共8个因素作为泥石流危险性的影响因子;选取云南东川和西藏八宿等共14条泥石流沟资料进行建模分析.实例研究表明,基于粗糙集一范例推理的泥石流危险性评价结果与实际状态相吻合,该方法具有简便、高效、直观、实用的特点.     

基于粗糙集-支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.     

人工神经网络原理在建筑物震陷预测中的应用

运用人工神经网络原理，对BP型神经网络作了多方面的改进，采用改进后的BP算法，建立了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，能满足工程要求，是一种有效可行的预测新方法。     

岩质边坡稳定性评价的粗糙集－支持向量机方法

结合粗糙集和支持向量机两种智能算法,建立了基于粗糙集与支持向量机的岩质边坡稳定性评价模型。首先根据有限的经验数据建立属性决策表,通过属性约算法找出影响边坡稳定性的关键因素;然后将所提取的关键信息训练支持向量机。本文以铁路沿线边坡为例,进行边坡稳定性验算,结果表明算法能有效降低边坡稳定性影响因素集数据维数及支持向量机的复杂程度,提高训练速度和泛化能力。     

软土物理力学性质指标与微结构参数的灰色关联-神经网络模型

通过对广州市南沙地区大量软土物理力学试验和微结构分析,获取了40组软土试样的物理力学性质指标和微观结构参数。综合运用灰色关联分析的数据分析能力和人工神经网络的非线性映射功能,建立了软土物理力学性质指标与微结构参数的灰色关联-径向基神经网络模型。该模型利用灰色关联分析方法对数据进行预处理,提取重要因子作为网络的输入,而径向基神经网络充分利用样本数据信息,自适应确定隐含层节点个数、径向基函数中心、宽度以及网络的权系数。克服了传统RBF网络隐层节点数为样本个数,当数据较多时导致网络结构庞大、学习速度慢的缺点。通过模型A和模型B的实例研究表明,该方法简化了网络结构,提高了训练速度和预测精度,为软土物理力学性质与微结构参数关系的定量研究提供了一条有效途径。     

可拓聚类预测方法在地质灾害危险性评价中的应用

基于可拓学的物元模型和聚类分析原理,提出了地质灾害危险性评价的可拓聚类预测方法。本文根据地质灾害危险性的9个影响因子,构建了经典域物元和节域物元,应用物元理论和可拓集中的关联函数建立预测模型,通过聚类分析得到地质灾害危险性的预测结果。并将可拓聚类预测方法用于对云南昭通地区滑坡、泥石流危险性评价之中,实例研究表明了可拓聚类预测方法用于地质灾害危险性评价的有效可行性。