距离判别法在公路隧道围岩分类中的应用

将距离判别分析方法应用于公路隧道围岩类别判定问题中,结合前人研究经验,选用隧道洞室围岩岩石单轴饱和抗压强度σc、节理平均间距d、岩石质量指标RQD、地下水情况作为围岩类别判定的距离判别分析模型判别因子,以前人实际工程中公路隧道围岩实测数据资料作为训练样本进行分析计算,建立围岩类别判定的距离判别分析模型。采用回判估计方法对判别结果进行验证,误判率为零,将对样本数据的回判结果与前人应用神经网络方法判别结果对比,判别结果一致。运用距离判别分析模型对浙江省诸永高速公路枫树岭隧道围岩类别情况进行判别,将所选洞段围岩情况判定为Ⅳ类,与规范方法判定结果一致。     

隧道围岩压力的神经网络时间序列分析

围岩压力是隧道开挖后重要的反馈信息之一,受不确定性因素影响,围岩压力监测数据是一个不平稳的时间序列,包括趋势项和随机项。采用BP网络对不平稳时间序列进行数据拟合,处理趋势部分,利用ARMA模型处理随机部分。结合累进算法,对浙江某新建隧道围岩压力进行时间序列预测。结果表明该方法具有较高的预测精度,最大相对误差为3.73%,能够应用于工程实际当中。     

基于小波降噪的隧道围岩监测数据分析

隧道围岩监测数据中含有大量的随机误差,为了消除或削弱随机误差的干扰,通常对观测数据进行降噪处理。基于小波分析理论,利用小波降噪技术,以某隧道的围岩监测数据为例,选择了db3小波函数和heursure软阈值对围岩接触压力进行降噪处理,并用5-15-1BP神经网络对降噪前后的结果进行了预测比较,训练步数分别为2 448步和450步,未降噪的围岩压力预测的误差总体上要比降噪后的误差大。实际计算结果表明,小波去噪合理有效,能够敏感识别观测噪声和有用信息,适合于隧道围岩监测的数据分析。     

某水电站解放沟左岸反倾高边坡蓄水稳定性分析

主要研究了在水库蓄水后某一反倾高边坡的稳定性问题。采用FLAC3D软件计算和分析不同蓄水位下的边坡稳定性,得到较理想的结果。结果表明,蓄水条件下边坡的整体稳定性,主要是变形稳定性问题;按解放沟左岸边坡实际的风化状态进行赋值,在任何蓄水位下,边坡整体上是稳定的;边坡在蓄水条件下的整体稳定性对岩体力学参数比较敏感;边坡整体是稳定的。     

基于熵值-理想点法的泥石流危险度研究

泥石流危险度的划分是泥石流研究中的重点与难点,泥石流危险度的确定对于泥石流整体特征的把握具有十分重要的作用。采用熵值-理想点法建立了泥石流危险度划分模型,选取流域面积、主沟长度与泥石流沟相对最大高差等10个评价指标。利用现场3条泥石流沟作为工程评价对象,通过熵值法确定各评价指标的权重系数,并采用理想点法进行泥石流危险度的划分研究。根据模型分析结果,泥石流沟2与3属于高危险度(贴近度为0.79与0.83),泥石流沟1属于中危险度(贴近度为0.82)。泥石流危险度与现场情况及已有研究资料基本一致,证明了该法在泥石流危险度划分中的合理性与有效性。     

再论“伊犁”地名的含义

自汉代以来,以各族语言称呼的“伊犁”地名,以不同的汉译方式,见诸汉文典籍。其中最为经典的有自汉至唐的“伊列”,唐之“伊丽”,西辽之“益离”,元之“亦刺八里”,明朝时的“亦力把里”,清代以来的“伊犁”。这些称谓都是汉语对“伊犁”本来发音的不同译写形式,其本质并无差异。从古至今,还很少有人对“伊犁”一词的本来意义进行阐释。     

多参数岩体结构面优势分组方法研究

在岩体力学和水力学分析中,搞清岩体结构面的分布规律是一项重要的基础工作。当岩体结构面的产状一致,而其他性质不一致时,岩体结构面的力学和水力学性质是不同的,而传统的方法仅根据岩体结构面的产状进行分组,这势必存在缺陷。提出了一种基于变尺度混沌优化算法的多参数结构面数据的优势组划分方法,通过度量结构面之间的相似性建立目标函数,运用变尺度混沌优化算法搜索目标函数的最优解来确定聚类中心,可同时考虑结构面的多个参数,把具有相似性质的结构面归并成组。通过计算机模拟的结构面数据验证了此算法的正确性,最后将此算法应用于实际工程中测量的多参数结构面数据的优势组划分,得到了清晰可靠的分组结果。     

岩体结构面的多参数优势分组方法研究

岩体中的结构面对岩体的水力和力学性质有很大影响,因此,弄清岩体中结构面的发育规律是岩体稳定性评价的基础。当结构面的产状一致,其他性质不一致时,结构面的水力学特性和力学性质是不同的。而传统的结构面优势分组方法仅根据产状数据分组,无法分辨产状相同、其他性质不同的结构面。因此,提出了一种基于量子粒子群优化算法的多参数结构面的优势分组方法。该方法通过结构面的相似性度量建立目标函数,运用量子粒子群优化算法通过搜索目标函数的全局最优解来确定聚类中心,可用于结构面多个参数的优势分组。通过对计算机模拟的多参数结构面数据的分组,验证了该方法的可靠性。最后,将该方法应用于怒江松塔水电站坝址区实测的多参数结构面数据的划分,得到了符合实际的分组结果。     

基于人工神经网络的大坝变形分析与预报——以西津大坝27~#点的变形监测为例

以MATLAB语言为基础,应用BP神经网络、逐步回归分析进行西津大坝27#点的变形分析与预报研究.在此基础上,进一步提出了逐步回归BP神经网络组合的预报方法,并探讨了3种方法的预报结果.研究表明,BP神经网络用于大坝变形分析与预报是可行的,所提出的逐步回归BP神经网络组合法提高了变形影响因子选择的科学性,在预报效果上,优于前两种方法.