通渝隧道围岩变形的神经网络预测

隧道新奥法施工中 ,常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。公路隧道围岩变形量是随时间而变化的数据序列 ,因而可以建立一些实时跟踪预测模型和方法。根据通渝隧道围岩拱顶下沉位移变形的特性 ,采用神经网络技术来预测其变形量 ,结果表明该方法简易、有效     

具有空间分布裂缝岩石的随机介质模型

利用随机过程的谱展开理论以及Hudson等人的裂纹介质模型构造一种裂纹数密度是空间平稳随机过程的随机介质模型。这个模型可以将裂纹的微观参数(裂纹数密度)与裂纹介质的宏观性质(弹性常数)联系起来,能灵活、有效地描述实际非均匀裂纹介质。模型算例表明,弹性常数的空问分布特征与裂纹数密度的有差别,而且对不同的弹性常数影响不同。通过改编自相关长度的大小,可以模拟裂缝在两个坐标轴方向上具有不同分布尺度的情况。最后,利用高阶的交错网格有限差分方法,我们模拟了地震波在具有随机分布裂缝岩石中的传播特征。     

Modeling of Rocks with Spatial Distributed Fractures by Random Medium Theory

By using the spectrum expanding theory of random processes and Hudson‘s crack model,we developed a random medium model for rocks with spatial random distributed number density of cracks. This model could connect the micro-parameters of the cracks with the macro- mechanical properties, and can be effectively applied to model the real inhomogeneous medium. Numerical example indicates that the random distribution characters could be different for different elastic constants under the same random distribution of number density of cracks. By changing the value of the autocorrelation length pair, it is possible to model the difference of the distribution in the two coordinate directions. Numerical modeling results for seismic wave propagating in rocks with random distributed fractures using a staggered high-order finite-difference (SHOFD) are also presented.     

人工神经网络在岩体初始应力场反演中的应用

岩土工程问题的有限元分析一般需要考虑初始地应力场，而可供工程应用的初始应力值，主要靠少数实测资料。根据少数测点值，采用人工神经网络与有限元相结合的方法求解岩体初始应力场。通过算例说明：文中所提方法是合理的。     

神经网络在判别煤矿突水水源中的应用

矿井突水水源的识别是矿井防治水工作的基础，快速准确地判别突水的来源对整个矿井的安全生产起着十分重要的作用。以峰峰矿区梧桐庄矿为例，应用神经网络的方法，对矿井突水水源进行了系统研究。结果表明，运用该方法取得了较好的效果，并可以用此模型来解决类似的评价和判别问题。     

PNN网络在预测MCS移动中的应用

神经网络是空间数据挖掘的一种重要手段。本文运用概率神经网络(PNN网络)对1998年夏季影响青藏高原上中尺度对流系统(MCS)东移的环境物理量场的空间分布特征进行了研究，得到了高原上MCS移动方向与环境物理量场空间分布之间的关系。研究表明，使用概率神经网络预测中尺度对流系统的移动具有较好的效果，从而为研究高原上MCS东移与环境场之间的关系提供了一种新的方法和思路。     

概率神经网络与BP网络模型在遥感图像分类中的对比研究

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。     

基于神经网络的建筑物沉降原因分析

在我们应用回归方法对建筑物沉降原因分析及沉降趋势的预测中，由于实际情况的复杂性及主观认识的局限性，这样所得的结果含有较多的人为因素，可能会与实际情况有所差异。针对这种情况，讨论了应用神经网络方法来发现和验证引起建筑物沉降的因素及对沉降趋势的预测。实例表明，该方法能取得较好的效果。     

GPS高程转换的神经元网络方法分析

GPS高程转换是GPS高程应用的关键问题之一，试图应用神经元网络方法来进行GPS高程的转换，并在网络的拓扑结构与网络结构的改进等方面作了分析，通过GPS高程转换的二次曲面法和神经元网络法进行了比较试验，结果表明了神经元网络转换GPS高程的可行性和可靠性，对于应用神经网络转换GPS高程具有实际的指导意义。