循环荷载下双曲线模型修正土体一维固结解

假定土体的应力-应变关系满足双曲线模型、渗透系数的降低与压缩系数的减小成正比以及初始有效应力沿深度均匀分布,推导出任意荷载下单层地基的非线性一维固结方程。结合具体的定解条件采用分离变量法求出土体有效应力的通解,并进一步求出超静孔隙水压力、按沉降定义的平均固结度Us以及按孔隙水压力定义的平均固结度Up的通解。根据通解求出梯形低频循环荷载作用下的解,并找出循环荷载作用下土体固结性状的影响因素。基于循环荷载作用下的解,采用FORTRAN语言编制了计算程序,计算并分析考虑土体本构关系非线性时的固结性状,以及反映土体本构特征的参数E和n对固结性状的影响。计算结果表明：①Us稍大于Up;②距排水平面越近,附加有效应力受加载方式的影响越明显,距排水平面越远则相反;③E和n对Us的影响很小,可以忽略不计;④E和n对Up和附加有效应力的影响较大且不容忽略。     

海面-地面系统中三维古地面反演计算的剥蚀算法研究

三维古地面反演计算是海面-地面系统研究中的一个基础研究。该文在前人研究的基础上提出了三维古地面反演计算的剥蚀算法,并与传统的加积算法做了比较分析,得出剥蚀算法比加积算法有对时间序列离散判断简单、方便计算等优点。同时,在GIS平台下实现了该算法,并以长江三角洲地区为试验区,进行了古地面虚拟反演计算,取得了较好的效果。     

常规次固结沉降计算方法的改进研究

软土具有高含水率、大孔隙比等特点,在荷载作用下超静孔隙水压力消散后会产生次固结变形。实际工程中很多工程问题是由土体的次固结引起,因此对其沉降进行计算和预测很有必要。针对常规次固结沉降计算方法的不足,进行了改进,使随时间的发展,次固结沉降趋于一个定值而不是无限增长。对Yin & Graham一维弹黏塑性模型进行了简要介绍,并进行了改进,结合改进模型提出一种次固结沉降起讫时间的确定方法。与常规计算公式相比,改进公式可行,且更加合理,可用于实际工程地基次固结沉降的计算。     

分形理论在土地整理面积量算中的应用研究

针对土地开发整理过程中不同比例尺数据转换后面积计算的问题,该文依据微结构不规则图形具有的周长、面积关系,将分形理论引入到不同比例尺数据相互转换后的面积计算中,探讨具有不同比例尺数据的土地整理项目面积计算方法,得到一种基于分形理论的面积计算方法.试验证明,该算法具有运算速度快、算法简单、计算结果合理等优点.     

渠坡上基桩的水平承载机制试验研究

南水北调中线工程建设中,交通桥和生产桥的支承结构大部分坐落在两侧渠坡上;运行期间的荷载（特别是水平荷载）通过桥墩和承台传到置于渠坡的桩基础上,在一定的深度范围内将产生桩、土分离及不均匀沉降,拉裂基础与渠坡结构层的结合,影响渠道的防渗效果。为了采取有效的防治措施,需要掌握渠坡斜面上基桩的变形机制。作为研究环节之一,通过物理模型试验研究了渠坡上基桩的水平承载机制,结果表明：基桩处在渠坡上的抗变形能力要比处在水平地基上的抗变形能力弱,水平承载能力比基桩处在水平地基上的要小。     

大型整体式贮煤筒仓基础有限元分析

采用有限元分析了不同土体的弹性本构关系和不同堆煤荷载施加方式对筒仓基础的影响;在此基础上分析了煤压力、桩土之间的接触压力、桩的内力与变形、土体沉降等变化规律。从计算结果可知,考虑土体的弹性模量随土层的压实而提高,并考虑煤与筒仓、基础土体之间的相互作用,使得筒仓基础的受力状态与实际情况更接近,从而得到优化的筒仓基础设计。     

爆炸荷载下土石坝动力响应特征的数值模拟

土石坝在爆炸荷载下的力学响应是一个非常复杂的力学问题,相关研究甚少。在LS-DYNA软件框架内,以两河口土石坝为研究对象,把坝体材料简化为混凝土、心墙、反滤层与堆石体等4种,用500 kg TNT在坝顶接触爆炸时的瞬态荷载作为荷载源,针对不同材料建立适合于爆炸高加载率特征的本构模型,用数值方法分析了土石坝在潜在爆炸荷载下的破坏与损伤演化规律。结果表明,在爆炸荷载作用下,由于土石坝材料组成的多样性,应力波传播规律异常复杂,土石坝的力学响应呈现出显著的分区特征。     

喀什—乌恰地区流动地磁测量数据处理及初步分析

介绍了2008年在喀什—乌恰地区32个测点的流动地磁测量数据的处理方法。利用该数据建立了喀什—乌恰地区地磁场的曲面样条模型,绘制了区域地磁基本场分布图。以2005年中国地磁场球冠谐模型为参考场剥离了岩石圈磁场,绘制了喀什—乌恰地区岩石圈磁场局部异常分布图。表明岩石圈磁场局部异常与测区内地震在空间上有一定的对应关系。     

元启发式搜索策略在构造模糊分类系统中的应用

论述了使用模拟退火元启发式搜索策略构造模糊分类系统的过程,目的是利用模拟退火原理研制一种精确的模糊分类器,改善与分类问题有关的搜索空间探索与发掘的性能,找到模糊if-then规则的优化集。算法可以从输入数据集中抽取精确的模糊分类规则,并在若干不同预定义类中将其应用于对新数据实例的分类。     

K-means算法复杂度的能量分析方法

传统的算法复杂度分析方法重点对算法的内在流程进行分析,而且对于数据挖掘时具有很大不确定性,执行时间不能准确确定.用物理学原理从能量的角度对数据挖掘中的经典聚类算法K-means进行分析,并从算法的本质上推导出其复杂度下限,推导出该算法能优化到的极限值.