利用自然电位与自然伽马测井曲线划分沉积相带及储层分布

自然电位、自然伽马测井曲线形态和特征与沉积相带及其储集砂体关系密切,它们对不同岩性地层特征响应十分敏感.利用自然伽马、自然电位同步减小的较大幅度评价识别渗砂层,指示划分水下分流河道主体沉积微相带;利用自然伽马、自然电位减小的幅度差评价识别低渗砂、致密砂层,指示划分水下分流河道堤泛(侧翼)沉积微相带;并以自然电位比自然伽马减小幅度的相对细小差异识别油水层.在安塞油田沿河湾地区长6自然伽马、自然电位曲线划分沉积相带及储层的应用中,建立了自然伽马、自然电位划分储层的下限标准,有效地评价了特低渗透储层沉积微相带及储层类型,提高和扩大了测井曲线的应用及效果.     

某矿石码头堆场矿石分级压载的地基沉降预测

采用规范沉降计算法及太沙基一维固结理论,对某矿石码头堆场地基的沉降进行计算分析。基于沉降实测资料,采用反分析方法,确定了各土层的压缩模量和固结系数,并将反演得到的参数代入太沙基一维固结方程,对后续沉降进行预测,从而确定分级压载的下一级压载时间与压载量。与传统的沉降预测方法相比,由反演分析得到土层参数,对后续沉降进行预测的方法,其结果更加真实可靠,也更能反映实际土体的固结沉降机理。该方法可供今后其他类似工程的设计和施工参考。     

基于集对分析的滑坡变形动态建模研究

滑坡是一个确定-不确定的动态系统,其变形表现出复杂的非线性演化特征。为了克服传统分析方法在处理系统不确定性方面的不足,将集对分析法（SPA）引入岩土变形监测分析领域,并结合层次分析法（AHP）提出了滑坡变形动态预测模型,给出了基于概率论的最优预测算法,提出并证明了集对论中最大同一度在等势条件下存在极限解,据此提出位移势的概念。在位移势的基础上,进行SPA二次建模,提出了基于SPA的滑坡变形与水库蓄水过程相关性动态分析模型。运用上述预测模型对新近发生的刘家沱滑坡进行变形监测定量分析,实践证明：最优预测值具有良好的短期预报精度;位移势能够表征系统当前状态下位移所能达到的最大潜力,可作为短期预测的上限值,其变化能够反映系统宏观层面上的演化特征,对滑坡演变加速预警具有指导意义;运用集对分析方法进行滑坡变形响应滞后效应的定量研究是一条可行的新思路,反演结果与实际情况吻合;该方法在岩土监测分析领域有良好的应用前景。     

拉西瓦工程河谷区高地应力场反演与形成机理

拉西瓦水电工程坝址区为高山峡谷地貌,受地质构造应力、自重、地表剥蚀和河流侵蚀卸荷等多因素影响而赋存有高地应力,河谷区钻孔岩芯饼化与探洞片状剥落现象明显。由于该区地应力场及其空间分布特征与多期地质构造运动及河谷演化历史等因素密切相关,要合理确定其三维地应力分布状况与大小具有较大难度和复杂性。采用多元回归与逐步回归相结合的方法对工程区域初始地应力场进行了详细反演,在此基础上,深入研究了河谷区地应力场的空间分布特征与规律,并就其形成机理开展了多因素影响效应分析,为我国西部强烈地质作用区高地应力研究及水电工程建设提供了具有参考价值的成果和工程案例。     

基于?－SVR和GA的初始地应力场位移反分析方法研究

基于一种改进的支持向量机（?－SVR）和改进的遗传算法（GA）,提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用?－SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用?－SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于?－SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。     

考虑时效的高填石路堤工后沉降有限元及反馈分析研究

把填石体作为粘弹性介质,提出采用三参数本构模型来描述填石体的蠕变特性,在此基础上引入遗传算法与有限元分析,建立了填石体三参数本构模型参数确定的优化反演方法,结合某高填石路堤得实测工后沉降数据进行参数反演,并利用反演参数对类似断面进行工后沉降分析,结果表明,本文建立的填石路堤工后沉降计算方法能准确的预测工后沉降,参数便于求取,为寻求合理的路面铺筑时间和制定施工控制条件提供依据。     

神经网络BP算法在GPS高程转换中粗差探测的尝试

引入神经网络的BP算法中稳定、收敛速度快的Levenberg—Marquardt算法,进行GPS高程转换中的粗差探测,提出了LM粗差探测法。通过实验做出分析比较,得出了实用可行的计算方法。     

天然岩体渗透系数反演研究

天然岩体存在很多裂隙,而水在这些裂隙中的渗流严重影响岩石工程的稳定性,因此确定天然岩体渗透系数具有重大的实际意义。反演方法是确定岩体渗透系数的一种较理想的方法,渗透系数反演可归结为一个复杂的非线性函数优化问题。由于采用传统优化技术存在不少问题,而目前采用的全局优化算法—遗传算法也存在本质的问题,因此,提出仿生算法-免疫进化规划进行岩体渗透系数反演,并用一个大坝坝基工程的算例证明了算法的有效性。结果表明,其方法可以在仅知道水头的条件下,得到接近实际的渗透系数值。     

基于参数反演的边坡地下水渗流数值模拟

渗流是影响岩土工程边坡稳定性的重要因素,对不同工况下岩土体边坡地下水渗流规律进行数值模拟,弄清其动态变化规律,对于边坡稳定性分析、支护设计、工程防排水措施的制定等都有重要的意义。以龙滩水电站左岸进水口边坡为研究对象,通过免疫进化规划算法,得到了边坡岩体渗流场参数。在此基础上,对洪水期、枯水期情况下地下水渗流状态进行了数值模拟,通过对比分析,研究了不同河床水位情况下地下水渗流变化规律,从而为边坡稳定性预测奠定了理论基础。     

RBFNN模型在渗透系数反演中的应用

针对经典的BP网络存在的一些缺陷,采用了径向基函数神经网络（RBFNN）。在相同的收敛条件下,用RBFNN和经典算法的BP网络进行了比较,表明前者具有优越性。在工程实例中,基于人工神经网络的非线性特点,在三维渗流有限元的基础上,利用RBFNN反演了大坝的渗透系数。并利用反演结果进行渗流场分析,水头预报值也有很高的精度,说明反演结果是正确的,从而,验证了RBFNN应用于反演分析中的可靠性。