基于波动理论的结构损伤识别研究进展

目前人们对于结构的使用安全越来越重视,结构在日常使用或灾后的损伤识别检测也变得尤为重要。近年来国内外对于波在结构中的传播理论进行了深入研究,基于波动理论的结构损伤识别方法也取得了一定进展。文章首先介绍波在介质中的传播以及在各种类型结构中的传播规律和传播特性,其次从基于波传播理论的结构损伤识别、基于Lamb波的结构损伤识别、波动理论和神经网络相结合、波动理论与其他技术或算法的融合4个方面对国内外基于波动理论对结构损伤识别方法的研究成果进行综述。     

利用土壤地球化学数据和BP神经网络预测松嫩平原油气资源

基于东北地区多目标区域地球化学调查获得的海量土壤地球化学数据,利用BP神经网络模型,在土壤地球化学性质与油气田空间位置之间建立模型,构造最优的油气资源预测模型. 以土壤54项地球化学指标以及XY坐标值共同作为模型输入层,以样本是否在油气田内(1代表油气田内,0代表油气田外)作为模型输出层,基于随机抽取的油气田内和油气田外各500个土壤样本数据进行模型训练. 结果显示,多次训练后识别准确率保持在90%左右,说明该模型分类效果较好,可用于油气资源预测. 利用该模型获得了松嫩平原11 291个土壤样本的含油气概率,并绘制了油气资源预测图. 研究表明,神经网络对于解决复杂的非线性地质问题可以发挥重要作用.     

基于复杂网络的岩土颗粒材料分散性失稳先兆研究

岩土颗粒材料在达到Mohr-Coulomb塑性极限之前可能已经发生了没有明显局部损伤的全域准均匀破坏,即分散性失稳。近年来,网络科学工具在颗粒材料环境中的应用为研究其失稳破坏现象提供了有趣新颖的洞见。采用离散单元法对不同初始密实度的颗粒体系进行等体积应变加载路径的数值试验,发现初始状态越松散的颗粒体系越有可能发生分散性失稳;采用网络科学的理论和方法分析颗粒接触网络的拓扑结构特性和演化规律,发现颗粒材料分散性失稳的结构根源是颗粒接触网络完全崩塌。将颗粒体系划分为强、弱接触系统以构建强接触子网络、弱接触子网络和强−弱接触子网络,研究颗粒接触网络及其3个子网络的特征量演化,结果表明：当颗粒材料开始处于不稳定状态时,易受扰动的弱接触系统的部分接触先失效,导致强接触系统失去其稳定支撑作用而降低承载能力。随着加载的继续,系统通过非局部的自组织过程导致接触结构的全面崩塌,最终触发整体分散性失稳。因此,先于整体失稳的部分弱接触的失效,可视为颗粒材料分散性失稳的关键性临界征兆。     

参数空间变异性下地下水污染监测网多目标优化机制研究

基于野外实际含水层参数存在空间变异性的客观事实,研发概率Pareto遗传算法(Probabilistic Pareto genetic algorithm,PPGA),用于求解考虑含水层参数空间变异性下地下水污染监测网多目标优化设计问题。PPGA在ε-改进非劣支配遗传算法(epsilon-dominance non-dominated sorted genetic algorithm II,ε-NSGAII)的基础上通过添加概率择优排序和概率拥挤度技术,寻求考虑参数空间变异条件下地下水污染监测网模拟—优化耦合模型的Pareto最优解。将优化结果与蒙特卡洛(Monte Carlo,MC)模拟分析结果进行对比,验证优化结果的可靠性。算例求解结果表明:在求解考虑参数空间变异性条件下地下水污染监测网多目标优化设计问题时,PPGA优化所得Pareto最优解变异性小,可靠性高,可为决策者提供一系列稳定可靠的监测方案。     

网络并行电法与传统电法超前探测效果对比

网络并行电法是以分布式并行智能电极电位差信号采集方法为技术核心支撑的直流电法,其数据采集模拟地震勘探方式进行,与常规电法每次供电只能采得一个测点数据不同,并行电法每次供电可同时获得多个测点数据,是一种全电场观测技术。运用两种方法对龙岩市新罗区大弯煤矿和武平荧石矿进行超前探测试验对比研究,并经实际巷道掘进揭露验证,表明网络并行电法技术较传统电法技术效果更好,效率更高。     

论感潮河段航运工程水文标准分界与衔接

针对中国河流与海岸交界处感潮河段航运工程水文标准存在的问题,特别是设计水位的确定及其衔接和水流、泥沙分析方法的差异,进行区段划分和标准衔接关系的研究.通过阐述感潮河段区段及基本特征,分析了各类航运工程的水文指标,提出以"月平均潮位年变幅多年平均值" 和"多年平均潮差"两特征值的比值作为感潮河段不同区段划分的依据指标,并通过实例计算,论证了航运工程水文标准分界及其衔接关系.结果表明,该指标反映了感潮河段不同区段水文条件受径流和潮汐的影响程度,依据其不同取值,可对航运工程水文标准予以分界,形成较好的衔接.     

岩石本构模型智能辨识方法研究

岩石本构模型是研究岩石力学特征和变形机制的基础,而本构模型或模型中相关参数的识别是本构模型研究中的热点和难点问题。本文基于红板岩室内力学实验数据,分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别,结果表明,遗传算法进行参数识别需要事先假定流变模型的形式,误差较大,而BP神经网络和遗传规划可以一次性同时确定流变模型的结构形式及参数,有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比,具有精度高、收敛快,可视化程度高等特点,为岩石本构参数及模型的智能识别方法的选取提供参考。     

A three-level framework for multi-risk assessment

The effective management of the risks posed by natural and man-made hazards requires all relevant threats and their interactions to be considered. This paper proposes a three-level framework for multi-risk assessment that accounts for possible hazard and risk interactions. The first level is a flow chart that guides the user in deciding whether a multi-hazard and risk approach is required. The second level is a semi-quantitative approach to explore if a more detailed, quantitative assessment is needed. The third level is a detailed quantitative multi-risk analysis based on Bayesian networks. Examples that demonstrate the application of the method are presented.     

A Bayesian network approach for predicting seismic liquefaction based on interpretive structural modeling

The Bayesian network (BN) is a type of graphical network based on probabilistic inference that has been gradually applied to assessment of seismic liquefaction potential. However, how to construct a robust BN remains underexplored in this field. This paper aims to present an efficient hybrid approach combining domain knowledge and data to construct a BN that facilitates the integration of multiple factors and the quantification of uncertainties within a network model to assess seismic liquefaction. Initially, only using given domain knowledge, a naive network model can be constructed using interpretive structural modeling. Thereafter, some effective information about the naive model is provided to construct a robust model using structural learning of BN from historic data. Finally, the returning predictive results and the predictive results are compared to other methods including non-probabilistic and probabilistic models for seismic liquefaction using the metrics of the overall accuracy, the area under the curve of receiver operating characteristic, prediction, recall and F₁ score. The methodology proposed in this paper achieved better performance, and we discussed the power and value of the proposed approach at the end of this paper, which suggest that BN is a good alternative tool for seismic liquefaction prediction.     

大型高精度GNSS基线向量网并行抗差估计

针对大型GNSS基线向量网的特点,在改进的相关观测抗差估计RECO方案的基础上采用并行计算技术进行相关抗差估计的并行计算(简称"并行抗差估计"),并给出了可行的解算步骤。通过算例分析,验证了大型GNSS基线向量网的并行相关抗差估计,不仅有效抑制了观测异常对参数估值的影响,而且显著提高了计算效率。