江河崩岸的影响因素分析

为了研究江河崩岸的发生机理,以长江中下游及其他河流典型崩岸实例为依据,分析了江河崩岸的影响因素及其对崩岸的作用,并针对崩岸类型分析了崩岸的关键性影响因素.结果表明:岸坡土体物质组成及分布和岸坡局部地形是崩岸形成的主要内在因素,水流冲刷和地下水渗流是崩岸形成的主要外部动力因素;各因素对崩岸的作用主要表现为侵蚀破坏、渗流破坏、重力破坏及突加荷载或边界条件破坏等.     

宜昌城区长江岸坡稳定性预测评价

三峡水库修建与蓄水后,由于清水下泄,长江宜昌城区河段发生明显冲刷,深泓普遍下切,河段内出现了多处新的崩岸险情,为此,国家启动三峡后规长江崩岸治理工程.在工程勘察的基础上,对岸坡地形地貌、地质结构以及岸坡稳定影响因素进行了综合分析,对宜昌城区长江岸坡的稳定性进行了工程地质分类评价,并采用河岸地质结构预测法对岸坡发展趋势进行了预测.分析和预测表明,护岸工程岸坡不存在稳定（A）类岸坡;基本稳定（B）类岸坡约占23%;稳定性较差（C）类岸坡约占48.5%;稳定性差（D）类约占28.5%.     

基于BSTEM模型的黄河源草甸型弯曲河流崩岸过程模拟

崩岸是弯曲河流蜿蜒和河道横向迁移的驱动力,根土复合体的二元结构崩岸仍缺少野外观测与机理研究.2011～2016年的黄河源弯曲河流野外调查表明,弯道凹岸的崩岸是以根土复合体作用下悬臂式崩岸模式为主.针对兰木错曲草甸型河岸的悬臂式崩岸,采用BSTEM模型分析了其岸坡稳定性,并模拟了河岸侵蚀和崩塌过程.结果表明,前期的河岸稳定性主要受水流侵蚀力的控制,安全系数下降较快,但河岸仍处于稳定状态;当河岸处于亚稳定状态时,孔隙水压力对河岸的影响增大,安全系数随着水位的升高有所增大.凹岸的崩岸受水流近岸剪切力与河岸下层的临界剪切力的共同决定,在河岸砂层粒径越细和流量越大的情形下,河岸的横向侵蚀量和侵蚀速率均越大.     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.     

河流崩岸防治的模袋排帘法及模型试验

为解决冲刷引起的崩岸问题,结合土力学和水力学两方面的原理,提出了崩岸防治新措施——模袋排帘。通过室内水槽模型的含沙水流试验,测量泥沙冲淤地形变化,对所提出的模袋排帘的功效进行了直观的验证。结果表明,模袋排帘结构形式能有效调整近岸坡水流结构;透沙窗的设置,适应河流悬沙分布特征,实现了局部淤积、稳定岸坡地形的目的;大大降低岸坡上的排体覆盖率,经济成本得到削减,且施工方便。     

河流崩岸防治的模袋排帘法及模型试验

为解决冲刷引起的崩岸问题,结合土力学和水力学原理,提出了崩岸防治新措施——模袋排帘。通过室内水槽模型的含沙水流试验,测量泥沙冲淤地形变化,对所提出的模袋排帘的功效进行了直观的验证。结果表明:模袋排帘结构形式能有效调整近岸坡水流结构;透沙窗的设置,适应河流悬沙分布特征,实现了局部淤积、稳定岸坡地形的目的;大大降低岸坡上的排体覆盖率,经济成本得到削减,且施工方便。     

水库岸坡岩体渗透变形的预测预报方法——自适应时间序列研究

研究了库岸边坡岩体渗透变形的动力学机制,并根据多参数的随机变化规律,建立了非线性ＣＡＲ模型,通过分析实例,提出了库水位影响下水库岸坡岩体渗透变形的自适应时间序列控制原理和预测预报方法     

三峡库区塌岸预测参数及其影响因素研究

三峡库区重点库岸段塌岸调查结果显示,土质冲蚀磨蚀型和坍塌型塌岸占其长度的50%以上.而能否对此类库岸的塌岸范围和规模做出准确的预测评价,塌岸预测参数是关键.通过大量调查实践,总结出了两种塌岸预测参数取值方法(纵向类比调查和横向类比调查).同时在对三峡库区和三个类比水库典型塌岸的大量现场调查和参数实测的基础上,综合给出了几种容易产生塌岸的岩土体塌岸预测参数特征值(包括水下堆积坡角、冲磨蚀坡角、水上稳定坡角).统计分析结果显示,岩土体结构越紧密、粗粒径料含量越多、库水动力条件越弱,塌岸预测参数越大.这一研究成果具有较强的参考和借鉴价值.     

三峡库区塌岸预测评价方法初步研究

水库塌岸是影响三峡水库的重大地质灾害问题.作者在分析三峡库区塌岸类型和传统塌岸预测方法的基础上,提出塌岸预测应根据不同的塌岸类型,建立适合的塌岸预测模型.冲(磨)蚀型和坍(崩)塌型的塌岸预测可以用本文提出的岸坡结构法;滑移型的塌岸预测,应以本文提出的极限平衡搜索预测法和FLAC3D数值模拟预测法的预测结果为主要依据.通过对三峡库区重庆段的两个典型塌岸地段及代表性地质剖面的预测,验证了这种思路的正确性;并总结了适合三峡库区这种山区型水库的塌岸预测的原则和方法.     

基于卡丘金法和两段法对金沙江上游某拟建大桥塌岸预测分析

位于川滇交界的某跨金沙江大桥,在下游电站蓄水运营后,桥台岸坡将经历持久的库岸再造过程,该地表为第四系堆积物,易发生变形和塌岸,影响岸坡稳定,威胁桥梁安全.通过现场地质调查结果,结合现场地质钻探所揭示的地层特点,运用"卡丘金法"和"两段法"分别对塌岸宽度进行预测,因研究区河床高程低于水库运行低水位和死水位,地质条件有自身的特殊性,原有模型与实际条件不完全吻合,故预测时对建模方式和参数选取都进行了适当修正,本研究为此类岸坡的塌岸影响区域的界定和桥台防护措施的选择提供了重要依据.     

基于神经网络的物流量预测

应用不同的人工神经网络模型进行物流量预测。分析影响物流发出量、吸引量和周转总量的各相关因素及神经网络预测的基本思想,研究神经网络静态前馈模型和简单动态模型预测物流量的局限性,认为采用二者结合的综合预测方法能对物流量进行准确的预测。给出动态反馈的实时递归法仿真计算步骤,仿真结果与实际结果比较,具有较高的可信度。     

人工神经网络预测混凝土柱屈服性能

建立了一种基于人工神经网络的矩形混凝土柱屈服性能预测方法.该方法采用经验模型进行柱屈服性能影响因素的分析来确定该神经网络的输入参数,并通过敏感性分析验证了所选神经网络输入参数的合理性.为验证该方法的可行性与有效性,通过对PEER 210组矩形混凝土柱的屈服性能进行预测分析并与经验预测模型的预测结果进行比较.比较分析结果表明:神经网络预测结果与实验结果吻合程度远高于其他经验预测模型;同时也证实该方法在实验数据稀少的情况下为预测结构在地震作用下的性能提供一条新途径.     

基于人工蜂群优化支持向量机回归的隧道塌方风险预测

为预测隧道塌方风险等级,减少隧道塌方引起的灾害事故,建立基于人工蜂群(artificial bee colony, ABC)优化支持向量机回归(support vector machine regression, SVR)隧道塌方风险预测模型。首先,从工程地质、水文气象、设计因素、施工因素4个方面综合考虑,遴选13个主要影响因素,建立隧道塌方风险指标体系;其次,引入人工蜂群算法优化SVR的核参数C和惩罚参数g,解决传统SVR稳定性低的缺陷,提高模型的精确度,为验证模型性能采用相关系数(R²)、均方误差(mean squared error, MSE)、均方根误差(root mean squared error, RMSE)评价参数对比分析;最后,以新疆北部某供水工程为研究对象,对隧道塌方风险测试样本进行预测,分别将ABC-SVR、PSO-SVR、GA-SVR及SVR模型对比分析。研究结果表明：ABC-SVR预测结果为100%,PSO-SVR预测结果为83.3%,GA-SVR和SVR均为66.67%,ABC-SVR的预测结果与实际工程结果一致性更高,可为隧道塌方风险...     

基于BP人工神经网络的非饱和黄土湿陷系数计算方法

在综合分析非饱和黄土湿陷系数影响因素的基础上,采用BP人工神经网络方法建立了湿陷系数的计算模型.用西安地区黄土的实测资料作为网络模型的学习训练样本和测试样本,对网络模型的计算结果与实测进行了对比.结果表明,用人工神经网络方法计算非饱和黄土湿陷系数,结果准确、可靠,更接近于实际,为湿陷系数的理论计算提供一种新方法.     

人工神经网络在煤氧化性预测方面的应用

提出利用人工神经网络技术进行煤氧化速率定量预测的新方法。根据对煤自燃的实际特点和基本规律的综合考虑，研究了影响因素的选取、煤氧化速率预测模型的建立等问题。采用BP神经网络算法对煤氧化速率进行了建模。结果表明，用神经网络模型对煤氧化速率进行模拟预测，具有理论上的可行性和现实意义，说明人工神经网络技术在煤氧化速率预计领域中具有实用价值。     

人工神经网络在热舒适实验研究中的应用

使用人工神经网络(ANN)方法处理影响人体热舒适的多种环境因素和人体的热反应之间的关系,以探讨用于各类环境热舒适性预测的可行性.针对稳定热环境和非稳定热环境下的热舒适实验,建立了BP神经网络模型,利用实验数据对网络进行训练和测试,检验其预测的准确性.评测结果表明,对稳态环境,该模型较传统的线性回归方法有更高的预测精度;对非稳态环境,避免采用回归方法遇到的非线性关系处理问题,能合理地预测非稳态条件下热反应的变化.因此,合理建立各类热环境的ANN模型,用已有的热反应数据训练该模型,实现对环境热舒适性的预测是可行的.     

岩溶塌陷预测的高斯过程机器学习模型

为研究在多种复杂影响因素下岩溶塌陷如何准确预测,针对现有方法的局限性,建立了一种基于高斯过程机器学习的岩溶塌陷预测模型.该模型通过对少量学习样本的学习,就可以建立岩溶塌陷与其影响因素之间的复杂非线性映射关系.将模型应用于工程实例,研究结果表明,岩溶塌陷预测的高斯过程机器学习模型是科学可行的,具有预测精度高、适用性强、参...     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。