安徽省膨胀土分类和成因研究

判别土层是否具有膨胀性是膨胀土地区工程建设首先必须回答的问题,也是膨胀土研究中重要的问题之一.膨胀土的判别是通过一定手段回答某种土是不是膨胀土的问题,例如自由膨胀率分类法、蒙脱石含量分类法、多指标综合判别分类法、塑性图分类法,然后再对膨胀土进行分类,即把工程性质基本相近的膨胀土划为同类,以便为工程设计和施工提供合理的参数和科学依据.在膨胀土的判别上,国内外已开展了大量的研究工作,提出了许多判别与分类方法.     

加权距离判别法在膨胀土胀缩等级分类中的应用

利用主成分分析法改进距离判别分析法,然后将该方法应用于膨胀土胀缩等级分类中,建立膨胀土胀缩等级分类的加权距离判别分析模型。选取黏粒含量、粉粒含量、液限、塑限和塑性指数等5项指标作为膨胀土胀缩等级判别因子,利用已经测得的膨胀土数据为训练样本进行学习,建立相应的判别函数。然后对待判样本进行判别分类,该判别分类结果与实测分类结果100％吻合。研究结果表明,加权距离判别方法完善了距离判别分析法理论,该方法分类性能良好,预测精度高,在实际工程应用中有广阔的前景。     

基于最小二乘支持向量机的膨胀土判别与分类

膨胀土在我国分布广泛,对工程影响巨大,如何对其进行判别一直是岩土工程中一项重要的工作.现有的膨胀土判别与分类方法,大多仅以简单的双变量分析为依据.所选取的判别指标大多具有相同信息.针对于此,提出两种方法对膨胀土进行分类,第一种是从胀缩机理出发,采用逐步回归分析选取能够表征膨胀土的6项独立指标,再利用最小二乘支持向量机进行分类;第二种是对全部指标进行分类.结果表明最小二乘支持向量机在两种情况下都能对膨胀土进行准确的分类,也证明了最小二乘支持向量机功能的强大性.     

基于膨胀土物化特性的判别分类方法

为了建立膨胀土的物化特性判定分析方法,采用物化特性指标pH、Zeta电位、比表面积、阳离子交换量和电导率,结合南宁市周边工程,对采集土样的物化特性指标及力学指标进行分析对比,采用Fisher法对采集的膨胀土物化特性指标进行判别分类,结果表明:1物化特性指标仪器分析简单,数据准确,重现性好;2膨胀土的物化特性指标和力学指标之间具有一定的相关性,可以使用膨胀土的物化指标对膨胀土进行判别分类;3采用Fisher判别分析方法得到的基于膨胀土物化特性的分类方法,可以对南宁地区的膨胀土进行准确的判定和分类。     

工程膨胀土的判别与分类问题研究

在各类工程建筑的勘察、设计中,最先遇到和最迫切需要解决的问题就是对膨胀土的判别问题,首先,必须正确识别膨胀土和非膨胀土,然后,再对膨胀土进行分类,即将工程性质基本相近的膨胀土划为同类,而对工程性质相差较大的划为不同类属,以便为工程的设计和施工提供合理的参数和科学依据。判别问题不仅是一个技术性问题,而且也是一个政策性问题。根据我国以往水利工程建设的经验证明,膨胀土并不可怕,可怕的是由于判别错误,没有对其采取措施,因而导致一些工程事故的发生。     

模糊数学在某段公路膨胀土分类判别中的应用

对膨胀土的判别与分类方法较多,但都存在着一定的缺陷,对工程实践存在着不良的影响.模糊数学模型自建立以来,在自然科学的很多领域中得到了广泛的应用并取得了显著的成效.在宜黄公路施工中运用模糊数学模型对膨胀土进行分类判别,成功地解决了江宜段膨胀土处理和利用问题,使该段土工工程能正常施工和使用,取得了较为理想的效果.     

未确知测度模型在膨胀土判别分类中的应用

基于未确知测度空间理论，建立了未确知测度评价模型，并将此理论模型应用于膨胀土的膨胀性判别和分类。研究采用信息熵确定膨胀士胀缩性指标的权重、建立了指标权重和实测值的关系。同时还将置信度的概念应用于膨胀土判别分类的标准中。与模糊综合评判、灰色聚类分析等评判方法比较，未确知测度评价模型严谨、应用方便，非常适合膨胀土的判别分类。     

模糊数学对湖南膨胀土分类与判别实际工程应用研究

正确识别膨胀土和非膨胀土,是准确选定勘察、试验方法以及确定合理设计、施工方案的首要问题.通过李生林、刘特洪、邓家喜三种模糊数学的综合评判法对潭邵高速公路和常张高速公路膨胀土评判的对比研究可以看出,其评判结果与现有分类法标准所得分类等级相符,采用不同的分类因子,评判值虽然略有不同,但相差不大,说明多因子模糊数学判别膨胀土的科学性和合理性.     

弱膨胀土膨胀性判别与分级方法研究

针对弱膨胀土在路基工程中使用时的不同要求,可对弱膨胀土的膨胀性进行分级以方便采用不同的处治措施来减少经济损失.为避免使用单一判别因子判别法对弱膨胀土进行分级的不足,因此,以自由膨胀率、胀缩总率、塑性指数和小于0.002mm颗粒含量这4项作为判别指标,分别利用Bayes判别法、Fisher判别法和物元可拓判别法3种方法,建立相应的判别函数对弱膨胀土进行分级,将弱膨胀土的膨胀性分为强(G_1)、中(G_2)、微(G_3)3个等级,并对比3种方法.研究表明:这3种判别法都能较理想的用于弱膨胀土膨胀性的分级中,且相对于其他两种方法,Fisher判别法更方便、高效.     

皖中地区高速公路膨胀土问题及其工程措施

文章依托合(肥)-六(安)-叶(集)高速公路探讨了公路路基设计规范推荐的膨胀土判别与分类方法对皖中膨胀土的适用性.研究成果对皖中膨胀土地区高速公路建设具有借鉴意义.     

基于加权Voronoi图法的土表裂隙网络模拟方法

膨胀土在气候作用下产生的裂隙网络会对边坡等工程构筑物稳定产生不利影响。在室外环境下进行了膨胀土开裂试验,采用数码摄影和数字图像处理技术,获取了实际膨胀土表二维裂隙网络图像。利用Matlab编制程序提取膨胀土表面裂隙网络图像中土体块区形心坐标、裂隙隙宽分布及块区面积分布等参数,并计算裂隙率。基于加权Voronoi图法重新构建土表二维裂隙网络。经检验,基于加权Voronoi图法模拟的二维裂隙网络的分布参数与实际较为接近,验证了该方法在膨胀土表二维裂隙网络生成应用中的可行性,为研究带裂隙膨胀土的力学性质和渗流特性提供有效的模型基础。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

自组织人工神经网络在矿区沉积物分类中的应用

以Matlab平台为基础,利用神经网络工具箱构建了自组织神经网络,对已知沉积相的安徽宿南等矿区的19组样本进行SOM分类,并与系统聚类分类结果进行比较;指出在无监督分类粒度分析中,SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果惟一,可以在沉积物成因分类中应用。     

用人工神经元方法预报IF钢性能

用人工神经元方法分析ＩＦ钢性能与成分、加工工艺之间关系，通过实验与现场数据训练１个前向网络的考核结果表明，该方法是用于大生产中ＩＦ钢成分与工艺设计的有效方法。     

用BP神经网络法预测反相液相色谱保留值

运用逐步回归法筛选BP人工神经网络的输入元素改进BP网络的结构，并用于疏水分配常数及氢键作用能预测反相液相色谱保留值，结果表明，逐步回归法与人工神经网络相结合，能优化网络，大大提高网络收敛速度在很大程度上克服了通常BP网络过所合的缺点，较通常BP神经网络及回归法在处理构效关系方面有更强的信息处理能力和预测能力。     

人工神经网络预测非饱和土的特征参数

针对测定非饱和土的吸力既费时,费钱,又困难,而且往往是通过水分特征曲线间接求取,以致其精度不够理想这一问题,尝试采用人工神经网络进行预测研究,将部分已有的试验数据（含水量,吸力数据）作为输入模式进行训练,然后利用网络参数进行相应的参数预测。结果表明,神经网络预测技术十分有效,为工程应用提供了一种新的工具。     

预测神经网络控制器及其在禽蛋孵化过程中的应用

本文针对常规神经网络控制通常需要辨识网络和控制网络两个网,提出将神经网络用于提前学习系统动态特性,借助于运动方程来获得控制信号的预测控制算法,极大地提高了算法的运算速度。将此算法用于非线性多变量耦合的禽蛋孵化过程,取得了最佳的动、静态特性。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。     

煤与瓦斯突出预测灰色理论-神经网络方法

将灰色理论-神经网络方法应用于煤与瓦斯突出预测中,利用灰色系统理论的灰色关联法确定了控制矿井煤与瓦斯突出的主控因素,并对煤与瓦斯突出主控因素进行筛选. 建立了煤与瓦斯突出危险性预测人工神经网络的数学模型和系统结构. 在平顶山八矿突出区进行了煤与瓦斯突出危险性预测应用,预测效果表明:利用灰色系统理论-神经网络方法对预测矿井煤与瓦斯突出是可行的.