基于结构面特征的优势组划分方法

以往的优势组划分方法都是以结构面的产状信息为基础,未考虑结构面力学特征及分组指标权重对优势组划分结果的影响,这样可能会导致分组结果不准确.因此,本文引入结构面特征分级法(CSPC)所定量评价的结构面的力学特征,提出基于结构面特征的优势组划分方法,采用可变模糊聚类迭代模型进行结构面的优势组划分.结果显示,结构面力学特征对结构面优势组划分的影响不能忽略.利用基于结构面特征的优势组划分方法可以预测出每组结构面的抗剪强度参数,为后续的块体稳定性分析奠定基础.     

基于结构面特征的优势组划分方法

以往的优势组划分方法都是以结构面的产状信息为基础,未考虑结构面力学特征及分组指标权重对优势组划分结果的影响,这样可能会导致分组结果不准确.因此,本文引入结构面特征分级法(CSPC)所定量评价的结构面的力学特征,提出基于结构面特征的优势组划分方法,采用可变模糊聚类迭代模型进行结构面的优势组划分.结果显示,结构面力学特征对结构面优势组划分的影响不能忽略.利用基于结构面特征的优势组划分方法可以预测出每组结构面的抗剪强度参数,为后续的块体稳定性分析奠定基础.     

基于HDBSCAN算法的岩体结构面产状识别及分组方法

精准获取岩体结构面的产状信息是进行岩体稳定性分析工作的首要和关键步骤.针对基本DBSCAN算法在处理点云数据时存在聚类判据不足、参数敏感性较强等问题,提出了基于点云附加属性扩展聚类判据的HDBSCAN算法,旨在提高算法聚类的准确性及鲁棒性.同时,基于点云的颜色及密度属性实现了对自然状态下非全裸露岩体研究区域的分割和提取,减少非岩体结构面点云对结构面产状识别和分组的影响.将该方法应用于大石洞灰岩矿某一典型覆土岩坡,结果表明:该方法能够有效地剔除非目标点云数据,同时结构面产状提取和优势分组结果令人满意.与人工测量结构面产状方法相比,最大相对误差小于0.59%,具有一定的工程实用价值.     

基于无人机摄影测量半自动统计岩体结构面产状的研究

岩体结构面产状是分析边坡稳定性的主要几何特征,传统测量岩体结构面产状的方法为罗盘人工测量,近年来,三维激光扫描仪测量结构面产状的方法也在快速发展并得到应用,但是这两种方法都存在其局限性,只能测量局部结构面产状,无法完成全方位无死角测量。相比前两种方法,无人机摄影测量岩体结构面产状的方法可以实现全方位测量,克服了前两种测量方法的缺点。基于三点法利用无人机摄影测量,人工统计了汉川采石场边坡的结构面产状,并划分了优势结构面产状,为分析边坡稳定性提供了依据。     

基于摄影测量三维点云的岩体结构面自动识别方法

建立了一种用数字摄影测量得到的三维点云数据识别和分析岩石边坡出露的面状结构面的方法。该方法使用每一个点及其相应的邻近点构成的子集平面来形成识别结构面的候选,使用主成分分析(PCA)计算平面法向量并剔除异常点,识别结构面并计算其产状(倾向和倾角)。以甘肃北山一岩石边坡为例,使用该方法进行结构面识别。最后对结构面进行优势分组;同时与实测产状进行了对比,结果表明识别效果较好。     

无人机摄影测量半自动统计岩体结构面产状

岩体结构面产状是分析边坡稳定性的主要几何特征,传统测量岩体结构面产状的方法为罗盘人工测量。近年来,三维激光扫描仪测量结构面产状的方法也在快速发展并得到应用,但是这两种方法都存在其局限性,只能测量局部结构面产状,无法完成全方位无死角测量。相比前两种方法,无人机摄影测量岩体结构面产状的方法可以实现全方位测量,克服了前两种测量方法的缺点。基于三点法利用无人机摄影测量,人工统计了汉川采石场边坡的结构面产状,并划分了优势结构面产状,为分析边坡稳定性提供了依据。     

产状测量方式的空间两结构面共面性理论分析

针对空间两结构面不同产状测量方式的组合关系问题,利用向量代数和空间解析几何原理,计算出不同产状测量方式组合情形下空间两结构面的平面方程,通过比较不同方程间系数关系对结构面共面性进行了理论分析;分析了空间两结构面二面夹角的误差来源,结合结构面自身性质,利用数理统计原理给出了空间两结构面共面性判断条件.     

基于Monte Carlo模拟和K-均值聚类算法的赤平极射投影概率分析

对于结构面多而复杂的岩质边坡,其优势结构面的选取与分析是极其重要的工作。借助于赤平极射投影法,在楔形体滑移分析中首先确定其可能的滑移区域,筛选出可能滑移的结构面交线,缩小计算范围。根据结构面交线的二维经验分布,采用Monte Carlo方法模拟出多条结构面交线,通过结构面交线平均产状的求解来证明该方法的合理性,再采用快速聚类分析的方法,将筛选出的结构面交线划分为不同的组,以赤平极射投影分析得到滑移区域的对称轴中心作为初始凝聚点,通过多次迭代计算得到滑移区域内的优势结构面。将该方法用于重庆綦万高速顺层岩质边坡工程,结果表明,将赤平极射投影与Monte Carlo模拟和K-均值聚类算法相结合,计算得到的优势结构面分类合理,结果可靠,可以准确地确定结构面交线的优势产状。     

Monte Carlo模拟和K-均值聚类算法的赤平极射投影概率分析

对于结构面多而复杂的岩质边坡,其优势结构面的选取与分析是极其重要的工作。借助于赤平极射投影法,在楔形体滑移分析中首先确定其可能的滑移区域,筛选出可能滑移的结构面交线,缩小计算范围。根据结构面交线的二维经验分布,采用Monte Carlo方法模拟出多条结构面交线,通过结构面交线平均产状的求解来证明该方法的合理性,再采用快速聚类分析的方法,将筛选出的结构面交线划分为不同的组,以赤平极射投影分析得到滑移区域的对称轴中心作为初始凝聚点,通过多次迭代计算得到滑移区域内的优势结构面。将该方法用于重庆綦万高速顺层岩质边坡工程,结果表明,将赤平极射投影与Monte Carlo模拟和K-均值聚类算法相结合,计算得到的优势结构面分类合理,结果可靠,可以准确地确定结构面交线的优势产状。     

基于无人机贴近摄影的高陡边坡结构面识别

岩体结构面的产状和位置信息是分析高陡边坡稳定性及确定支护形式的重要依据.为解决传统接触式勘测手段存在的风险高、效率低等问题,提出了基于无人机贴近摄影和聚类算法的高陡边坡结构面自动识别方法.首先采用M210-RTK无人机获取高分辨率数字图像,并利用运动恢复结构算法(Structure From Motion,SFM)生成细节丰富的高陡边坡三维模型和三维点云;再通过K近邻算法(K-Nearest Neighbor,Knn)及PCA主成分分析法,筛选出共面点云集合并确定了结构面的边界范围;最后采用最小二乘法拟合出共面点云的最佳平面方程,以平面方程的法向量方向确定结构面的产状参数.验证实验表明:基于无人机贴近摄影所建立的三维模型精度优于2 cm,倾向和倾角的误差分别小于3°和2°.本方法应用于长沙丁字镇某高陡边坡的结构面识别,成功识别出其优势结构面,并就其对边坡稳定性的影响进行了分析,可为边坡评价和治理提供重要依据.     

模拟退火聚类算法在结构面产状分组中的应用

鉴于以往的结构面产状分组方法常存在算法复杂、聚类精度差及分组效率低的不足,提出了一种新型的融合模拟退火算法及K-means聚类(SAK)的结构面分组算法,该算法简单易实现.利用模拟退火算法的退火原理,对K-means算法聚类的结构面分组结果进行优化,以期克服K-means算法易受初始聚类中心影响的缺陷.计算机模拟生成的结构面数据的分析表明,所提方法相较于传统K-means算法具有明显优势.将该方法应用于重庆市三环高速公路兴隆隧道实测结构面的分组中,并与已有方法进行对比.结果表明:该方法不仅聚类精度高,而且迭代速度也较快,具有较强的工程实用性.     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化方式和全局最优粒子的学习方式进行了改进.新算法将权值矩阵拟化成萤火虫种群,使变量加权的等式约束变为界约束,通过萤火虫位置的更新搜索最优权重并发掘子空间中隐藏的簇类.在人工数据集、UCI标准数据集和癌症基因表达数据集上的实验结果表明:该算法具有较好的聚类效果.     

确定岩体渗透参数的结构面控制反演法

从裂隙渗流的基本运动方程出发,反求岩体的渗透参数是工程控制论中一类典型的偏微分方程分布参数控制反问题,对于这类反问题常用数值法求解．考虑到结构面控水特点,依据岩体渗透系数张量与结构面产状的基本关系式,提出了一种结构面控制反演法．该方法不仅可以反算出岩体的渗透系数张量,而且可以反求出岩体控水结构面的当量渗透系数、渗透系数张量的主值和主方向,同时应用该方法计算的解具有较好的唯一性．以溪洛渡水电站工程为例介绍了这种数值反演方法在确定岩体渗透参数中的应用．     

基于环境剖分的层次拓扑地图及路径规划

针对基于拓扑地图的移动机器人路径规划问题,提出一种层次拓扑地图及相应的路径规划方法——边界方位法。层次拓扑地图分为剖分层和边界层,剖分层以环境剖分为拓扑节点,边界层以剖分的边界为拓扑节点。边界方位法首先在剖分层生成由剖分构成的路径序列,再将边界层转化为由边界构成的路径序列,最后根据机器人当前位置及边界之间的方位荚系实时生成实际路径。由于定义了边界之间的方位关系,使得机器人能够根据边界序列路径中的下一边界与当前边界的方位关系确定当前的运动方向,从而实现了实际路径的优化。理论分析和仿真实验均表明,该方法在增加少量存储信息的基础上,获得了较好的路径规划效果。     

基于分段常值水平集的参数识别算法

研究了椭圆方程不连续参数的识别算法.根据原有算法计算效率较低、抗噪性较差、可识别区域数较少的不足,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差（TV）正则化的极小化模型和对常值向量的极小化模型,并且结合Barzilai-Borwein方法和预处理共轭梯度算法（PCG）构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点,并且可以识别较复杂的几何区域.     

基于模糊关联迭代分区的挖掘优化方法研究

由于数据库存在数据量大、多维性的特点,传统挖掘方法在对数据进行处理时,无法构建精准的数学模型,容易出现部分信息丢失、分区过硬的问题。提出一种基于模糊关联迭代分区的挖掘优化方法,通过模糊C均值聚类算法对原始数据集进行预处理,过滤冗余数据,获取原始数据集的模糊分区;利用模糊关联挖掘算法获取感兴趣规则,实现数据的优化挖掘。实验结果表明,针对不同的数据集,改进的方法均具有很好的分区性能,且时间复杂性低,挖掘精度高。     

结构增强扩散在地震资料构造解释中的应用

为了提高地震资料构造解释的效率和准确性,提出结构增强扩散方法提高地震资料质量.将地震资料转换为地震图像,通过提取地震图像结构张量,使用双边滤波器求取梯度值,结构增强扩散方法根据地震图像纹理不连续的方向和强度信息自动判断阈值,实现在断点处保持不连续特征的同时,增强地震同相轴的连续性,从而提高地震图像横向分辨率和突出地震资...     

损伤导致的节理岩体渗流模型

岩体内部含有大量节理裂隙,当岩体受到扰动后,这些节理裂隙将张开、扩展并贯通,形成渗流通道,这使得岩体渗透性发生急剧变化。为了描述这种由节理裂隙扩展导致的岩体渗流场发生的变化,将这些节理裂隙看作岩体内部损伤,假设渗透张量与损伤张量主轴重合。在渗透张量主空间内,认为岩体在一个主方向上的渗透系数决定于其它两个主方向上的损伤,建立了相应的损伤与渗透系数之间的关系。在外部荷载作用下,损伤将发生演化,从而导致渗透系数也发生演化。为了描述这种渗透系数演化过程,采用已有的损伤演化方程,通过渗透系数与损伤之间的定量关系,来刻划岩体扰动过程中渗透系数的变化规律。通过与已有数据对比分析,本文所发展的损伤导致的岩体渗流模型是合理的,能有效地反映节理裂隙发育对岩体渗透性的影响。     

波导不连续性的加速收敛算法研究

论文提出了利用新的基函数系列求解波导不连续问题的加速收敛算法。结合不连续处的金属楔近旁的电磁场边缘条件,构造了变形的三角基函数用以展开波导不连续处的电磁场,利用里兹算法构造一个线性方程组,求解此方程组可以获得波导不连续的特性参数。计算表明,该算法具有极好的数值收敛特性;与耦合积分技术（CIET）不同,对于一个不连续性,本算法的方程组的阶数与基函数展开所用的模式数相等,从而保持了较低的阶数,利用求解。     

Enhancing Firefly Algorithm with Best Neighbor Guided Search Strategy

Firefly algorithm(FA) is a recently-proposed swarm intelligence technique. It has shown good performance in solving various optimization problems. According to the standard firefly algorithm and most of its variants, a firefly migrates to every other brighter firefly in each iteration. However, this method leads to defects of oscillations of positions, which hampers the convergence to the optimum. To address these problems and enhance the performance of FA, we propose a new firefly algorithm, which is called the Best Neighbor Firefly Algorithm(BNFA). It employs the best neighbor guided strategy, where each firefly is attracted to the best firefly among some randomly chosen neighbors, thus reducing the firefly oscillations in every attraction-induced migration stage, while increasing the probability of the guidance a new better direction. Moreover, it selects neighbors randomly to prevent the firefly form being trapped into a local optimum. Extensive experiments are conducted to find out the optimal parameter settings. To verify the performance of BNFA, 13 classical benchmark functions are tested. Results show that BNFA outperforms the standard FA and other recently proposed modified FAs.