基于神经网络的边坡稳定性分析

为了评价边坡的稳定性,利用神经网络对样本进行训练。由于传统的BP神经网络存在不足,利用了自适应步长的BP神经网络和Levenberg-Marquardt法,并与传统的BP神经网络进行比较。结果表明,这两种方法在提高计算速度和泛化能力具有优势,其中自适应步长的优点更加明显。在考察训练样本预测的准确性方面,3种BP网络的结果相近。     

基于模糊数学和粒子群算法的边坡参数反分析

传统的利用边坡位移进行力学参数反分析的方法构造的目标函数较为简单.为了体现滑坡土体的不同性质,文中在传统优化方法的基础上,分析了滑坡体内部土体的位移特点,并将滑坡土体分为滑坡床、滑坡面和滑坡体3个类别.然后分别利用模糊数学和粒子群算法求得不同位置土体对3个类别的隶属度以及3个类别的位移权重,并根据土体的隶属度和3个类别...     

基于坡体含水率分布的非饱和土边坡上限分析方法

非饱和土边坡的基质吸力量测较为困难,影响了边坡稳定分析的准确性,通过含水率分布曲线与土水特征模型,可以获得更加精确的吸力曲线.文章基于极限分析上限定理,构建了非饱和土边坡塑性失稳的离散上限机构,推导了由含水率分布参数与Van Genuchten模型参数表征的基质吸力功率方程,将非饱和土边坡安全系数的计算过程转化为约束条件下的多变量的数学规划问题,并采用遗传算法进行优化求解;通过与相关文献对比,验证了本文方法的正确性.探讨了地下水位、边坡坡度、吸力摩擦角等因素对非饱和土边坡稳定性的影响,并分析了三种不同土质边坡在稳定性方面的差异.     

Hoek-Brown准则下岩质边坡的GSI反演

利用极限分析上限定理,基于Hoek-Brown准则,求出边坡的临界滑动面的方程.并研究Hoek-Brown各参数的性质,将岩体地质强度指标(GSI)作为反演对象.通过研究,分析GSI与潜在滑动面深度的关系,绘制不同坡率下滑动面深度随重度γ及边坡高度H的变化规律.研究结果表明:对于岩质边坡,可以各位置的滑动面深度对GSI进行反演.最后,通过算例证明利用本文方法获得GSI反演值与既有结果符合较好,证明了本文方法的可靠性.     

基于深部位移的边坡滑动特征分析

在进行边坡稳定性分析时,需利用边坡深部位移来分析边坡的现状和发展趋势.在选择数据过程中,往往选取位移突变的点,即关键点作为分析对象.将滑坡土体分为若干个滑动速度不同的块体,利用深部位移曲线划分块体,并用两个量描述块体的性质:变形位移和滑移位移.研究结果表明,相对于关键点的位移,块体的变形位移能够被用来判断边坡的潜在滑动面的位置,也可以被用来判断边坡的整体发展情况.     

不同固结压力下膨胀土微观结构的演化过程研究

文章利用扫描电子显微镜(scanning electron microscope,SEM)对不同固结应力下膨胀土试样进行微观成像,基于ArcGIS数字图像处理技术分析原状土、重塑土、石灰改良土在不同固结应力下的孔隙比、三维分形维数、圆形度及形状系数的演化规律。图像分析结果表明,在三维空间基于灰度值法可以较好地分析不同固结应力下土体孔隙比的变化规律;在一定固结应力范围内,随着压力的增加,土体微观结构单元体的分形维数与固结应力存在较好的线性关系;随着固结应力的增加,单元体的熵、圆形度、形状系数先增加再减小。该研究结果揭示了土体微观结构与宏观固结应力之间存在的相关关系;同时通过不同的土体试样微观结构参数演化过程,说明了石灰对膨胀土改良的效果。     

合肥膨胀土颗粒分形特性研究

文章对合肥膨胀土做无荷载膨胀试验,分别选取原状土、浸水3h、浸水24h及浸水72h土样进行电镜扫描;基于ArcGIS软件对环境扫描电子显微镜(environmental scanning electron microscope,ESEM)图像进行三维信息的提取,分析不同浸水时间下原状膨胀土的微结构、颗粒(团聚体)三维分形维数。结果表明:随着浸水时间增加,膨胀土的膨胀速率逐渐减小,并趋于0;而颗粒自相似性变差,即颗粒三维分形维数逐渐减小。     

基于离散-连续耦合法的埋地管道受荷过程模拟分析

为了从宏、细观角度反映出埋地管道管周土体的承载特点,文章采用离散-连续界面耦合数值模型对埋地管道受荷过程进行模拟分析,其中管周填土采用离散单元法进行模拟,埋地管道及原状土基采用有限差分单元法进行模拟。结果表明：随着荷载或埋深的增大,管顶受压产生压缩变形,管顶土体发生“压力拱效应”,引起管周土压力重分布;耦合模型水平位移场显示埋地管道在受荷过程中管侧回填土及原状土基能够分担和转移外荷载;管周土体的细观接触力链分布形态与管顶土压力的分布规律形成相互印证。