场地地震液化势的模糊概率分析

鉴于场地地震液化势实属非确定性现象，文中对这类非确定性现象进行了适当的阐述。既考虑场地地震液化的随机性又计及其危害程度分级的模糊性，将其作为随机模糊事件求其模糊概率，推导出计算场地液化模糊概率的方法和相应的公式。最后以文中建议的方法对我国３０个场地地震液化的实例进行了模糊概率分析。其结果除与实际情况的总趋势一致外，还给出了可能产生各级危害程度的定量评估，便于工程抗震作出合理的决策。     

基于应变能的砂土液化势BP神经网络模型评估

液化是地震引起的最具破坏性的现象之一.能量法是液化势评估的常用方法,但已有的模型未考虑细粒含量临界值以及参数不确定性对液化势的影响.因此,本研究基于应变能(W),将数据库以细粒含量28%为临界值分成两个数据集,分别构建了两个BP神经网络(ANN)模型来对砂土液化势进行评估,并通过蒙特卡罗模拟结合响应面分析法进行参数敏感性分析,分别评估了细粒含量临界值以及参数不确定性对土壤液化势的影响.结果显示,提出的两个ANN模型比其它4个现有的模型具有更高的预测性能,其中当仅考虑细粒含量小于28%样本构建模型时,模型预测精度最高,拟合优度达到0.81;敏感性分析表明参数不确定性对砂土抗液化性能存在影响且程度不同,其中曲率系数对W的影响较大,建议在构建模型时加以考虑.     

场地地震液化的随机振动分析方法

本文将随机振动理论应用于地震液化的研究,并应用随机振动理论,结合有限元方法,导出了计算地基液化的一整套公式,用等价线性化方法解决了土的非线性性质的计算,结合平稳高斯窄带过程的峰值分布,导出了剪应力在地震持时[0,T]内的作用次数,用以代替地震荷载往返周数。此方法较之目前地震液化研究中的通用方法在理论上更趋于严密。     

基于RBF神经网络的砂土液化预测

通过分析砂土液化成因及其影响因素,建立了砂土液化预测RBF网络模型,并与BP网络预测模型进行比较。测试结果表明,应用RBF网络模型对砂土液化进行预测,预测效果好,识别精度高．     

广义回归神经网络残余Kriging方法预测地表高程

以广东省番禹区沙洲和石楼镇岛地区的1 657个高程点为样本点,把其分为A、B、C组各200个高程点,A+B组400个高程点,A+B+C组600个高程点作为训练数据集,在Matlab 7.1和ArcGIS 9.2平台上分别应用广义回归神经网络(GRNN)、普通克里格(O-Kriging)、广义回归神经网络残余Kriging方法(GRNNRK)进行高程估值和成图,最后计算出三种方法的均方根误差.结果表明,如果插值样本数据量不变,样本的空间分布格局对GRNNRK插值精度的影响不大,且其插值精度要优于GRNN和O-Kriging方法的插值精度.随着插值样本数据量的增加,三种方法的插值精度都有显著提高,但GRNNRK方法的插值精度仍优于另两种方法.这表明GRNNRK方法在地形高程预测中的应用是可行的.     

砂土液化势评价的Bayes判别分析法及其应用

为了给砂土地震液化的数量化研究提供参考,基于多元统计分析理论,建立砂土地震液化判别与液化势分类的Bayes判别分析模型。模型选用震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实度、平均粒径和地下水位等7个指标作为判别因子;将砂土液化势分为严重液化、中等液化、轻微液化和未液化4个级别,并作为Bayes判别分析的4个正态总体;以17个砂土实测数据作为训练样本,建立Bayes线性判别函数,以Bayes线性判别函数的最大值对应的总体作为样品所归属的总体;最后将建立的模型对训练样本进行回判,以回代估计误判率对模型进行检验。研究表明,对训练样本的回代误判率为0,对另外20个砂土样本的判别正确率为90%。     

浅谈南疆地区液化场地污水管道的结构设计

以在建工程为例,分析南疆地区液化场地污水管线设计需要考虑的因素及埋地管线内力计算的方法,为今后南疆地区特殊场地管道设计及施工提供参考。     

考虑液化场地效应的地下结构侧向变形研究

针对液化场地侧向变形对地下结构的作用效应,建立土-地下结构体系的简化力学模型。考虑地下结构的非线性变形效应,地下结构弯曲变形效应采用三折线模型,土-地下结构的相互作用采用理想弹塑性模型,由此得出液化场地中地下结构侧向变形的解析解,并通过规范提出的反应位移法对解析解进行验证,证明了解析解的可靠性和有效性。结果表明：当Ug较小时,解析解与反应位移法计算得出的结果吻合程度较好;当Ug较大时,解析解与反应位移法结果沿深度的变化趋势一致,但解析解大于反应位移法的计算结果。不同上覆土层厚度对地下结构的影响不同,地下结构的弯矩在液化层与非液化层的交界面附近达到最大,并且其位置随着上覆层厚度的增加逐渐下移。     

基于神经网络模型的砾性土液化预测

在2008汶川地震中出现了大量砾性土的液化现象.为研究砾性土的地震液化特征,以汶川地震中获取的砾性土液化实测数据作为样本,选用地震烈度、地震峰值加速度、砂砾层深度、地下水位、有效上覆应力、剪切波速共6个诱发因素作为砾性土液化的评价指标,通过大量数据训练和参数分析建立了基于多层感知(MLP)和径向基函数(RBF)两种神经...     

AFSs-RBF神经网络模型在轻亚黏土地震液化判别中应用研究

以自适应模糊系统AFSs为基础,运用径向基高斯函数RBF所建立的AFSs-RBF神经网络模型能够同时容纳模糊系统的推理功能和自适应性,动态调节隐节点数即模糊规则教,具有广泛的适用性.将这种模型应用于轻亚黏土地震液化评价中,选择震中距、上覆有效应力、黏粒含量、标贯击数、地下水位、循环应力比等6个与地震和场地条件有关的影响因子作为网络输入参数,对于轻亚黏土场地的液化势判别具体地建立了模糊神经网络模型AFSs-RBF.以唐山7.8级地震中天津某地区的轻亚黏土液化数据为训练样本,经验证和应用表明,这种AFSs-RBF网络具备更高的自适应性和非线性映射能力.     

基于人工神经网络的多处损伤加筋板剩余强度预测

用BP神经网络算法对多处损伤加筋板的剩余强度数据进行训练学习,将预测值和3种经典分析方法的计算值与实验值进行对比,结果表明,ANN法预测值与实验值吻合得最好,LMC修正法和WSU3修正法次之,Swift塑性区连通法最差。最后用所建立的BP网络对不同主裂纹半长和韧带长度的剩余强度进行了预测,结果发现,在其他参数不变的情况下,不管是双筋条还是三筋条加筋板,剩余强度总是随主裂纹半长的增加而成线性降低,随韧带长度的增加而成线性增加,但双筋条加筋板比三筋条加筋板对主裂纹半长和韧带长度的变化更加敏感。     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

用人工神经网络模型预测高填方地基工后沉降

以人工神经网络模型(多层BP模型)为研究手段,对九寨黄龙机场元山子沟104 m的高填方地基工后沉降变形特性进行深入研究.认为高填方地基工后沉降包括填筑过程中产生的部分瞬时沉降、加载结束后的主固结和次固结三部分,瞬时沉降速率最高可达20 cm/month,发展时间约为15～40天;主固结速率为0.3～3 cm/month,发展时间为8～14个月;次固结速率小于0.3 cm/month,发展时间为3～5年.且高填方地基最终沉降量为42～44 cm,竣工后半年(2003年4月)工后沉降量完成40%～50%,一年后(2004年4月)可完成70%～80%,两年后(2005年4月)可完成90%～95%.     

基于神经网络的铅酸蓄电池剩余容量预测

为有效地对电动车电池剩余容量进行预测,在分析了铅酸蓄电池充放电过程的反应机理的基础上,应用改进算法的BP神经网络,建立了铅酸蓄电池的神经网络模型,用于预测铅酸蓄电池放电过程中某一状态下的剩余容量。结果表明,通过该网络模型可以方便快速地得到电池剩余容量及荷电状态的预测值,所得结果满足要求,为电池管理系统提供了一种新的预测方法。     

启动压力梯度预测的人工神经网络方法

针对低渗透多孔介质中存在启动压力梯度的问题,分析了影响启动压力梯度的主要因素.采用BP人工神经网络的方法对启动压力梯度进行预测,并结合岩心实际测定的启动压力梯度进行验证.研究结果表明,BP人工神经网络是一种较为有效的预测方法,具有较高的精度.该方法的应用,可以为低渗油田的开发提供可靠的基础数据,节省人力物力.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐.研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中.仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值.     

混沌RBF神经网络在电力负荷预测中的应用

混沌和RBF神经网络相结合的方法,可以充分利用混沌的随机性、初值敏感性等特点,也可以充分利用RBF神经网络的大规模并行处理、自组织自适应性等功能,因此,受到了许多研究者的青睐。本文研究了混沌RBF神经网络,利用RBF神经网络的学习、逼近能力,结合混沌时间序列的嵌入维数、时延等参数构造了混沌RBF神经网络,分别对典型混沌序列及混沌RBF神经网络的建模预测进行仿真,并将RBF神经网络应用于油田电力负荷预测中。仿真分析和实用结果表明,混沌RBF神经网络具有预测时间短、预测精度高等优点,具有较高的指导意义和应用价值。     

空间数据Kriging预测的小波分析方法

用小波方法处理在空间上相关的数据模型。通过小波压缩估计,利用双正小波作量佳线性空间预测Kriging估计,获得了Kriging估计的非线性小波预测。