基于优化支持向量机及Spearman秩次检验的q滑坡变形预测研究

为提高滑坡变形预测精度,先以支持向量机为基础,采用试算法和粒子群算法优化其模型参数,构建了优化支持向量机模型,实现了滑坡变形预测;其次,再利用Spearman秩次检验法来判断滑坡的变形趋势,并通过变形趋势判断来佐证预测模型的准确性。实例研究表明:试算法和粒子群算法能有效克服支持向量机在参数设定过程中的主观性,得到优化支持向量机不仅具有较高的预测精度,还具有很好的滚动预测能力。同时,Spearman秩次检验能有效判断滑坡的变形趋势,且AR(1)模型可有效剔除原始变形序列的相关性,经去相关性处理后,相应变形序列的Spearman秩次系数会不同程度的减小,得出的判断结果趋于保守;对比变形预测结果与趋势势判断结果,得出两者具有较好的一致性,验证了2种方法在滑坡变形规律研究中的适用性和有效性。     

描述砂性土宏细观力学关系的数学模型

土体等颗粒材料在外力作用下的细观颗粒层面的力学行为决定着其宏观力学性质。然而,目前已经提出的宏细观本构关系多基于对某一种试验数据的唯象总结,缺乏普适性。根据已有的理论研究成果,基于Hertz接触理论,采用颗粒流离散元程序(particle flow code, PFC^3D)模拟了粒状砂性土的单轴压缩试验,推导了一种更具普适性的描述砂性土宏细观力学关系的数学模型。建立宏观力学响应与细观力学行为的联系,为构建土的本构关系提供了新的途径。