基于专家信息融合法的岩土参数概率分布推断

有限小样本条件下推断岩土参数的概率分布类型,在岩土工程可靠性分析是一个热点问题。在现场有限个小样本和存在多个大样本先验分布的条件下,提出了专家信息融合方法,探讨如何综合利用已有的经验资料并结合工程现场的试验数据来确定岩土参数的概率分布。考虑各先验分布的影响因素,通过专家打分方法,确定各先验分布的权重,进而进行整体融合,实现统计意义上概率分布类型的优化。     

小样本岩土参数概率分布的正态信息扩散法推断

提出推断小样本岩土力学参数概率密度函数的正态信息扩散法。该方法基于信息扩散原理,从试验样本和信息论的角度出发,充分利用样本提供的数据信息,而不是先假定成经典的概率分布曲线拟合检验,数学意义和物理意义更加充分和严密。采用精度较高的K-S检验法,从理论上证明所求密度函数的正确性。以广西钦州港地基工程中饱和黏土的多项土工参数作为实测数据,通过检验,表明该方法相对于传统的有限比较法而言,更加接近岩土参数实际的概率分布,为小样本情况下推断岩土参数的概率分布提供一条新途径。     

基于第二类切比雪夫多项式的岩土参数概率分布推断

基于数值分析中的逼近原理,提出了描述岩土参数概率分布的第二类切比雪夫正交多项式逼近法。直接根据试验样本值,运用第二类切比雪夫正交多项式来拟合岩土参数的概率密度函数。研究结果表明,采用该方法所得到概率密度曲线非常接近实际统计频率分布,为较大样本条件下描述岩土参数的概率分布提供了一条新途径。     

随机加权法辅助小样本岩土参数分布拟合

提出小样本条件下基于随机加权法的多项式拟合方法,对岩土参数总体分布密度函数进行推断。应用随机加权法重采样技术对小样本数据信息进行提取,估计总体各阶原点矩。采用勒让德正交多项式拟合推断分布密度函数并采用精度较高的K-S检验法进行检验,确认本方法具有较高的精度。本方法直接根据样本数据进行推断,大大降低了对已有数据及经典分布概型的依赖性,具有明确的数学物理意义,能够满足岩土工程可靠性分析的需要。     

岩土参数最优概率分布推断方法及判别准则的研究

 为了获得岩土参数概率分布的最佳推断方法,首先考虑岩土参数均为非负值的特性,提出以“3?”准则为基础并考虑样本数据偏度进行调整的积分区间确定方法;以5组典型岩土参数作为基本信息,利用经典分布拟合法、最大熵法、一般多项式逼近法、正交多项式逼近法和正态信息扩散法分别对其概率分布函数进行了推断,并根据K-S检验法进行检验。通过所得概率分布的检验值、累积概率值和函数曲线的对比,研究上述方法的优劣。结果表明：与经典分布拟合法相比,其他4种方法的检验值普遍较小,均克服了经典分布无法反应样本随机波动性的缺陷,并且满足累积概率值等于1的要求。但最大熵法的检验值存在大于经典分布检验值的情况,一般多项式和正交多项式方法的概率密度函数则在样本数据局部分布区间存在负值情况。正态信息扩散法不存在上述缺陷,而且该方法得到的检验值最小,累积概率值始终为1,并可以随着样本的波动呈现多峰状态,拟合精度最高,是一种比较理想的最佳推断方法。最后给出了岩土参数最优概率分布的判别准则。     

岩土参数概率分布的系统推断研究

借助数据挖掘技术,将岩土参数测试样本概率分布的选择系统化。选取了19组岩土参数测试样本,选择beta分布和正态信息扩散法作为推断岩土参数概率密度的两种方法。借助数据挖掘技术中的模糊C-均值聚类方法,根据岩土参数测试样本的数字特征值,将19组岩土参数测试样本归聚为4类,再根据每一类样本的分布规律,确定其概率密度函数的推断方法。对于波动性和离散性严重的测试样本,在采用正态信息扩散法推断其概率密度函数时,为解决窗宽选择问题,提出以均方差最小为目标,在窗宽的基础上,改变窗宽的大小,确定样本最优窗宽的方法。对于一组新的测试样本,根据数字特征值即可推断出测试样本的概率分布。     

岩土参数概率分布类型及其选择标准

 岩土参数的概率分布类型对风险评价和可靠度分析具有相当大的影响,对其研究是一项基础性的重要工作。从分析总结各种概率分布类型的产生背景、所描述对象的物理意义着手,将其分门别类,发现大致有5大系列,即Bernoulli分布系列、Poisson分布系列、极值分布系列、中心极限分布系列和用于统计分析的分布系列。然后研究岩土参数被建模为随机变量时影响其不确定性的因素,得出用中心极限分布系列对其描述较为合理,在此基础上,详尽地对比隶属于中心极限分布系列的正态、对数正态分布的各种特性,提出在二者之间如何选择的标准,即当变异系数小于30%且偏度系数小于0.025时选择正态分布,反之,选择对数正态分布。另外,论证泊松比更适合建模为b 分布的事实。最后,用一统计实例诠释本文所提观点的正确性。研究成果对岩土工程的风险评价和可靠度分析具有重要的参考价值。     

推断岩土参数概率分布的二维正态信息扩散法EI北大核心CSCD

提出推断岩土参数概率分布的二维正态信息扩散法。基于正态信息扩散原理,并考虑二维岩土参数的相关性,建立了二维正态信息扩散法模型的一般表达形式。结合K-S检验法的原理和二维岩土参数的分布特点,提出了一种改进的二维分布K-S检验法和具体的检验步骤。以某水电站工程中的二维抗剪强度参数作为实例,利用二维正态分布和二维正态信息扩散分布对实际数据的分布进行了拟合比较,并利用二维K-S检验方法进行了检验。研究结果表明,二维正态信息扩散分布的检验值要低于二维正态分布的检验值,二维正态信息扩散分布函数更加接近实际数据的分布,表明二维正态信息扩散分布在描述岩土参数概率分布方面更有优势。研究结果也表明,二维正态信息扩散函数的边缘分布同样服从一维正态信息扩散分布,并且其精度同样比一维正态分布高。     

某滑坡体岩土参数概率分布统计分析方法研究

为了给某坝址比选提供滑坡体的岩土参数概率分布类型,解决小样本条件下岩土参数概率分布难以确定的问题,通过勘察试验数据分析,工程类比分析等方法确定了滑坡体可靠性计算参数的分布类型及参量,以此为先验函数,并基于Bayes统计理论对滑坡体岩土参数进行优化研究,以其中的“上田”滑坡体为例对岩土参数进行优化计算,计算结果表明,优化后方差和变异系数均有下降,可以提高滑坡防治工程的可靠性,从而达到优化的目的.     

岩石力学参数的概率分布的Bayes推断

由于获得岩石力学参数的大样本的困难性,使得统计岩石力学参数概率分布函数成为一个难题。解决工程问题时,一般认为它们服从正态分布,但其精确度十分有限。对于一个具体工程,如何在有限的小样本条件,推断岩石的力学参数概率分布函数一直是一个研究热点。     

浅谈原状土试样制备在土工试验中的重要性

从四个方面出发总结了原状土试样制备在土工试验中的重要性,分析了人为因素对试验结果的影响,阐述了试验的具体操作过程及注意事项,以改进和完善测试手段。     

广州亚运城某居住区岩土试验参数可靠度控制研究

在广州亚运城媒体村居住区岩土工程勘察过程中,为了确保土工试验参数的可靠性,分析出影响土工试验参数可靠度的各项因素,制定了较详细的对策,并分工负责,落实责任,分头实施。对具有一定创新的技术难题通过开展技术研讨、现场技术调研及试验,集中力量突破,经室内试验和原位试验测得的可对比指标分析,本次专题研究收到了较好的效果。     

调查法在深基坑土钉支护工程中的应用

参照工程实践和有关文献的研究成果,探讨了土压力分布模式与支护方式的关系。基于极限平衡理论,运用调查法及工程类比的方式,分析了用滑裂面几何参数临界深度z0和滑裂面倾角θ来反演土体抗剪强度c,φ值,并提出了防止工作面坍塌的工程措施,以供工程支护时参考。     

Bayesian estimation of complicated distributions

In a previous paper (Zong Z, Lam KY. Estimation of complicated disributions using B-spline functions. Structural safety 1998; 20(4): 323–32), we used a linear combination of B-spline functions to approximate complicated distributions. The method works well for large samples. In this paper, we extend the method to small samples. We still use a linear combination of B-spline functions to approximate a complicated probability density function (p.d.f). Strongly influenced by statistical fluctuations, the combination coefficients (unknown parameters) estimated from a small sample are highly irregular. Useful information is, however, still contained in these irregularities, and likelihood function is used to pool the information. We then introduce smoothness restriction, based on which the so-called smooth prior distribution is constructed. By combining the sample information (likelihood function) and the smoothness information (smooth prior distribution) in the Bayes' theorem, the influence of statistical fluctuations is effectively removed, and greatly improved estimation, which is close to the true distribution, can be obtained by maximizing the posterior probability. Moreover, an entropy analysis is employed to find the most suitable prior distribution in an “objective” way. Numerical experiments have shown that the proposed method is useful to identify an appropriate p.d.f. for a continuous random variable directly from a sample without using any prior knowledge of the distribution form. Especially, the method applies to large or small samples.     

Bayesian estimation of 2-dimensional complicated distributions

In a previous paper (Zong Z, Lam KY. Estimation of complicated distributions using B-spline functions. Structural Safety 1998;20:323–32), we used a linear combination of B-spline functions to approximate a 1-dimensional or 2-dimensional complicated distribution. The method works well for large samples. In a recent paper (Zong Z, Lam KY. Bayesian estimation of complicated distributions. Structural Safety 2000;22:81–95), the method was extended to small samples for 1-dimensional p.d.f.. In this paper, we will continue to extend the method to small samples for 2-dimensional p.d.f. We still use a linear combination of B-spline functions to approximate a complicated 2-dimensional p.d.f. Strongly influenced by statistical fluctuations, the combination coefficients (unknown parameters) estimated from a small sample are highly irregular. Useful information is, however, still contained in these irregularities, and likelihood function is used to pool the information. We then introduce smoothness restriction, based on which the so-called smooth prior distribution is constructed. By combining the sample information (likelihood function) and the smoothness information (smooth prior distribution) in the Bayes' theorem, the influence of statistical fluctuations is effectively removed, and greatly improved estimation can be obtained by maximizing the posterior probability. Moreover, an entropy analysis is employed to find the most suitable prior distribution in an “objective” way. Numerical experiments have shown that the proposed method is useful to identify an appropriate p.d.f. for a continuous random variable directly from a sample without using any prior knowledge of the distribution form. Especially, the method applies to large or small samples.     

福州第四纪沉积物工程地质特征研究

本文将福州第四系划分为七组，研究了各级分布特征，物理力学性质，并从持力层的选择、基坑支护、地基处理等方面进行了工程对策研究分析