排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
2.
3.
利用MSC.Marc软件提供的用户子程序,对MSC.Marc进行二次开发。采用死活单元技术和折减过渡单元虚区高斯点渗透系数的方法对边坡的稳定渗流场进行分析,由各节点水头值分析单元所受渗透力,并以其代替周边孔隙水压力施加于土体单元,最后采用有限元强度折减法进行渗流作用下边坡的稳定性分析。算例表明,基于MSC.Marc软件分析边坡的渗流及稳定是可行的。 相似文献
4.
5.
机器学习算法在大坝安全监控系统中的集成方法 总被引:3,自引:3,他引:0
为方便在大坝安全监控系统中灵活应用新型机器学习算法,提出了一种应用组件对象模型(COM)技术将机器学习算法集成到大坝安全监控系统中的方法,相比于在开发系统中直接对机器学习算法进行编程,该方法可节省大量的编程时间,缩短开发周期,效果较好. 相似文献
6.
基于Delphi应用软件及Surfer接口技术实现大坝等值线的自动绘制,既发挥Delphi数据库功能强大、开发效率高等优点,又充分利用了Surfer卓越的网格化和绘图能力,减少了绘制等值线图的手工劳动,从而大幅度节约了批量绘制等值线图的时间,提高了工作效率。实际应用表明,在大坝安全监控系统中采用该技术,能够方便、快速、准确地绘制大量的等值线,为大坝安全分析提供了及时有效的工具,因此具有良好的应用前景。 相似文献
7.
8.
9.
针对大坝安全监控中传统BP神经网络模型由于采用最速下降法求解网络权值而存在的计算过程复杂、易陷入局部极值点等缺点,提出大坝安全监控神经网络权值的协同粒子群优化求解方法。该方法先把网络权值的计算问题转化为粒子群的寻优问题,然后通过粒子群协同寻优实现对网络权值的计算。工程实例分析结果表明:基于协同粒子群算法的神经网络模型计算简单、收敛速度快、拟合精度高,为大坝安全监控分析提供了一种有效的新方法。 相似文献
10.
利用传感器监测大坝安全特征量从而实时掌握大坝安全状况是目前较为常见的安全监控手段。噪声干扰是传感器数据输出的重要问题,严重影响建模分析的精度。针对传统线性滤波的不足,提出了基于RBF神经网络的非线性神经网络滤波器,该模型克服了传统线性滤波对非高斯噪声处理时的缺点,且不需要关于输入信号和噪声的先验知识,非线性映射能力强。采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统建立Simulink仿真模型。该技术应用在大坝监测数据处理中,取得了良好的效果。 相似文献