季节性冻土路基变形监测及其稳定性分析

季节性冻土地基具有冬季冻胀、春季融沉的特性,在其上修筑的路基通常产生沉降和滑移变形,最终导致路基失稳.基于上述原因,通过介绍季节性冻土路基冻胀和融沉产生的机理,以及季节性冻土路基变形监测的原则和内容,并结合墨脱公路的监测结果对季节性冻土路基的稳定性进行分析评价.该研究对季节性冻土路基的设计、施工及稳定加固具有重要的指导意义.     

高寒季节性冻土地区铁路路基冻胀解决方案

结合滨洲铁路工程实践,分析了冻害形成机理及其影响因素,阐述了高寒季节性冻土地区铁路路基设计原则.提出高寒地区季节性冻土铁路路基冻胀病害解决措施,主要包括限制路堤最小高度、改善路堤填料、优化隔水层设计、加强排水系统设计、保温设计、低路堤及路堑设计等.运营结果表明采取的措施是有效的.     

季节性冻土区能量桩位移变化规律

能量桩是一种既可以与土体进行能量交换,又可以承担上部荷载的桩基形式。上部土层冻结,下部土层未冻结,由温度变化引起的桩体自身变形及土体的冻胀融沉引发的桩体位移是能量桩在季节性冻土地区推广中亟待解决的主要问题。针对季节性冻土地区土体温度分布特点,将土体分为冻结层和非冻结层分别开展模型试验,测得冻结层和非冻结层中能量桩多次温度循环后的桩—土温度分布、桩周土体孔隙水压力及桩体位移的变化规律。结果表明：在非冻结土层中,多次循环取热后桩顶会产生不可逆的沉降位移,5次取热循环后,桩顶沉降达到0.95%D(D为桩体直径),且桩体沉降未达到稳定;在冻结层,放热过程中能量桩会发生桩体融沉现象,恢复过程中会发生桩体冻胀现象,融沉导致的沉降位移随着循环次数的增加逐渐减小,在第3轮放热循环后消失。第1、2、3轮的融沉位移分别为5.9%D、0.93%D、0.11%D。每轮循环过程中,冻胀引起的上升位移虽逐轮减小,但在5轮循环之后依旧存在,且冻胀引发的总位移呈阶梯状上升,桩体最终产生上升位移,达到3.8%D。     

季节性冻土区地下水状况与道路“返浆”及防治

寒区非高等级路面的道路“返浆”，至今仍未找到彻底的防治办法。本文用边缘学科近地表地下水新理论，探索道路“返浆”的原理及防治方法     

车辆荷载作用下季冻土路基永久变形研究综述

结合我国季冻土和高速公路分布状况,对重载、超载车辆对季冻土路基造成的危害及致灾机理进行了初步分析.为准确描述重载、超载车辆行驶过程中对路基的作用效果,提出了冲击型荷载的概念.从冻融循环作用对土力学性能影响研究、车辆荷载下路面路基动力响应研究和动荷载下路基永久变形研究3个方面,分析、探讨了季冻土路基在车辆荷载作用下永久变形相关研究成果及发展趋势.     

西南某水电站坝址区左岸高边坡变形机理及动力稳定性分析

现场调查表明,岩体经历了复杂的岩浆活动和多期构造作用,白鹤滩坝区左岸主要存在3种变形破坏模式,即正常卸荷型、陡裂夹泥型、缓倾角错动带的表生改造型;对边坡岩体结构特征、岩体风化及物理力学性质等特征进行了细致研究;在此基础上,运用动力离散元数值模拟,揭示了在地震作用下边坡变形破裂发生规律和变形发展模式,对其动力稳定性及可能引起的工程效应进行了综合评价.     

季节冻土区长期交通荷载下公路路基永久变形特性

为研究季冻区公路路基在长期交通荷载作用下永久变形的累积规律,首先基于室内试验获取的路基融土永久应变经验公式,提出季节冻土区路基永久变形计算步骤;并通过建立的基层-路基-地基有限元模型,研究汽车轴型、后轴轴重、行车速度和路基融化厚度对正常期和春融期路基应力比和永久变形的影响.计算结果表明:正常期路基的应力比随着埋深的增加逐渐减小,融化路基应力比较正常期大,冻结路基内较正常期小;六轴汽车产生的永久变形大于其他4种轴型汽车;路基内的应力比和永久变形随后轴轴重和路基冻融影响厚度的增加而显著增大;行车速度越低,路基内应力比和永久变形越大.据此提出了季节冻土区长期公路交通荷载作用下路基永久变形预测公式.     

高原冻土区既有公路病害特征和融沉变形分析

本文通过调查与检测已有公路现场,深入分析了该段公路沿线冻土特征与道路病害之间存在的关系,通过调查与分析得知路面类型、路基高度以及冻土类型直接影响着路基路面的病害类型以及病害程度.本文主要对该段公路病害成因进行了深层次的分析,通过现场调查以及相关资料的研究得知,冻土区道路的病害主要是由于路基不均匀融沉变形导致造成的,因而有效防治冻土区水泥混凝土路面的病虫害就显得尤为重要.     

基于多尺度小波分析的大坝变形自回归预测模型

针对大坝变形监测数据序列一般具有较明显的多尺度特征、年周期性和非平稳趋势性等特点,为克服自回归模型在大坝非平稳性变形预测方面存在的不足,利用多尺度小波分析理论在处理非平稳信号上的优势对变形监测数据序列进行分解和重构,然后对重构的不同尺度下的数据子序列分别建立自回归预测模型(AR模型),最后叠加各尺度下的预测结果,从而将多尺度小波分析与自回归模型有机地结合起来,为大坝变形预测提供了一种新的预测模型,并给出了一个工程实例.研究表明:与传统的单一自回归预测模型相比,该大坝变形预测模型能较大地提高预测精度.     

基于支持向量机的土体压缩性变形参数多目标反分析方法

压缩指数、回弹指数以及次固结系数是表征土体压缩性的重要变形参数,通常被用来计算工程土体沉降,其值获取目前多采用室内固结蠕变试验,但试验结果受多方面因素影响,耗时长且精确度较低。基于此,提出一种基于支持向量机和非支配排序遗传算法(NSGA-Ⅱ)的多目标反分析方法来获取土体压缩性变形参数,首先通过开展原状土室内标准固结试验获取变形参数的取值范围,并利用支持向量机建立变形参数与水平及竖向位移之间的非线性映射关系,最后使用NSGA-Ⅱ算法求解多目标函数,得到土体变形参数的最优解,比较最优土体变形参数的数值模拟位移与现场监测位移,结果吻合,说明该方法可行。     

基于深度神经网络的多因素感知终端换机预测模型

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型. 该模型使用长短时记忆网络（LSTM）提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机. 实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.     

基于多因素改进型PSOSVM算法的中长期负荷预测

中长期负荷预测作为电力规划与调度中的重要一环,其影响因素有着多样性和不确定性等特点.选取支持向量机作为中长期负荷预测的核心算法,筛选多种区域宏观经济因素,利用粒子群(PSO)寻优与循环寻优的改进型算法对支持向量机(SVM)的参数进行优化及负荷预测.仿真结果显示,改进型PSOSVM算法有着较高的预测精度.     

基于门控循环单元的多因素感知短期游客人数预测模型

提出的预测模型采取分时序分段策略,使用卷积神经网络（CNN）提取景区多因素时序数据的特征,并对不同因素的时序数据赋予不同的权重,将结果送入门控循环单元（GRU）以挖掘其中的时序信息,结合预测时刻的情境信息（天气状况和节假日）预测短期景区内游客人数. 在某景区的闸机数据集和监控点车辆数据集上的实验结果表明：基于门控循环单元的多因素感知短期游客人数预测模型可以充分考虑多情境因素并对不同因素时序数据赋予不同的权重,均方根误差（RMSE）和平均绝对百分比误差（MAPE）均小于传统模型,能够有效降低短期游客人数预测误差。     

基于时空认知膨胀卷积网络与多源影响因素的PM2.5细粒度预测模型

为实现精确化、细粒度的PM_2.5浓度预测,提出了基于时空认知膨胀卷积网络(spatial-temporal cognitive dilated convolution network, ST-C-DCN)的PM_2.5浓度预测模型ST-C-DCN。该模型将时空因素、气象因素运用于PM_2.5浓度预测,基于因果卷积网络提取时空特征,并采用时空注意力机制优化了时空特征的提取。基于海口市空气污染数据的实验测试表明：对于单个监测站,基线模型相比,ST-C-DCN的均方根误差(root mean square error, RMSE)平均下降24.7%,平均绝对误差(mean absolute error, MAE)平均下降9.93%,拟合优度(R-squared,R²)平均上升3.35%。对于全部监测站点的预测,ST-C-DCN在win-tie-loss(包括MSE、RMSE、MAE、R²)实验中,均获得了最多的获胜次数,分别为68,68、63和64。通过不同数据抽样条件下的Friedma...