新型微型桩群设计理论及抗滑机理研究

为达到对滑坡进行科学、有效治理的目标,针对传统抗滑桩适用性差、经济消耗高和施工不便等方面的不足,将传统抗滑桩与微型支护桩有效结合,提出一种新型微型群桩抗滑桩布桩设计方法,并配合该布桩设计方法提出了一种新的群桩等效刚度计算模型,推导出了微型群桩等效惯性矩及等效模量的力学公式;同时对新型微型抗滑群桩模型的受力机理进行理论分析,并采用有限元模拟软件Geo Studio对截面、桩长相等的传统抗滑桩及新型微型抗滑群桩进行位移及内力有限元计算,模拟计算结果表明,抗滑群桩在抵抗变形及受力方面均显示出较大的优越性。     

基于Matlab的边坡位移及稳定性预测的神经网络系统

边坡位移的产生及发展对边坡的稳定性是极为重要的，然而导致边坡产生位移的因素是极其复杂的，采用具有非线性映射功能的神经网络理论，在Matlab环境下编程，建立了位移及稳定性预测的BP神经网络模型，运用历史位移数据训练神经网络并进行测试，将训练好的网络模型用于预测边坡位移的发展，进而预测边坡的稳定性。最后将该预测系统用于山东省莱州市仓上金矿北帮边坡工程，预测结果与已有的监测数据相比误差很小，说明效果良好。该系统对了解边坡位移的发展趋势以及研究边坡的动态稳定性具有一定的意义。     

边坡位移时间关系模拟的人工神经网络模型

利用Matlab语言编程建立BP神经网络模型，并基于大量的历史位移数据模拟了边坡位移与时间的关系．最后将模型用于山东省莱州仓上金矿北帮边坡的位移预测．比较表明，模型计算结果与监测值相差很小，说明应用模型预测边坡位移是可行的．     

预应力锚索抗滑桩在混凝土重力坝中的应用

在混凝土重力坝坝基摩擦系数较小、坝基地形狭窄的条件下,同时兼顾坝体工作特性与坝基抗滑结构的协同工作,将边坡工程中预应力锚索抗滑桩加固措施引入到混凝土重力坝坝基抗滑加固实践中,满足了坝体抗滑安全性和坝体运行状态与抗滑结构变形一致性的要求.     

预应力锚索抗滑桩在三峡库区滑坡治理中的应用

介绍了预应力锚索抗滑桩技术,对其抗滑机理、受力特点、设计原则、设计流程及相关问题进行分析,并与抗滑桩进行技术经济比较,通过在重庆市巫山塔坪滑坡整治中的应用,证明其较普通抗滑桩具有受力机理明确、结构合理、工程造价低、便于施工等优点,是一种具有广泛发展前途的新一代抗滑结构.     

湖南通平高速某边坡双排微型桩加固方法探讨

文章结合湖南通平高速某边坡采用的双排微型抗滑桩治理边坡项目,在对桩体受力及桩顶位移监测的基础上,探讨双排微型抗滑桩的受力机理及其抗滑效果。得出了此类型桩的前后桩体受力分布,桩顶位移的变化趋势等结论,证明了双排微型抗滑桩对于加固边坡能够起到很好的效果,为以后此类桩型的设计提供依据。     

抗滑桩与预应力锚索在滑坡治理中的综合应用——以某高速公路路堑滑坡治理工程为例

介绍了抗滑桩与预应力锚索技术在路堑滑坡治理工程中的施工工艺和应用效果,该结构与传统的抗滑结构相比有其显著特点。     

图表法在某边坡抗滑桩设计中的应用

抗滑桩作为加固滑坡体的一种有效措施,与其它抗滑工程如抗滑挡墙、锚杆等相比,其具有抗滑能力强、施工安全简便,并能进一步核实地质条件等突出优点,现已广泛应用于边坡工程中,但其设计方法还不成熟,文章运用图表法分析简化了某土质边坡抗滑桩设计计算,这种方法对以后的抗滑桩设计以及进一步的深入研究都具有一定的参考意义.     

PSO-Elman神经网络在尾矿坝位移预测中的应用

由于BP神经网络模型容易出现局部极小值和训练时间长等缺陷,Elman神经网络模型有搜索速度慢、易出现局部最优等不足,因此考虑采用PSO-Elman神经网络模型进行尾矿坝位移预测。利用Matlab神经网络工具箱对PSO-Elman神经网络、Elman神经网络、BP神经网络三种模型进行编程,结合工程算例,验证了PSOElman神经网络模型在尾矿坝位移监测数据预测分析中具有更好的预测效果。     

图表法在某边坡抗滑桩设计中的应用

抗滑桩作为加固滑坡体的一种有效措施,与其它抗滑工程如抗滑挡墙、锚杆等相比,其具有抗滑能力强、施工安全简便,并能进一步核实地质条件等突出优点,现已广泛应用于边坡工程中,但其设计方法还不成熟,文章运用图表法分析简化了某土质边坡抗滑桩设计计算,这种方法对以后的抗滑桩设计以及进一步的深入研究都具有一定的参考意义。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

基于PSO优化BP神经网络的露天矿边坡位移预测模型

BP神经网络的初始连接权重和阈值对露天矿边坡位移预测的精度和收敛速度有重要影响。鉴于粒子群优化(PSO)算法具有全局搜索性能和收敛速度快,引入PSO算法对BP神经网络的初始连接权重和阈值进行全局优化,提出了基于PSO优化BP神经网络的露天矿边坡位移预测模型。将所提出的模型应用于实际案例中,并与BP神经网络进行对比。结果表明:该模型能够提高BP神经网络在露天矿边坡位移预测中的精度和收敛速度,预测结果的最大相对误差和平均相对误差分别是0.566 8%和0.353 0%,具有较好的精度和实际应用价值。     

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R²分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。     

基于M-P法的抗滑桩支护边坡稳定性研究

为评价采用抗滑桩支护后的边坡稳定性,从设计和验算2个角度着手,基于Morgenstern-Price(M-P)法建立了抗滑桩支护边坡的分析模型,进而得到了抗滑桩下滑力和边坡安全系数的表达式;通过引入自适应遗传优化算法,建立边坡稳定性分析优化模型,搜索采用抗滑桩支护边坡的非圆弧最危险滑动面;从确定安全系数求抗滑桩所受下滑...     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。     

ELM神经网络爆堆形态预测模型的研究及应用

以Moore-Penrose广义逆的定义和欧几里德空间内线性系统的最小二乘范数解原理为基础,运用Extreme Learning Machine(ELM) 神经网络--一种快速的前向神经网络学习算法,以Weibull函数的2个控制参数 α,β 以及松散系数 ξ 为输出层,提出了一种预测高台阶抛掷爆破爆堆形态的模型。该预测模型提高了爆堆形态预测的准确度,通过对黑岱沟露天煤矿爆堆形态的预测表明,ELM神经网络高台阶抛掷爆破爆堆形态预测模型的预测准确度高于同期使用BP神经网络预测的结果,更加接近于爆堆实际形态。     

基于复合抗滑桩模型的加固边坡稳定性研究

鉴于抗滑桩模拟尚未获得一种建模易、精度高和计算快的数值模型,提出了一种复合单元抗滑桩模型,且在抗滑桩顶部自由和固定约束条件下,分析了不同桩位、桩间距等设计参数对抗滑桩加固边坡效果的影响程度及潜在的失效模式。研究结果表明,复合抗滑桩模型能真实地模拟抗滑桩的力学性能,且计算结果不受单元网格疏密程度的影响。桩布置在边坡中部时,加固边坡安全系数最大,越靠近边坡两端,加固边坡安全系数越小。另外,桩布置在边坡中部（Lx/L=0.5）和中下部（Lx/L=0.3）时,抗滑桩易发生弯曲破坏。研究结果对抗滑桩加固边坡的实际工程设计具有参考意义。     

非线性强度准则下抗滑桩加固边坡稳定性极限分析研究

鉴于现有的极限平衡方法不能很好地反映非线性强度准则下抗滑桩加固边坡的作用原理,利用土压力理论提出简易的抗滑桩和边坡滑体的力学求解模型,结合力学平衡条件推导出抗滑桩的有效桩侧压力。采用瑞典法求得滑面应力计算公式,结合边坡安全稳定系数指标,提出了非线性强度准则下抗滑桩边坡加固的稳定性解决方案。工程案例验证结果表明,岩土体非线性时,需增加桩长,方能确定边坡的稳定性要求;布置于临近坡脚点位置有助于提高边坡稳定性,但需防止位于抗滑桩上方的边坡出现局部滑动体破坏情况。     

偏最小二乘回归的神经网络模型在巷道围岩位移预测中的应用

偏最小二乘回归方法集多元回归、典型相关分析及主成分分析的功能于一体，能有效地处理自变量的多重线性相关问题，但不能较好地处理因变量与自变量间复杂的非线性问题，而神经网络方法是处理非线性问题的有力工具，但输入数据的严重相关性会使得网络的求解变得不稳定且收敛速度很慢，本文试图把这两种方法结合在一起来预测巷道围岩的位移．结果表明，结合方法比单一方法优越．通过偏最小二乘回归对巷道围岩的位移影响因子的处理，消除了影响因子的线性相关性，并提取了对因变量解释性最强的成分，使BP(back propagation)网络的输入层节点数目由原来的7个减少到3个，起到了简化网络结构，增强网络稳定性的作用．