无黏性土管涌出砂与渗透性非均匀发展试验研究

管涌对堤防与大坝的危害严重而常见,但对管涌发生后期细颗粒涌出以及地基土体渗透性非均匀发展的研究不够深入。由于管涌发生发展的随机性和复杂性,通过自行设计试验装置,在特定试验条件下,利用3组级配不同孔隙比变化的12种试样,从测压管水头、流量、渗透系数、细颗粒变化趋势、累计涌砂量等方面进行对比分析,研究渗透系数、孔隙比、试样内部细颗粒运动趋势和剩余细颗粒含量等的变化规律;结合理论计算,揭示试样内部细颗粒运动趋势、剩余细颗粒含量以及渗透系数非均匀变化的相关关系;利用渗透系数与孔隙率的关系,推导出上游水头固定下的累计涌砂量随时间变化的理论公式。     

均质无黏性土发生流土破坏的试验研究

为了探究粒径大小对无黏性土发生流土破坏的影响,开展了3种级配土的一维土柱流土破坏试验。结果表明无黏性土的流土破坏过程可划分为2个阶段,第一阶段土体未发生侵蚀,第二阶段土体经历了“发生→发展→破坏”的破坏过程。土体发生流土破坏的难易程度、破坏的临界流速会随着颗粒粒径增大而增大,而改变颗粒粒径对流土破坏的临界水力梯度几乎无影响。     

无粘性土中管涌的毛管模型及其应用

通过对骨架孔隙中细颗粒的受力分析。建立了描述无粘性土中管涌发生、发展的毛管模型。利用该模型。将细颗粒的流失量、土体渗透性和颗粒起动的水力条件三者联系起来。得到了可动颗粒起动的临界水头梯度公式和考虑细颗粒流失的渗透系数公式。通过管涌试验校验证实了有关公式的有效性。计算结果表明，管涌过程中的渗透性显著地受细颗粒流失的影响。而且当有细颗粒流失后。级配不连续的管涌型土比级配连续的管涌型土更易发展成管涌破坏。     

基于BP神经网络在高速铁路路基填料改良试验研究

不同区域的路基填料由于所含矿物成分不同,改良后表现出的试样饱和抗压强度值差异很大。因此,每个涉及到填料改良的项目不仅需要投入大量人力、物力、财力来寻找最佳的填料配合比,而且过程繁琐,试验周期漫长。文章将MATLAB曲线拟合法应用到击实试验数据处理及分析中,寻找出最优的拟合阶数,快速准确的求出各种性质细粒土的最大干密度和最佳含水量;通过建立BP网络模型分析化学填料掺入量与试样饱和抗压强度的关系曲线,预测未实施的路基填料改良试验结果,确定最经济的改良土化学填料掺入量,以减少改良试验组数,缩短工期。     

层状各向异性无黏性土三维强度准则

忽略黏性项,采用椭圆型角隅函数对Mohr-Coulomb准则进行三维化,建立了适合于无黏性土的三维强度准则,该准则能合理反映峰值内摩擦角随中主应力比的变化特性。以垂直与平行于土体沉积面方向的强度之比引入层状各向异性系数,并根据主应力轴与土体沉积面方向关系修正角隅函数,提出了一个适用于层状各向异性无黏性土的三维强度准则。通过研究其偏平面形状及峰值内摩擦角与中主应力比关系随层状各向异性系数的变化特性,表明该准则描述层状各向异性无黏性土强度的适用性。通过预测两组砂土真三轴试验结果,进一步地证实所提出强度准则的合理性。     

基于BP神经网络法的某公路隧道涌水量研究

隧道突涌水会使隧道施工安全性和施工顺利程度受到干扰,并且会影响到隧道建成运营质量,准确的预测隧道涌水量可以起到指导施工,保证工程质量的作用。以江西某公路为研究对象,选取地质构造、渗透率、降水量和水头高度作为评价因子,基于BP神经网络建立了公路隧道涌水量预测模型,成功的对公路隧道涌水量进行了预测,取得了良好的效果。     

无黏性土中剪切带的形成过程

提出了无黏性土中剪切带的形成机理 ,并利用耦合的有限元数值分析加以验证。研究表明剪切带的形成与材料本身的软化特性密切相关。剪切带形成后 ,土体中存在两种变形模式 :剪切带内土的特性表现为应变软化 ,而其他部分的土体表现为卸载。此外 ,剪切带内土体的体积变形比其他部分的体积变形大得多。当剪应变超过某一水平时 ,局部土体达到临界状态     

电动法修复镉污染黏性土的试验研究

使用自行设计电动修复装置,针对镉污染黏性土开展了室内土柱试验,分析了土柱中镉的去除效果、修复前后污染土的微观结构变化和镉的形态特征,探究了土壤中镉的去除机制。结果表明：镉初始浓度较小时,增大电压可以显著提高镉的去除率,电压的增大可加快土中不稳定形态镉的迁移。当镉初始浓度较大时,残余在土柱中的镉含量呈现出从阳极侧到阴极侧逐渐增大的现象。经过电动修复后,土颗粒从球形呈现的黏聚体结构变为了光滑、松散的结构。电压为40V时,约95%的弱酸提取态及可还原态镉从土壤中去除,修复后土柱中的残渣态等稳定形态的镉约为总镉的60%,有效降低了镉污染土的毒性。     

基于BP神经网络的合成纤维土价格预测模型研究

合成纤维土作为工程中的常用材料,其造价预算准确性能够影响企业的成本控制。为研究合成纤维土价格模型的效果,在MATLAB软件平台基于BP神经网络建立不同特性的纤维土价格模型。通过将模型预测值与实际值作对比,以相对误差值判断模型构建是否合理。结果表明,BP神经网络预测相对误差均小于10%,准确性较好,能够预测纤维土价格,可以为工程现场应用提供参考。     

均质无黏性土流土发生机制室内模型试验研究

通过室内砂槽模型试验模拟均质无黏性土垂向流土的发生发展过程,研究无黏性土发生渗透变形和渗透破坏过程中,土体渗透系数、水力梯度、渗透流量等参数的变化规律,分析土体渗透变形过程中优势流的产生、发展的循环过程,并通过对比试验研究了发生流土破坏后的土体经过一段时间自重固结后的抗渗强度。试验结果表明:均质无黏性土在渗流作用下发生渗透变形的过程中,有一个渗透系数不变的阶段。这一阶段土体中还没有形成优势流,土体处于稳定的安全渗流阶段。土体中优势流的空间可变性造就了一个优势流"形成→发展→消失→再形成"的循环过程,这种循环过程伴随着土体中不断的微小渗透变形。土体发生流土破坏后,破坏区域的土体出现了水力筛分现象,水力筛分过程改变了土体结构,降低了土体的抗渗强度。     

基于Matlab的BP神经网络在泥石流危险性评价中的应用

由于泥石流孕育环境、成灾条件及其诱发因素等的随机性、不确定性和模糊性,决定了泥石流是一种非常复杂的非线性系统。人工神经网络因其具有较强的自组织性、自适应性和自学习能力等优势,更适合于解决非线性问题。本文基于Matlab程序建立了区域泥石流危险性评价的BP神经网络模型,并将该模型应用于凉山州德昌县22个乡镇的区域泥石流危险性评价中,取得了良好的应用效果,评价预测的准确率高达95%。该方法不仅解决了泥石流危险度评价因子和评价等级之间的复杂非线性关系,而且过程简单,结果不受人为因素的影响,是一种具有应用价值、有效的泥石流危险性评价方法。     

遗传算法改进的BP神经网络在GPS高程拟合中的应用

针对BP神经网络收敛速度慢和易于陷入局部极小值的问题,采用将遗传算法全局寻优和BP神经网络局部寻优相结合的方法,优化神经网络各层之间的连接权和阈值,提高了BP神经网络的计算精度、收敛速度和泛化能力。本文论述了遗传算法的基本思想、实现过程,并对高程拟合算例进行训练检验,实验结果表明,遗传算法改进的BP神经网络进行GPS高程拟合是可行的,能够有效地提高BP神经网络的拟合精度。     

GA优化BP神经网络在多参量火灾探测中的应用

针对BP神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP神经网络的初始权重和阈值进行优化,提出了一种基于GA优化BP神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO浓度进行数据融合实现火灾探测.研究显示,相较单纯BP...     

BP神经网络在大跨斜拉桥的斜拉索损伤识别中的应用

针对润扬长江公路大桥北汊斜拉桥的拉索损伤进行了520种工况的动力计算。定义了归一化固有频率,并且分别分析了拉索损伤位置和损伤程度对归一化固有频率的影响。通过对比研究得出以下结论:拉索损伤位置对不同阶固有频率的影响模式有本质的差异;同一拉索位置处,不同的损伤程度对各阶固有频率的影响模式相似;第4、6、7阶归一化频率对拉索损伤位置不敏感;其他各阶归一化固有频率的分布较为开展,分别包含了损伤模式的个性化信息。据此建立了描述7维损伤模式映射空间的BP神经网络,分别采用不同工况组的数据进行训练和识别,对该方法进行了验证。并且定义了识别误差评价数作为描述识别效果的定量指标。     

造价估测方法的研究和BP神经网络模型的应用

比较分析了现行的造价估测模型的特点及其存在的问题,突出BP神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了BP神经网络估测模型并进行了造价估测.     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

基于BP神经网络的公路网规模预测研究

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于BP神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

一种BP神经网络纸币图像识别方法的研究

介绍了BP神经网络的结构特点与原理,基于此种方法,对几种纸币的面额与方向进行了识别,其中权值的修改算法采用LM算法,并对算法的基本思路作了阐述,识别仿真结果表明,BP神经网络具有较高的准确性。     

BP神经网络在水厂预测混凝投药量中的应用研究

建立了一种基于三层结构BP神经网络的混凝投药量前馈控制模型,采用烧杯试验数据进行了仿真验证,同时建立了传统的线性回归混凝投药量前馈控制模型,并采用两种模型基于同一样本数据进行仿真。从投药预测值一实际值的对比图和均方根误差等可以看出,BP模型优于回归模型,它通过学习可以根据原水水质进行投药量的有效预测,有一定的自适应性,实用性较强,但也存在一定的局限性,对某些水质的投药预测值还存在一定误差。