有限元法在路基沉降中的应用

分析了路基沉降变形的机理，采用有限元法对路基沉降进行了分析，通过工程实例，将有限元法计算结果与实测值作了比较，表明计算值与实测值相近，说明有限元法可以准确预测路基的沉降情况。     

地下工程施工地表沉降预测方法综述

介绍地下工程施工引起地表沉降的三种预测方法,并对它们的理论依据、发展趋势作了简要评述.     

复合地基沉降曲线灰色优化拟合

针对软弱土地基处理中复合地基设计问题,在对承载力进行确定的同时用优化灰色系统理论建立复合地基沉降量预测的灰色模型,对此灰色模型进行了优化比较,模拟了复合地基静载试验P—S曲线的未知部分,预测了更大加载情况下的沉降值,以便对复合地基的承载能力作进一步的判断。     

用双曲线法计算软弱路堤沉降分析

基于传统双曲线沉降预测法,分析了在软弱地基上路堤分级施工情况下用双曲线法进行沉降预测需要注意的因素,指出在合理的范围内,待预测沉降与最终沉降量可以利用实测沉降确定,并通过工程实例验证了所分析的几个因素对预测沉降与最终沉降量有很大的影响。     

超高填方和拦渣坝变形监测技术

结合奉云高速公路B4合同的超高填方和拦渣坝变形监测计算,对监测的内容及方法作了介绍,研究了V形冲沟超高填方+拦渣坝路基的沉降规律,并预测了超高填方的最终沉降量。     

双曲线法在高填路基沉降预测中应用

基于路基沉降实测资料,用双曲线模型对某高填路基的沉降变形进行了预测分析.实测资料和理论分析表明:双曲线模型简单易行,可对高填路堤进行沉降预测尤其是对中后期的沉降预测,并得到较为满意的结果,能预测路基最终沉降值从而判断路基沉降稳定状况.     

山区高速公路填方路基沉降预测模型可靠性研究

该文依托相关工程实例,分别应用二次抛物线预测模型和指数预测模型来进行填方路基沉降预测处理,结果与实测数据作对比分析模型标准差,说明指数预测模型在填方路基沉降分析应用中具备可靠性。     

用小波神经网络预测深基坑周围地表的沉降量

将小波神经网络应用于深基坑周围地表沉降的预测,提出了一种有效的预测方法,并构造了预测沉降的小波神经网络模型。预测结果表明,该方法收敛速度快、预测精度高,为预测深基坑周围地表沉降量的一种实用方法。     

软土地基沉降预测的曲线拟合法

针对软土地基沉降预测的重要性,提出了计算沉降量的方法,重点对软土地基沉降预测的曲线拟合法进行了介绍,分析了三点法的原理,并结合实例对软土地基沉降预测中的曲线拟合方法进行了初步探讨。     

灰色理论在高层建筑沉降监测中的应用

根据灰色系统理论中的数列预测理论 ,针对高层建筑沉降监测 ,建立了灰色预测模型 ,并采用绝对关联度分析了模型的预测精度。最后根据预测模型对成都市某高层商住楼沉降量进行了预测 ,并根据预测结果与沉降实际测量数据的对比 ,分析了模型预测结果的合理性 ,并讨论了所用灰色预测模型的特点及其在高层建筑沉降监测的应用     

边坡位移预测的RBF神经网络方法

利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。     

FORECASTING LOCATION TENDENCIES: AN APPLICATION TO THE EUROPEAN CASE

ABSTRACT In this article an econometric model to forecast location tendencies is developed. This model is based on the hypothesis of disequilibrium in the relationship between location factors and industry, which allows one to distinguish between the optimal long-run regional distribution and that which is actually observed. This structure is completed with the specification of an error correction mechanism, whose relevant prediction horizon is short-term. The model is transformed into a prediction tool to forecast medium to long-term location tendencies. The results with respect to the European case tend to favor the hypothesis of regional convergence, although at a lower rate than has been observed to date.     

应用神经网络预估强夯加固效果

本文将神经网络理论应用于强夯施工中 ,目的在于探索一条简便有效的新的强夯设计方法。在利用BP神经网络计算大量工程实例的基础上 ,建立了关于强夯加固效果的神经网络预估模型 ,并运用工程实例验证了模型的有效性     

FCJ-GIS动力区划模型及其在斜坡灾害危险性评价中的应用

斜坡灾害是地质体在各种内外动力耦合作用下的产物，为描述斜坡成灾的动力耦合作用系统中各种内、外动力作用（因子）的贡献程度，提出内外动力因子指标体系和强度等级，引入模糊综合评判法（FCJ），且建立基于FCJ-GIS的内外动力区划模型，用之来表征内外动力耦合强度特征。然后，将内外动力耦合作用强度和静态环境条件进行叠加分析，提出基于FCJ-GIS内外动力区划模型的斜坡灾害危险性评价新方法。通过虎跳峡河段斜坡灾害的实例研究表明，88％的斜坡灾害体发育在内外动力耦合作用强度高～较高的区域。说明在内外动力耦合作用强度高的区域，斜坡失稳破坏的几率较高；已有的61个斜坡灾害均位于高～较高的危险性区划域内，空间预测的有效率为95％，验证了该方法的可靠性、准确性和可操作性。这一方法可望成为斜坡灾害危险性评价和空间预测新途径，并服务于工程决策与环境管理。     

边坡变形预测的灰色理论研究与应用

根据边坡位移监测信息，应用灰色系统的原理和方法，对边坡的变形发展变化进行预测是一种有效手段。但在阶段变化因素作为岩土体边坡变形影响主因时，由于监测时段与影响主因的阶段性不一致，监测数据序列不能正确反映边坡变形规律，致使边坡预测变形结果出现强度偏差；为此，提出以控制因素变化的阶段性来划分时间数据序列，建立阶段时间序列灰色预测模型，对边坡的发展变化情况进行预测。研究结果表明，采用该方法预测变形值与边坡实际发展变化一致，提高了时间序列灰色预测的准确性。     

自适应时序模型在地下工程位移预报中的应用

自适应时序模型的基本原理就是将自适应滤波理论应用于自回归时序AR(n)模型中。该模型在一定程度上根据量测数据和估计结果自行调整模型参数，通过递推算法自动地对模型参数加以修正，使其接近某种最佳值，即便在尚不完全掌握序列特性的情况下也能得到满意的结果。通过对山东龙口洼里煤矿一回采巷道金属支架的收敛位移和北京地铁王一东区间隧道北正线中洞断面收敛位移进行自适应建模，预报结果表明，此方法可行，预报结果也令人满意。     

养护温度对混凝土绝热温升的影响分析

本文研究了不同养护温度下的混凝土绝热温升问题 ,采用化学反应速率来描述时间和温度对混凝土绝热温升的影响 ,探讨了化学反应速率与养护温度之间的关系。文中引入等效时间的概念来描述水化热化学反应速率随温度的变化规律 ,采用反演分析方法中的最小二乘法回归分析试验数据 ,确定绝热温升和等效时间的关系式     

人工神经网络在岩土工程中的应用

人工神经网络在近几年来发展迅速。基于人工神经网络的方法在岩土工程中得到了广泛的应用。神经网络的模型很多 ,很多学者在他们的研究中采用了BP神经网络。通过对BP神经网络方法与传统方法进行比较发现有其独特的优点。由于岩土工程中的问题的复杂性 ,在已知量与未知量之间存在很强的非线性关系。这种非线性关系通过人工神经网络可以很好地映射。笔者认为神经网络在岩土工程中是可行的 ,必将会引起更多的岩土工程师的兴趣     

位移向量方位趋势线在乌鞘岭隧道工程中的应用研究

采用高精度全站仪配合反射膜片所组建的三维变形观测系统对乌鞘岭隧道F7断层和志留系板岩夹千枚岩地段的三维位移进行测试和分析,并借鉴欧洲学者所发展的隧道三维变形展示方式来呈现隧道开挖地层的反应特性和变形特征.研究结果表明,用相距开挖面约1.0倍洞径处或在1.0倍洞径内的位移向量方位趋势线,可反映出一定区域岩体刚度的分布状况及变化趋势,并预判隧道开挖地层中一定范围内软硬岩层的变化趋势或可能存在的不良地质结构.目前国内尚处于试验探索阶段,宜将隧道开挖产生的位移信息与实际揭露出的围岩地质状况进行大量的对比分析与研究,并可辅之以其他的超前地质预报手段,以合理预测隧道前方的地质情况.