公路隧道围岩的区间数组合分类法

公路隧道围岩的分类方法较多,每一种分类方法的结果都是对真实围岩状况的一种估计,通过一定的算法将这些分类结果进行合成,可以使各分类法取长补短,围岩信息得到充分利用。基于上述思路,并考虑到分类标准和被分类隧道围岩物理力学指标均为区间数的实际情况,提出了一种基于区间数的公路隧道围岩组合分类法。为充分利用区间数携带的信息,定义了一种新的区间数距离计算方法,选择能够兼顾各单一分类法之间功能性和协调性要求的加乘混合函数作为围岩分类函数,计算被分类围岩与分类标准各级别之间的分类函数值,最小值对应的类别即为被分类围岩的类别。针对某工程隧道2个典型段围岩的分类问题,在隧道围岩常用的岩芯质量指标ROD法、《公路隧道设计规范》(JTGD70-2004)BQ值法和弹性波速vp法进行分类的基础上,采用本文方法进行组合分类,结果表明:本文方法物理意义明确,计算过程简捷,分类指标稳定,分类结果与单一分类法相比能够更好地反映实际围岩状况,可供公路隧道勘察、设计、施工时参考。     

有限数据条件下土性参数波动范围计算方法的有效性分析

准确计算波动范围是描述土性参数空间变异性的关键。然而,天然土层参数真实的波动范围是未知的,且实际岩土工程勘察资料十分有限,采用不同方法确定的波动范围会存在显著差异。本文通过真实相关函数为指数型的静力触探试验(CPT)模拟数据分析对比了计算波动范围的平均零跨法、相关函数法、拟合理论方差折减函数法、拟合简化方差折减函数法及贝叶斯方法的有效性。研究结果表明:不同波动范围计算方法准确性存在一定差异。贝叶斯方法确定的波动范围最接近于真实值,其次是相关函数法与拟合理论方差折减函数法,平均零跨法和拟合简化方差折减函数法计算结果偏差较大,平均零跨法使用时应当注意其相关函数假定条件。CPT样本数据量影响波动范围计算方法的适用性。当锥尖阻力真实波动范围较小,且CPT样本数据量非常有限时,贝叶斯方法和平均零跨法可以估计波动范围值,但相关函数法、拟合理论方差折减函数法和拟合简化方差折减函数法无法计算波动范围。当CPT样本数据量较多时(如样本长度大于等于20),均可采用贝叶斯方法、相关函数法与拟合理论方差折减函数法计算波动范围值。在CPT数据量相同的条件下,贝叶斯方法因充分融合了多源信息(包括有限观测数据和先验信息),计算结果的不确定性最小、准确性最高。这些方法中贝叶斯方法的适用性最强,既适用于数据量较多的情况,也适用于数据量较少的情况。     

基于TBM掘进性能的岩体分级及可掘性等级感知识别方法

传统的围岩分级方法难以适用于TBM掘进性能评价和预测,因此,建立一套适用于TBM施工的岩体可掘性分级系统并实现可掘性等级的准确感知识别。基于4条TBM隧道的152组岩体和机器数据建立的数据库,分析岩体参数与TBM可掘性评价指标的相关性,采用多目标决策方法 TOPSIS实现TBM隧道岩体可掘性分级。由于实际TBM掘进中岩体参数较难获取,利用单刀推力(Th)、净掘进速度(PR)、刀盘转速(RPM)以及贯入度(PRev)等TBM掘进参数对所提出的岩体可掘进性等级进行了感知识别。感知识别中,采用贝叶斯优化确定多种机器学习分类算法的最优超参数组合,实现最大感知识别准确率,比较不同算法对于岩体可掘性等级感知识别的适用性,并确定最优的感知识别方法。最后,基于吉林引松工程的实时TBM掘进数据,验证岩体可掘性分级及可掘性等级感知识别方法的有效性和准确性。研究成果可用于TBM平稳运行段岩体可掘性评估预测,为掘进参数优化和建立TBM智能化控制系统提供参考。     

基于Copula理论的岩体抗剪强度参数估值

以锦屏I级水电站坝址微新大理岩岩体原位大剪试验结果为例,分析岩体质量指标与抗剪强度参数间的相关性。利用Copula理论可将边缘分布和相关结构分开研究的优点,建立小样本条件下各变量的边缘分布函数,并在分析岩体质量指标Q与抗剪强度参数f,c间相关结构特点的基础上构造拟合Q-f,Q-c间关系的最优Copula函数。对于相同岩性的同类岩体,在已知Q条件下求条件概率便可得到抗剪强度参数估值的保证率,或可计算一定保证率下的抗剪参数估值。最后运用该函数分析常用的优定斜率法、最小二乘法的保证率,并与Hoek-Brown准则估值进行比较。研究结果表明,岩体质量指标与抗剪断内摩擦因素f呈较高的正相关关系,与抗剪断黏结力c则呈较高的负相关关系,而具有对称结构的Nelsen NO 1和Nelsen NO 2则分别是拟合Q-f、Q-c间关系的最优Copula函数。常用的最优斜率法与最小二乘法由于忽略岩体质量指标与抗剪强度参数的相关性,因此造成较大的偏差,而具有保证率为0.8的抗剪强度估值与Hoek-Brown经验准则相比更接近实际值。该方法注重充分地利用现场有限的数据信息,可以得到具有一定保证率的抗剪强度参数估值,为岩体抗剪强度参数估值提供一种新的途径。     

用遗传算法搜索验算点的复杂响应面函数可靠度分析方法

响应面方法是地下复杂结构稳定可靠性分析的有效方法之一。目前常用的响应面函数不能模拟复杂结构极限状态方程曲面的多峰性。采用包含随机变量交叉项的二次函数从曲面状态上可克服这一缺陷。因此，提出采用1带交叉项函数的响应面函数代替不带交叉项的响应面函数，同时对相应的试验设计程序进行改进以确定包含交叉项函数的具体解析表达式。由于该解析式的空间超曲面具有多峰性质，在试验程序中，引入遗传算法以搜索到全局的最优解，确定结构的可靠度指标和验算点。实例计算证明：该方法比采用不舍交叉项函数的响应面方法精度要高。     

基于自然码遗传算法的边坡稳定性聚类分析

应用遗传算法解决边坡稳定性评价的聚类分析问题.针对问题特点,提出了基于自然数的编码方案并设计了相应的选择、交叉和变异算子.计算结果表明,该方法能以较大概率找到全局最优解并能有效克服常规聚类方法中对初始聚类中心敏感以及聚类结果与样本输入次序有关等缺点.     

一种交叉验证和距离加权方法改进的KNN算法研究

传统的KNN算法在大样本的情况下对试验样本有较强的一致性结果.但该算法每一次都是在样本全局的基础上进行归类计算,这在很大程度上消耗了空间,增大了算法空间复杂度;且算法在样本分类不平衡时,预测偏差相对偏高.针对这些问题,提出了基于交叉验证和距离加权的改进KNN算法(Weighted cross-validation KNN,简称WCKNN),经过实验验证,本算法有效减小了算法的空间复杂度;同时,也获得了更好的分类性能.     

基于RBF神经网络的边坡稳定可靠度分析

RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF神经网络理论,采用蒙特卡罗模拟法来进行结构的可靠度分析,研究了样本点的生成方法及样本数对可靠度分析结果的影响,并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠度分析。计算表明:基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度;样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比,均匀设计法生成的样本点分布更均匀,由此样本点集训练生成的神经网络能更好的代替原功能函数,在相同的样本数时具有更高的计算精度;当计算精度相同时,均匀设计法比随机取样法需要生成的样本点少,计算效率高。     

布谷鸟搜索算法优化的多核极限学习机遥感影像分类

针对高分遥感影像分类结果存在的错分问题,本文提出布谷鸟搜索算法优化的多核极限学习机遥感影像分类方法。该方法利用具有学习能力较强的局部高斯核函数与泛化能力较强的全局多项式核函数组合成多核极限学习机分类模型,充分利用不同核函数的优点,通过布谷鸟搜索算法对多核参数进行优化,避免了参数计算错误导致的分类结果较差问题;然后,通过实验与单极限学习机、多核极限学习机进行对比验证。结果表明,布谷鸟搜索算法优化的多核极限学习机分类精度最高、模型训练速度快,可保证影像分类精度与速度的平衡。     

基于交叉熵的NC-OFDM系统最优导频序列设计算法

针对NC-OFDM(non-contiguous orthogonal frequency)系统子载波非连续且动态变化导致传统等间隔分布的导频序列设计算法计算复杂度高、频谱利用率低和处理时延大等问题,提出了基于交叉熵的最优导频序列位置优化设计算法。算法以最小化系统均方误差为准则,采用交叉熵算法在所有可用子载波中求解目标函数的最优解,有效解决了传统穷举搜索算法计算复杂度高的问题。与传统算法相比,所提算法保证了信道估计精度,降低了系统均方误差和误码率,从整体上提高了系统性能。