反倾层状岩质边坡倾倒变形时空演化特征研究

为研究反倾层状岩质边坡倾倒变形时空演化特征,以硝洞槽岸坡为研究实例,首先在工程地质资料调查分析基础上对岸坡进行倾倒变形空间分区分析,然后基于地表位移监测资料分析岸坡不同区域倾倒变形随时域变化特征,最后对地表离散位移监测点采用距离反权重插值法得出岸坡倾倒变形位移演化云图,综合分析岸坡倾倒变形时空演化特征。研究结果表明:(1)岸坡前部以水平变形为主,后部以垂直变形为主,岸坡整体变形受控于前部水平变形;(2)岸坡中部条带区域变形控制着岸坡整体变形演化过程,岸坡整体变形滞后于岸坡中部变形,中部条带状变形区位移的增加会诱发后期岸坡整体位移的增加,推断该带状区为倾倒变形锁骨段。     

基于LMS算法的自适应滤波边坡位移预测

准确预测边坡位移可以有效判断边坡的安全状态和稳定性。针对边坡位移随时间的自适应变化特征,采用自适应滤波理论建立边坡预测模型,并利用最小均方(LMS)算法进行求解,同时给出了确定初始参数和模型检验的方法。在此基础上,将该模型应用于实际工程的边坡位移预测,研究结果显示,该模型的预测值与实测值吻合程度很高,具有良好的逼近能力和外推能力,以及较高的预测精度和可靠性。     

裂隙隙宽随剪切位移发展的演化规律研究

对单裂隙水流传输特性的研究是裂隙网络相关研究的基础,其水力传导系数取决于裂隙面粗糙度、接触率及隙宽开度分布情况。模拟了裂隙隙宽随剪切位移变化的空间分布规律,通过计算机程序生成不同粗糙度的裂隙面,并探讨了裂隙开度、接触率与剪切位移、裂隙面分形维数的关系,得出结论:法向应力不变情况下,裂隙的隙宽均值和接触率随着剪切位移的增大而增大;相同剪切位移下,分形维D值越大,隙宽均值与接触率也越大;且接触部分均由剪切初期的分散状态逐渐发展到片状分布状态。更多还原     

高寒区混凝土坝温度场和应力场时空演化规律研究

文章通过分析我国已建高寒区混凝土坝温度和应力应变实测数据,对比分析了应力反演计算结果与实测结果,总结出了高寒区混凝土坝温度场和应力场时空演化规律,为加强温控施工关键环节的执行力度,防止高寒区混凝土坝裂缝发生具有一定的借鉴意义.     

基于蚁群算法优化极限学习机模型的滑坡位移预测

采用高精度的优化算法对于提高滑坡位移预测模型的准确性具有重要意义,然而已有文献中很少对多种优化算法进行对比研究。以三峡库区的八字门滑坡为例,以极限学习机（ELM）理论为基础进行滑坡位移预测,同时运用多种算法对建立模型过程中的参数选择进行优化以期提高预测效果。为提高预测精度,以移动平均法为基础,将滑坡位移分解为趋势项和周期项,趋势项位移使用多项式函数进行预测,周期项位移使用MATLAB自编程序的极限学习机模型进行预测,两项预测值相加即可得到最终的累计位移预测值。计算结果表明：单一的ELM模型能够较为准确地预测具有阶跃式曲线的滑坡累计位移,预测结果的平均误差为23.5 mm,拟合优度为0.973。与粒子群算法和遗传算法相比,蚁群算法（ACO）在计算用时和优化效果上更优,蚁群算法优化极限学习机模型对位移的预测精度也最高,平均误差为10.1 mm,拟合优度为0.998,可在类似滑坡的位移预测研究中进行推广。     

基于有效降雨量的滑坡位移-降雨相关性研究

为揭示滑坡裂缝位移与降雨量之间的相关关系,探究衰减系数取值与滑坡位移的相关性,以典型降雨诱发滑坡小岩头滑坡为研究对象,采用Pearson方法对滑坡裂缝位移与日降雨量、前期降雨量和有效降雨量进行相关性分析,再基于线性拟合的Logistic回归模型,针对小岩头滑坡“阶跃”时间段的数据集进行拟合,建立不同衰减系数下滑坡位移-相关系数的逻辑回归方程。结果表明：(1)滑坡降雨有效作用期t最长为7 d,当有效降雨量达到116.9 mm时,其“阶跃”现象出现。(2)滑坡各阶段位移-降雨的相关系数r都随降雨衰减系数α_i取值的增大而增大。当滑坡衰减系数取0.7时,位移随衰减系数增减而产生的变化最明显。(3)当相关系数在“斜率最大拐点”处的产生突变时,可根据衰减系数和相关系数的变化判定滑坡是否进入加速变形破坏阶段,可使雨量监测预警模型的精确度提高。     

基于蚁群算法优化支持向量机的边坡位移预测

由于复杂工程地质条件和环境因素的综合影响,边坡变形呈现复杂非线性演变特征。借助支持向量机(SVM)可有效解决小样本、高维数、非线性等问题的优点,对边坡实测位移进行数据挖掘,预测边坡变形趋势。为了避免人为选择支持向量机模型参数的盲目性,提高模型预测精度和泛化能力,引入改进的蚁群算法(ACO)对模型参数进行寻优,结合位移时序滚动预测方法,建立了适合边坡变形预测的ACO-SVM模型。将该模型应用于2个边坡的位移预测,研究结果表明,ACO-SVM预测精度高,模型建立正确。与遗传算法、粒子群算法优化SVM的预测结果相比,ACO-SVM模型预测精度更高,具有更强的泛化能力,预测结果更加合理,在边坡变形预测中具有一定的工程应用价值。     

基于FBG改装后边坡测斜仪的位移监测原理研究

基于光纤光栅传感技术(FBG)对传统边坡测斜仪进行改装,对测斜管进行力学分析,结合力学微积分理论及横向量法,对测斜管的变形进行了理论推导,并对基于FBG改装后边坡测斜仪的二维和三维位移监测方法进行理论推导。通过分位移计算、横截面空间向量法和传感器空间测点位置布置,得到了测斜管二维总位移公式和测斜管三维各项位移公式,为光纤传感技术在边坡监测中的使用提供理论依据。     

碾压混凝土坝位移时空监控模型研究

基于单测点的碾压混凝土坝位移监控模型不能很好地监控碾压混凝土坝的安全运行、预测和评价碾压混凝土坝的工作性态,为此分析了与碾压混凝土坝位移相关的水位、温度和时效等时空影响因素的表达式,结合碾压混凝土坝位移观测资料,建立了碾压混凝土坝位移时空监控模型。工程实例表明：该时空监控模型具有很好的拟合效果,可以用来实时监控碾压混凝土坝的运行状态。     

基于多演化阶段插值方法的滑坡预测研究

使用位移-时间曲线分析及预测滑坡形变趋势时,监测误差和数据录入会影响精度,而恰当的插值方法能提高滑坡位移预测值的准确性。从传统全局分段插值法和滑坡预测经典模型的研究背景出发,充分考虑典型滑坡不同演化阶段对插值效果的影响,将实际位移曲线按实际演化阶段划分为插值算法参数各异的敏感区间,利用多级别阶数的拉格朗日插值法完善滑坡多演化阶段的位移数值填充过程,然后对白家包滑坡的累积位移-时间曲线进行基于实际运动学变化情况的插值,最后通过指数平滑短期预测方法对比验证了该算法对于阶跃型滑坡的预测精度。结果表明,分段插值的方法误差更低,形成的位移预测值更精确,相较于传统方法更具有优势。     

基于ACO-BP神经网络的土石坝位移监测模型研究

建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜寻BP神经网络参数最优解,并通过样本数据训练BP网络获得大坝变形位移预测值。工程实例应用表明:ACO-BP网络模型在参数优化方面较BP网络更易于收敛,误差较小、预测性能良好,可为大坝变形位移监测和安全预报提供一种新的非线性建模仿真分析方法。     

基于相关系数的滑坡位移新陈代谢组合预测研究

针对目前常规组合预测模型在滑坡位移预测预报中精度下降过快的问题,从基于相关系数的组合预测模型出发,应用新陈代谢理论提出了一种基于相关系数的滑坡位移新陈代谢组合预测模型,定义、推导了相应的计算公式,并引入预测评价指标体系对该模型的预测效果进行评价.同时,以黄茨滑坡和新滩滑坡位移为实例进行了验证,结果表明:基于相关系数的滑...     

乌梁素海湿地类型信息提取及其时空演化研究

采用计算机自动分类和人工目视判读相结合的方法,进行了乌梁素海湿地类型信息提取及其时空演化规律研究。结果表明:大型水生植物1997—2007年平均面积约占湿地总面积的69%以上,是湖泊湿地类型区演化的主导类型,不同类型区面积和空间形态的演化相互制约,演化方向具有一定相关性;在空间上,一种湿地类型的消亡会演生出另一种新的类型,湿地类型的改变与湖泊湿地的气候、水文条件和人为影响因素有关。     

基于多种监测手段的黄土坡滑坡变形演化规律

依托巴东黄土坡滑坡地表及深部位移监测点,收集相关的监测数据,分析黄土坡滑坡变形破坏特征。结果表明,黄土坡滑坡地表位移量从后缘向前缘逐渐增大;深部位移监测表明,黄土坡滑坡深部变形大部分发生在主滑带附近,少量次级滑带也发生了错动变形,主滑带附近的位移速率一般大于次滑带附近的位移速率,地表与深部位移均有分区性,前缘地带深部位移最大,中部次之,侧缘较小;地表监测与深部位移监测对比分析表明,黄土坡滑坡地表位移是由深部位移引起,有整体变形迹象。同时,结合三峡库区水位升降和降雨的变化情况,研究黄土坡滑坡变形破坏与库水位升降和降雨间的关系。黄土坡滑坡稳定性与库区水位升降和降雨有一定相关性,在评价其稳定性时应当考虑库水位升降和降雨的作用。     

基于RS和GIS的黄河口海岸线演化研究

利用黄河口地区遥感影像作为基本数据源,采用GIS技术对SPOT高精度数据与信息量丰富的ETM数据进行联合处理,提取海岸线并叠加分析,对比统计1986—2006年海岸线演化的时空动态特征。结果表明:黄河口地区海岸线演化的总体趋势为不断向海域淤积扩张;黄河从北汊入海时,北汊造陆速度加快,南侧遭受侵蚀。黄河口海岸线演化主要影响因素有黄河来水来沙量、岸坡岩土体工程地质特性、海洋动力、海平面上升、地面沉降等。     

基于时间序列模型的边坡位移预测研究

边坡在失稳破坏之前会有较大的变形,边坡位移是判断和预测坡体稳定性的重要指标之一,为了对边坡位移进行预测,实现地质灾害预警,文章基于江苏省内某边坡实时监测位移数据,建立差分自回归移动平均模型,对边坡的位移进行预测。结果表明,利用文章提出的模型进行该边坡位移分析与实测数据非常接近,并进一步预测了边坡未来的发展趋势,总体来看该方法是有效的。     

基于虚拟中心点的水平位移监测算法研究与应用

对于深基坑支护结构的水平位移,一般利用极坐标法、小角法或视准线法等进行观测,但作业效率不高,而在基坑自动化监测中,通常采用固定架站式全站仪观测,如何快速准确地将监测点坐标值转换为水平位移值则是关键问题。对此,提出了一种新的基坑自动化水平位移监测算法,在考虑基坑外边线轮廓的基础上引入了基坑虚拟中心点辅助计算,能快速准确地将观测值归算到基坑对应边线的垂直方向上,得到基坑各条边线上准确的水平位移量,提高了计算的效率和准确性。将该算法应用于深基坑水平位移监测实际案例,并利用人工监测中常用且精度很高的视准线法及极坐标法验证其监测精度。结果表明,提出的水平位移计算方法与视准线法的观测结果偏差率不超过15%,能准确反映水平位移监测点的实际变形情况,同时提高了内业工作效率。     

基于时空聚类挖掘的库岸边坡位移监测数据约简

库岸边坡失稳会对工程自身效益和周边安全造成巨大损失,而位移监测数据可以直接表征库岸边坡安全状况。传统变形位移分析一般仅考虑单个监测点,不同监测点之间位移的相似性和关联性有待挖掘。基于时空数据挖掘领域的聚类方法,综合考虑测点属性和空间特征,采用K-means算法度量测点间的相似程度,实现变形区域划分;在变形区域划分基础上,采用遗传算法优化的投影聚类算法,将高维数据向低维空间映射,通过提取测点数据特征,筛选得到重点关注的测点和压缩数据量。经实例工程数据验证,时空聚类挖掘方法便捷、有效,逐步实现了边坡位移监测数据约简,可用于类似库岸边坡的监测数据挖掘。     

基于外因响应的滑坡位移预测模型研究

根据滑坡位移序列的单调性和非线性,将滑坡位移分为趋势项和偏离量,建立曲线回归-BP神经网络模型对滑坡位移进行动态预测。以三峡库区树坪滑坡为例,首先通过曲线回归提取滑坡位移趋势项;然后在选取滑坡位移动态变化影响因子的基础上,建立BP神经网络模型逼近位移偏离量;最后将趋势项和偏离量预测值叠加,得到滑坡位移预测值。结果表明,该模型可更好地反映影响因子动态变化对滑坡位移发展的关键作用,预测的平均相对误差为3.3%,有效地提高了预测结果的精度。     

基于改进粒子群算法的坝体位移监控模型

在基本粒子群算法的基础上,提出了一种基于以e为底的指数函数的惯性权重策略的改进粒子群算法。将粒子群算法引入大坝安全监控领域,并结合坝体位移的多元回归统计模型,建立基于改进粒子群算法的大坝安全监控模型,并应用于新安江大坝的安全监测。实际应用表明,改进粒子群算法与最小二乘法、基本粒子群算法相比,预报结果精度较高且收敛速度较快。