粗粒土孔隙比及级配参数与渗透系数概率的相关性研究

孔隙比和颗粒级配是粗粒土渗流力学特性的重要影响因素。利用Copula理论适合建立多个非独立变量间联合分布函数的优点,以渗透试验成果为数据基础,构造了反映粗粒土渗透系数k、孔隙比e、级配不均匀系数Cu和曲率系数Cc间相关关系的四维最优Archimedean Copula函数(即Nelsen No 13,四维单参数对称Archimedean Copula函数)。利用构造的最优四维Copula函数求条件概率,便可得到粗粒土渗透系数估值的保证率,或者计算在一定保证率条件下的渗透系数。通过比较渗透系数试验值与Copula函数法、Terzaghi法及Hazen法计算值,阐述了Copula理论用于粗粒土渗透参数估值的可靠性。     

基于孔隙尺寸的粗粒土渗透系数计算方法研究

基于颗粒极限堆积状态下的平面孔隙直径和土体粒径组成,采用颗粒随机抽样组合获得了土体各孔隙直径百分含量,并进一步得到了土体最密实和最疏松状态下孔隙直径累计分布曲线CSD-D、CSD-L。通过土体实际相对密度的线性内插方式获得了土中孔隙直径累计分布曲线CSD-R,并得到相应平均孔隙直径Dmc,根据粗粒土渗透试验结果建立了渗透系数K与Dmc关系的经验公式。研究表明:CSD-R曲线同时考虑了颗粒级配和密实度对土中孔隙尺寸分布的影响,所确定的经验公式近似满足多孔介质渗流理论中渗透系数与渗流孔隙呈二次正相关性的规律。对比相关试验结果认为,该方法具有较高准确性,适用于不均匀系数Cu7且有效粒径d109.6 mm的粗粒土渗透系数估算。     

粗粒土渗透系数影响因素试验研究

粗粒土的渗透系数大小与土体类型、物质成分、颗粒级配、颗粒形状、密实度等因素相关.通过室内试验研究了土体颗粒形状、颗粒级配和试样密实度对粗粒土渗透系数的影响.采用正交法设计了9组常水头渗透试验,通过对试验结果进行极差及方差分析,确定了渗透系数随3种影响因素的变化情况.试验结果表明,渗透系数随颗粒级配特征值d20和曲率系数的增大而增大,随干密度的增大而减小,随颗粒球形度的增大而减小.     

无粘性粗粒土渗透系数的近似计算

无粘性粗粒土的渗透规律很复杂,只有在细粒含量较多,水力坡降较小时才能满足达西定律。栈析了影响无粘性粗粒土渗透系数的若干因素,并对现有的计算无粘性粗粒土渗透系数的经验公式进行了分析补充。     

粗粒土的颗粒级配对渗透系数的影响规律研究

通过对不同级配粗粒土的渗透试验研究和相关性分析，指出粗粒士的渗透系数与反映其颗粒级配特征的不均匀系数和曲率系数存在较大的相关性，并以太沙基公式为例，将原有公式修正为与级配参数相关的函数表达式，从而体现出粗粒土渗透系数与级配特征的关系，为粗粒土的工程特性进行了有益的进一步探索性研究。     

考虑颗粒形状的粗粒土渗透特性试验研究

粗粒土的渗透特性与物质成分、颗粒级配、颗粒形状、密实度等因素相关。通过室内垂直渗透试验,探讨了土体颗粒形状、颗粒级配和试样密实度对粗粒土渗透系数的影响。九组正交试验结果的极差及方差分析表明,级配对渗透性的影响最大;两组颗粒形状对比分析试验结果表明,试样渗透系数随着颗粒球形度增大而增大。通过对试验结果反映的渗透特性进行分析,总结了以渗透系数作为变量的临界水力梯度估算公式。     

无粘性粗粒土的渗透试验研究

无粘性粗粒土颗粒组成具有较大分散性特点,其渗透系数受颗粒组成影响较大.为了探寻无粘性粗粒土级配对渗透系数的影响,通过室内试验方法进行不同级配的无粘性粗粒土渗透试验研究,试验结果表明,无粘性粗粒土渗透系数与其颗粒级配具有相关性.以太沙基公式为例,将原有公式修正为与级配参数相关的函数表达式,从而体现出无粘性粗粒土渗透系数与级配的关系,为无粘性粗粒土的工程特性进行了有益的探索.     

无粘性粗颗粒土的渗透性研究

影响无粘性粗颗粒土渗透性的因素有很多,其中孔隙比是其中的主要因素。为了研究影响无粘性粗颗粒土渗透系数的因素,利用某土石坝的3种材料,进行了在6种不同级配情况下的12组大型常水头渗透试验,探讨了颗粒大小、不均匀系数Cu和曲率系数Cc、孔隙比与粗颗粒土渗透性的关系,建立了3种材料渗透系数和孔隙比之间的线性关系。     

黄河公伯峡水电站工程粗粒土的施工特性

分析了公伯峡水电站粗粒土施工中的集料级配、含水率、碾压机构、铺土厚度、碾压遍数等因素对压实的影响，提出对集料进行掺配、加水以及调节碾压机械振幅、振动频率等碾压施工技术措施。     

无黏性粗粒土在水利工程中渗透系数试验方法研究

渗透系数是水利工程渗流分析中最基本的、也是非常重要的计算参数,能否通过试验准确地获取是至关重要的.通过分析无黏性粗粒土渗透系数获取的试验原理、方法、试验中应注意的问题以及试验得到的渗透系数与实际土体渗透系数之间的关系,并以实际工程为例,验证了对渗透系数试验方法论述的合理性,以期为水利工程中渗透系数的获取提供经验参考和技...     

压缩过程中粗粒土渗透性变化的试验分析

为了研究影响粗粒土渗透系数大小的因素,采用实际工程用砂,通过不同条件下室内渗透试验,分别研究了粗粒土的粒径大小、干容重及相对密实度对渗透系数的影响。结果表明:对于同一粒度成分的粗粒土而言,其渗透系数随干容重的增加而减小,随相对密实度的增加而减小;在粗砂粒范围内,渗透系数随均值粒径的增大而快速增大;在细砾土粒径范围时,渗透系数随均值粒径增大的现象不显著。研究结果表明压缩作用使砂粒土渗透系数的减小较为显著,而对细砾土渗透系数的影响不明显。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。     

应用GA-BP神经网络预估砾类土的最大干密度

建立砾类土最大干密度预估模型,为控制砾类土工程填筑压实质量、选取满足工程压实性能要求的砾类土提供最大干密度预估参考。颗粒级配是决定砾类土最大干密度的关键因素,收集并整理得到92组砾类土数据,以全级配(d₁₀～d₁₀₀)作为BP(GA-BP)神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的砾类土最大干密度预估模型,并与BP神经网络进行对比。86组训练样本预估结果的平均相对误差为0.54%,决定系数为0.983;6组检测样本预估结果的平均相对误差为0.57%,证明该网络模型泛化性能良好。采用GA-BP神经网络,由全级配能较好地预估砾类土最大干密度,收敛速度、预估精度及泛化性能均优于标准的BP神经网络模型。     

基于BP神经网络的重塑黄土冻融过程渗透特性研究

冻融循环导致黄土渗透特性的变化规律十分复杂,传统单一因素评价方法难以确定冻融过程黄土渗透系数与多因素之间的量化统计关系。基于此,首先对西安Q3重塑黄土进行冻融过程三轴渗透试验,得到不同干密度、含水率、围压及冻融次数下的渗透系数;然后采用BP神经网络算法对试验数据进行学习训练,建立各因素与渗透系数间的预测模型。研究结果表明:重塑黄土渗透系数变化规律,随围压增大,其值逐渐减小,且减小幅度先快后慢;随干密度和初始含水率增大,其值先增大后减小;随冻融次数增加,其值逐渐增大,且上升幅度先急后缓。冻融过程黄土渗透系数神经网络模型预测值和试验值之间相对误差较小,表明该方法具有较好的预测精度,能够综合描述诸因素与渗透系数的量化关系。     

基于BP神经网络和遗传算法的丰满水库洪水预报模型研究

根据丰满水库的流域特性,尝试使用BP神经网络模型进行洪水预报。针对随机生成网络权重的盲目性,采用遗传算法进行初始权重优化。通过历史洪水检验,证实此模型在丰满水库的洪水预报中有很高的预报精度和应用价值。     

遗传算法改进神经网络模型在太子河流域径流预报中的应用

本文对用遗传算法(GA)改进的神经网络的算法进行了分析,建立了用GA寻求权重的前馈网络模型(简称模型I)和用GA优化初始权重的前馈网络模型(简称模型Ⅱ)。对太子河流域的5个计算单元前35年年径流量进行了模拟和用后10年资料对模型进行了检验,并与传统的BP神经网络模型进行了比较。结果表明:模型I对历史样本拟合较差,但其预报效果优于模型II和传统的网络模型。模型II和未改进的网络模型效果相似,精度有所提高。     

小波神经网络模型在河道流量水位预测中的应用

鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极值等缺点,提出小波神经网络河道流量水位预测模型,以盘龙河天保站流量水位预测为例进行分析。采用循环算法确定最佳BP神经网络结构,并在相同网络结构及期望误差等条件下,运用GA优化BP神经网络初始权值和阈值,构建传统BP、GA-BP神经网络河道流量水位预测模型作为对比预测模型。结果表明:小波神经网络结合了神经网络与小波分解在函数逼近上的优点,其预测精度高于传统BP和GA-BP网络模型,表明小波神经网络用于河道流量水位预测是合理可行和有效的,可为水文预测预报提供新的途径和方法。且小波神经网络模型具有计算简便、逼近能力强、收敛速度快,能有效避免局部极值等特点,有着广阔的应用前景。