排序方式: 共有15条查询结果,搜索用时 15 毫秒
11.
连续排水边界可以修正边界透水与不透水这两种极端理想化的边界问题.在Terzaghi一维固结理论的基础上,结合连续排水边界给出了连续排水边界下不排水对称面一维固结的解析解答.基于ABAQUS有限元软件开发了一维连续排水边界条件的子程序,对不排水对称面位置变化的影响因素包括边界透水性能,排水时间和渗透系数进行研究,得到了不排水对称面的变化规律.最后将该数值分析方法引入饱和软黏土中不同深度设置排水砂层进行比较,结果表明在不排水对称面位置处设置排水砂层时土体的固结速度是最快的.连续排水边界的引入有利于确定不排水对称面的位置,所得的结论和文中的有限元分析过程对促进固结理论的发展具有重要的实际价值和意义. 相似文献
13.
为了解决非线性蠕变模型的参数取值问题,需要把握参数变化规律,提出了FLAC3D的Cvisc模型中关于强度参数随蠕变时间变化的FISH语言编写形式,探讨了黏聚力与内摩擦角不同的变化情形对加速蠕变变形的影响规律,得出了湛江黏土在高偏应力条件下的蠕变变形过程中,强度参数以黏聚力减小或先有所增大后减小为主的初步结论. 相似文献
14.
15.
压缩变形是引起沉降的重要影响因素,其值过大会造成重大地质灾害,压缩模量是其重要指标,预测压缩模量对于预防地质灾害具有重要意义。基于广义回归神经网络的基本原理,以常规土物性指标作为输入向量,以压缩模量(ES1-2)为输出向量,网络输出结果的最大相对误差和最小相对误差分别为10.73%和0%、均方误差为0.683 1、与真实值吻合度很高,故模型可运用到压缩模量的预测。比较不同光滑因子值下的均方误差,0.9时的均方误差较其他取值小,故在参数设置过程中应该正确选取光滑因子的值。为证明基于广义回归神经网络的预测模型的性能,以均方误差为评价标准与其他算法比较,广义回归神经网络预测模型的均方误差小于其他算法,说明基于广义回归神经网络预测模型性能优于其他算法所构建的预测模型。 相似文献