岩溶地面塌陷危险性模糊评价方法

岩溶地面塌陷危险性评价是一个复杂而亟待解决的问题,本文针对岩溶地面塌陷危险性评价的特点,在综合考虑影响岩溶地面稳定性的多种因素的基础上,引入系统层分析方法和多级模糊评价方法,并以正态函数为隶属函数,以实数的加乘运算作为合成运算规则,建立了岩溶地面塌陷危险性评价的二级模糊评价模型,并将评价结果分为:稳定、较稳定、较不稳定和不稳定4级。应用于广州市某建设场地地质灾害评估工程,结果表明该方法具有良好的可靠性。     

桂林市岩溶塌陷及防治

根据收集的大量钻探资料统计, 分析了桂林市岩溶地面塌陷的成因机制、分布规律及防治措施, 对桂林市的市政工程建设具有一定的参考价值。     

大瑶山隧道岩溶涌水系统分析

本文以系统论和控制论为指导分析了大瑶山燧道岩溶涌水系统。通过利用地质结构特征、水化学场和同位素场的综合信息分析,详细阐述了岩溶涌水的补给来源和范围以及水动力的补排关系。建立了较逼真的岩溶涌水水文地质模型和数学模型,并对涌水过程进行了数值模拟分析。最后分析了涌水所造成的地面塌陷机理并给出其整治方案。     

岩溶塌陷的类型、成因机制及防治途径──兼论武汉市岩溶塌陷勘查工作要点

按岩溶塌陷的类型, 对其成因机制作了分析。在此基础上, 提出了武汉市岩溶塌陷勘查与防治工作要点。     

岩溶塌陷临界土洞高度的确定——以唐山市体育场岩溶塌陷为例

土洞的产生和发展是岩溶塌陷的基础和前提,临界土洞是土洞发展的最终阶段,以临界土洞为界,岩溶塌陷在时间和空间上划分为内部塌陷阶段和地表塌陷阶段。内部塌陷阶段是土洞在覆盖层土体内部的发育扩展阶段,土洞顶板土体的破坏形式类似于地下洞室洞顶围岩的破坏。根据地下洞室普氏平衡拱理论,建立覆盖层土体的天然平衡拱高度,即临界土洞高度公式,并以唐山市体育场岩溶塌陷为例,对该公式进行验证评价,计算所得塌陷的临界土洞高度与实际情况相符合,误差仅为4.3%。     

基于GIS广州市主城区地面塌陷危险性评价

地面塌陷是珠江三角洲城市地质灾害的主要类型之一。广州市主城区地面塌陷频繁发生且损失严重。采用信息量数学模型与GIS技术结合对其地面塌陷灾害进行危险性评价。选取了断裂构造、地壳稳定性、第四系覆盖层厚度、基岩岩性、地下水动力条件、地表人类活动强度和地下活动强度等7个指标中的21个变量构建了危险性评价指标体系,应用ArcGIS软件参与了数据的采集、管理、分析和评价结果表达等过程,将广州市地面塌陷灾害危险性分为极不稳定级、不稳定级、次不稳定级、基本稳定级和稳定级5个等级,极不稳定级主要分布在主城区西北角,次不稳定级分布面积最广。研究结果表明:复杂的地质环境和剧烈的人类活动相耦合,加剧了地面塌陷的发生。     

基于单元生死技术的岩溶区域PE管道应力分析

采用ABAQUS有限元软件,基于单元生死技术构建了穿越岩溶区域的埋地PE管道管-土非线性耦合模型,研究了各个敏感因素对管道应力响应的影响规律,结合多元非线性回归理论得出了管道应力响应影响因素的敏感度排序。研究结果表明:(1)单元生死技术能够较为准确地模拟岩溶塌陷的发育特征。(2)随着岩溶土体塌陷长度及宽度的增加,管道应力峰值不断增大,但两者对管道应力响应的影响是有限的;随着岩溶覆盖层厚度增加,管道应力峰值不断减小,厚度增加到4m后管道危险截面由受拉区域转变至受压区域;增大壁厚可以延缓管道进入塑性区的时间,提高管道抵抗岩溶塌陷破坏的能力;在穿越岩溶区域时应选择合适的埋深以保证管道安全,最佳埋深为1m～1.5m。(3)岩溶塌陷作用下管道应力响应影响因素敏感度排序为:岩溶土体塌陷宽度岩溶土体塌陷长度岩溶覆盖层厚度管道壁厚管道埋深。     

华北型煤田岩溶陷落柱某些问题研究

华北型煤田中发育的岩溶陷落柱是一种特殊类型的岩溶塌陷。本文在专题调查的基础上 ,总结了华北型煤田陷落柱的空间分布规律 ,初步提出了陷落柱宏观预测指标体系 ;从生产实践角度分析了影响陷落柱导水性的相关因素 ,讨论了三种与陷落柱有关的突水通道类型 ,并对陷落柱的鉴别及其与断层突水的区别进行了剖析。     

三峡库区泥灰质岩石溶蚀作用的微观研究

泥灰质岩石的岩溶,特别是溶蚀作用研究是岩溶研究的一个薄弱环节,同时又是揭示泥灰质风化岩及残坡积类膨胀 土工程特性和成因的关键。通过对三峡库区三叠系巴东组(T2b)不同溶蚀程度泥灰质岩石样品的扫描电镜图象分析,发现泥 灰质岩石的溶蚀作用导致岩石微观结构变化,这种变化可因溶孔形成使岩石力学强度降低,或大量溶孔或残积土变形引起地 面不均匀沉降、地裂缝、滑坡、崩塌和岩溶塌陷等地质灾害的发生。     

铁路深埋隧道区岩溶发育特征研究

对圆梁山隧道毛坝向斜段揭露溶洞进行分析的基础上 ,结合向斜区岩溶分布的勘察 ,对毛坝段深层岩溶发育特征及影响因素进行了研究。认为岩溶水在水力坡度或压力水头 ,尤其是水重力的作用下有不断向深层运移的趋势 ,所以在水具有侵蚀性的前提下 ,岩溶也具有向深层发育的趋势 ,并在厚层隔水底板及排泄基准面附近形成岩溶较发育带。而岩溶分布的层位及构造部位 ,在同一地质单元中的浅层和深层区具有类似性     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

冲击地压时列建模的进化神经网络方法

考虑到冲击地压时序的特点,采用基于免疫进化规划的进化神经网络进行了冲击地压非线性系统的建模研究。并采用一个矿山实测得到的震级数列进行了进化神经网络方法的实用性验证,结果表明,进化神经网络不但模型拟合精度高,而且预测性能也较好。     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

基于卷积神经网络对TBM塌方段的反演分析

本文在已有研究工作的基础上，利用岩石扭剪掘进指标（TPI）和现场贯入指标（FPI），采用卷积神经网络和时间序列预测法，研究TBM掘进塌方段分析和预测的可能性。作者在输入功率与破岩效率相当的原理支持下，提出了将某一循环段的掘进效率指标FPI和扭剪掘进指标TPI作为训练和预测单元的技术路线。吉林引松工程TBM大数据库中记录了199列施工期间的各项参数和17处塌方事件，数据总量大、质量高，具有很高的科研价值。以上述指标作为机器学习的训练对象，对正常掘进段和石灰岩区域大规模塌方段66+000-66+350（桩号）进行了分析和预测。结果表明：塌方段实测FPI、TPI数值显著偏小，三项预测误差指标给出了“阳性”这一评价结论。相关研究成果为TBM领域的大数据机器学习提供了新的方法，为实现超前地质预警创造了有利条件。     

基于WOA-BP神经网络的超低温冻土抗压强度预测模型研究

为获得超低温冻土抗压强度预测模型, 探究超低温状态下冻土的物理性质及力学性质的变化, 对含水率19%, 22%, 25%和28%的低液限黏土土样进行?180 °C ~ ?10 °C的单轴压缩强度试验, 并测量?80 °C ~ ?10 °C土样的未冻水含量, 建立基于WOA-BP神经网络和BP神经网络的预测模型, 探究含水率、温度、未冻水含量与超低温冻土抗压强度关系. 预测结果表明: 含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系, 特别是在?180 °C ~ ?80 °C区间内, 现有的线性拟合公式已无法准确预测该区间内冻土抗压强度; 基于WOA-BP神经网络预测模型的整体预测效果较好, 其绝对误差平均值为1.167 MPa, 相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa, 相对误差平均值为47.99%. 基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值, 更接近实测值. 该预测模型具有较高精确度, 能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系, 可为人工冻结技术在地层应急工程中的应用提供参考.      

地震崩滑预测方法及其工程应用研究

在对我国已有地震崩塌和滑坡资料 (简称崩滑 )的研究分析基础上 ,提出适用于我国西部地区地震崩滑的由粗至细、分级预测地震崩滑的方法。 1 )建立地震崩滑最大震中距 ( Rm)与地震震级 ( Ms)间关系的初判准则 ;2 )综合考虑岩性、结构类型、地形、气象、地震等因素对地震崩滑的共同作用 ,并对不同因素的主次作用进行区分和量化 ,建立预测地震崩滑的再判准则。并用 1 996年 2月 3日丽江 7.0级地震引发的地震崩塌和滑坡实例对此预测方法进行了验证。     

Empirical correlation study of dryout heat transfer at high pressure using high order neural network and feed forward neural network

A hybrid high order neural network (HHONN) and a feed forward neural network (FNN) are developed and applied to find an optimized empirical correlation for prediction of dryout (DO) heat transfer. The values predicted by the HHONN and FNN models are compared with each other and also with the previous values of empirical correlation. HONN successfully provides an efficient open-box model of nonlinear input–output mapping which provides easier understanding of data mining. By removing the hidden layers, HONN structures become simpler than FNNs and initialization of learning parameters (weights) will not be catastrophic. The RMS results show that the HHONN model has superior fitting specification for prediction of DO heat transfer problem compared to the other prediction methods.     

基于神经网络的差分方程快速求解方法

近年来, 人工神经网络(artificial?neural?networks, ANN), 尤其是深度神经网络(deep?neural?networks, DNN)由于其在异构平台上的高计算效率与对高维复杂系统的拟合能力而成为一种在数值计算领域具有广阔前景的新方法. 在偏微分方程数值求解中, 大规模线性方程组的求解通常是耗时最长的步骤之一, 因此, 采用神经网络方法求解线性方程组成为了一种值得期待的新思路. 但是, 深度神经网络的直接预测仍在数值精度方面仍有明显的不足, 成为其在数值计算领域广泛应用的瓶颈之一. 为打破这一限制, 本文提出了一种结合残差网络结构与校正迭代方法的求解算法. 其中, 残差网络结构解决了深度网络模型的网络退化与梯度消失等问题, 将网络的损失降低至经典网络模型的1/5000; 修正迭代的方法采用同一网络模型对预测解的反复校正, 将预测解的残差下降至迭代前的10?5倍. 为验证该方法的有效性与通用性, 本文将该方法与有限差分法结合, 对热传导方程与伯格方程进行了求解. 数值结果表明, 本文所提出的算法对于规模大于1000的方程组具有10倍以上的加速效果, 且数值误差低于二阶差分格式的离散误差.