基于数据挖掘的黄土湿陷性综合评价

运用数据挖掘技术中较成熟的因子分析、相关分析和神经网络-BP模型三种方法来对黄土湿陷性进行预测和评价,因子分析是数据挖掘中评价各变量相关性的一种方法,用因子分析对黄土湿陷性作出评价,可以得出湿陷系数与各影响因素之间的相关系数,用以判断各影响因素对黄土湿陷性影响的大小。相关分析是用来处理两个及两个以上变量间线性依存关系的统计方法,采用相关分析中的一元线性、多元线性和多元非线性方法来对黄土湿陷性的影响因素进行分析,可以得出各影响因素与黄土湿陷系数的相关方程,确立湿陷系数与影响因素之间的具体关系。采用神经网络-BP方法来模拟黄土的湿陷性,通过网络的训练和检验构建适当的网络结构,来计算黄土的湿陷系数,且预测值与真实值误差较小,完全可以用来预测黄土的湿陷性。     

单线法黄土湿陷试验方法的应用探讨

单线法黄土湿陷性试验目的就是测定黄土变形和压力的关系,计算压缩变形系数、湿陷变形系数等黄土压缩性指标,判定土的性质。从检测过程中的各个环节分析,提出试验过程中的各因素对黄土湿陷系数的影响。     

黄土湿陷系数与物性指标的相关性分析

为了探究湿陷系数与物性指标间的内在关系，在西安市南郊神禾塬采取270组土样进行室内试验，分析湿陷系数与12个物性指标的相关性，选取与湿陷系数具有高度相关关系的7个物性指标作为自变量，以平方根变换后的正态变量为因变量，采用逐步回归分析方法建立以天然密度、压缩系数、孔隙率、饱和度为自变量的最优回归模型，用同一场地的另外29组实测数据验证该预测模型的准确性。结果表明：该回归模型具有统计学意义，4个自变量对因变量的影响也均有统计学意义；湿陷系数实测值与预测值的决定系数等于0.930,二者得到的湿陷等级一致，说明该回归模型的预测精度较高。研究结果对于快速准确地预测黄土的湿陷系数具有一定的参考价值。     

基于模糊相似优先比的黄土湿陷性预测方法

为科学定量评价黄土湿陷性,基于模糊相似优先比构造了一个黄土湿陷范例检索模型。选取4个影响黄土湿陷性的主要因素,分别建立湿陷的目标范例与源范例之间的模糊相似优先关系。经过影响因素之间的相互比较,获得了不同影响因素下黄土湿陷的目标范例与源范例之间的相似性序列;在确定各影响因素的权重之后,给出湿陷的目标范例与源范例之间的综合相似性序列,从而找到与黄土湿陷的目标范例最相似的源范例。算例验证结果表明,黄土湿陷系数的预测值与实际值误差在10％左右,有较高的预测精度,具有一定的实际意义。     

黄土湿陷起始压力值的应用和预浸水法

对黄土地层进行勘察评价，不仅要查明黄土的湿陷类型、湿陷强度和计算地基的湿陷量，还要查明黄土的湿陷起始压力值，它的用处很大，特别是勘察黄土渠道工程时，该指标是不可缺少的；预浸水法适用于厚度大的自重湿陷性黄土，但对其使用是有条件的，其中，黄土下部地层的排水性能是一个非常重要的条件。     

基于多因素长短时神经网络的日用水量预测方法研究

针对城市日用水量非线性变化问题,为实现水资源的优化调度和合理利用,提出一种深度学习的水量预测方法,建立多因素长短时神经网络模型预测日用水量。该方法选取影响日用水量的因素作为输入特征,日用水量时间序列数据作为训练样本,利用数据挖掘,输出用水量预测值。结合杭州示范区实际案例,与传统的人工神经网络方法进行对比,结果表明,长短时神经网络的预测结果优于传统的人工神经网络,并且基于多因素长短时神经网络模型的预测结果优于单因素长短时神经网络模型,预测结果具有较强的精度和稳定性。     

黄土湿陷系数同初始含水率和上覆压力的关系研究

黄土湿陷变形使得工程造价变高,且工程事故引起的损失增大,湿陷性仍是值得研究和探索的问题。湿陷变形量的计算目前常用的方法有原位浸水试验和规范建议的湿陷系数法。原位浸水测试结果准确但成本高、耗时长,湿陷系数法更为常用,但计算结果和实际值差异很大,为此需对湿陷系数的影响因素进行研究。文章旨在探索湿陷系数与初始含水率和上覆压力的关系,在甘肃兰州和平镇取样进行基本物理力学性质的测试,取环刀样烘干后配置不同含水率的固结试验,双线法获得不同初始含水率和压力下的湿陷系数,分析其关系。结果表明:相同初始含水率下,湿陷系数随着压力的增大先快速增大后基本保持不变;相同压力下,初始含水率越高,湿陷系数越小。湿陷系数与初始含水率和上覆压力的关系可在三维空间中湿陷面表示,根据试验结果文章建立了该湿陷面的数学表达式。     

基于小波神经网络的年降水量预测模型研究

为了研究某一地区年降雨量的变化规律、特点,以及该地区的旱涝情况,以便提前采取预防措施,减少灾害带来的影响,降低损失,试图通过建立小波与神经网络组合模型的方法预测年降水量.将采用小波神经网络模型预测出的结果与人工神经网络模型预测出的结果进行比较,结果表明:采用小波神经网络模型的预测结果在精确度上要好于单独使用人工神经网络预测的结果.与人工神经网络模型相比,小波神经网络模型具有较高的预测精度,在对降雨量数据进行预测分析时具有较大优势.     

Q2黄土湿陷性影响因素研究

通过单向压缩湿陷试验研究了陕西蒲城地区Q2黄土的湿陷性 ,并分析了其与物质组成、物性指标及微观结构定量参数之间的关系.结果表明 :Q2黄土湿陷性随黏粒含量、pH值、饱和度、干密度、颗粒分布分维和定向度的增加而降低 ;随孔隙比、欧拉数、孔隙分布分维和定向度增加而降低 ;易溶盐含量对Q2黄土湿陷性影响不大.Q2黄土的湿陷性受多方面因素制约和影响 ,内因主要是由于黄土本身的物质成分和特殊的结构特性 ,外因则是压力和水的作用 ;架空孔隙的失稳破坏和粒间孔隙的变小消失都可能引起湿陷变形 ,对于Q2黄土后者引起的湿陷变形不容忽视.     

解析法在黄土浸没湿陷影响高程中的应用

为讨论水库浸没对建筑物的影响高程,以小浪底水利枢纽库区垣曲段为背景,将解析法应用于库区黄土浸没湿陷影响分析问题中,建立了适应于库区浸没湿陷影响高程的预测模型。选择建筑物基础埋深、变形计算深度、毛细水上升高度、地下水雍高、水库正常高水位运行高程、总湿陷量为5cm时的湿陷性黄土厚度等6个主要影响因子,通过现场调查、试验和长期观测等多种方法确定各因子数值,最终采用解析法确定库区建筑物黄土浸没湿陷影响临界高程,为科学确定水库黄土浸没湿陷的影响范围提供依据。     

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。     

黄河内蒙古段开河日期预报模型及应用

对黄河内蒙古段的冰情特点进行分析,选用1970—1971年度至2007—2008年度共38个冬季的冰情资料,提取合适的预报因子,分别采用人工神经网络模型和多元线性回归模型,对黄河内蒙古段的开河日期进行预报。结果表明,神经网络模型和多元线性回归模型预报样本合格率分别为86.7%和80.0%,神经网络模型的预报精度高于多元线性回归模型,更适用于黄河内蒙古段开河日期预报。     

基于改进的BP神经网络对西安黄土抗剪强度指标的研究

运用带适应学习率和动量因子的梯度递减法——TRAINGDX训练函数的BP网络对黄土的抗剪强度指标进行了预测。首先分析了影响黄土抗剪强度的6个影响因素,而后建立了6∶14∶2的神经网络(Artificial Neural Network)黄土抗剪强度指标的预测模型,最后借助Matlab为平台,利用自编的程序,进行了预测计算。通过对预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到黄土抗剪强度指标的预测中。     

基于BP神经网络的重塑黄土冻融过程抗剪强度劣化特性研究

冻融循环导致黄土强度的损伤规律十分复杂,传统单一因素评价方法难以确定冻融过程黄土抗剪强度指标损伤规律与多因素之间的量化统计关系。基于此,首先针对西安Q3重塑黄土进行室内冻融试验,得到不同干密度、含水率及冻融次数下的抗剪强度指标数据;然后采用BP神经网络算法对试验数据进行学习训练,得到各因素与抗剪强度指标间的预测模型。研究发现:黄土试样黏聚力随冻融次数增加呈指数衰减趋势;黏聚力随含水率和干密度增加分别表现出线性衰减和增加特征且冻融后黏聚力与含水率和干密度的变化曲线近似重合;内摩擦角呈波浪形变化趋势且波动范围较小,无明显变化。冻融过程黄土黏聚力神经网络模型的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黏聚力的量化关系。     

灯泡贯流式机组轴承温度的人工神经网络建模探讨

本文在现场监测数据的基础上应用人工神经网络方法,建立了灯泡贯流式机组轴承温度的数学模型,并与实际的监测数据进行了对比分析。对比分析表明,所建立的人工神经网络模型,具有较高的计算精度,能够在已知机组工作参数的情况下,快速求出机组轴承的温度,该模型可以用于机组的计算机辅助运行系统开发中。     

人工神经网络处理多变量关系的应用分析

分析了常规方法处理多变量关系时存在人为误差较大、基函数选择及系数求解较困难的问题,通过实例对人工神经网络模型处理多变量关系的模拟及预测结果进行分析,并与常规方法的结果进行对比,指出：运用人工神经网络模型建立降雨径流关系,能较好地反映流域的水文过程,且参数具有明显的物理意义;模型能够应用于流域降雨径流预报,且预报效果良好;人工神经网络能够有效地处理多变量之间复杂的非线性关系,当因变量与自变量间确实存在较密切的联系时。所建立的多变量间的关系具有较高的精度。     

基于防排水措施的灰场深厚湿陷性黄土地基处理

通过对黄土产生湿陷的内、外因素分析,认为黄土产生湿陷的内因是黄土的结构性,外因是浸水与压力,因此在深厚湿陷性黄土地基处理中,通过一定的防、排水措施可以减弱或消除黄土产生湿陷的外因,从而避免黄土地基浸水湿陷。本文以山西王曲电厂灰场深厚湿陷性黄土地基的防排水处理措施为例,在分析黄土湿陷性机理的基础上,对该灰场深厚湿陷性黄土地基处理的设计思路及设计方案进行了介绍,可为今后相似工程地质条件下的工程设计提供有益的参考和借鉴。     

竖向压力作用下重塑黄土土柱压缩湿陷及渗水试验研究

为了探讨竖向压力对兰州非饱和重塑黄土土柱压缩湿陷特性、入渗过程及土-水特征的影响,利用一维土柱渗透仪开展了不同竖向压力作用下非饱和重塑黄土土柱的常水头渗水试验,得到其压缩湿陷曲线,浸润峰、入渗量、体积含水量时程曲线与监测截面土-水特征曲线。研究结果表明:(1)土柱压缩性与湿陷性在试验压力下与常规试验皆有差异;尺寸效应不影响试验黄土结构强度,对其湿陷起始压力影响不大;(2)土柱增湿时浸润峰的前行速率随竖向压力的增大而逐渐减小;增湿过程中土柱在力与水作用下入渗能力变化导致入渗速率曲线有交叉现象,且竖向压力越大入渗速率变化范围越小;(3)竖向压力作用改变了渗水路径,从而影响了监测点体积含水率的变化;(4)竖向压力作用对土-水特征曲线的三个阶段均有影响,压力作用时土柱饱和度皆大于无压力作用,且随着压力增大饱和度逐步增大,当吸力趋于0时,土样未完全饱和。最后利用经典Van Genuchten模型对不同竖向压力下土-水特征曲线进行拟合,模型拟合效果较好。通过试验及分析,为兰州新区建设提供相关参考依据。     

灯泡贯流式机组轴承温度的人工神经网络建模探讨

本文在现场监测数据的基础上应用人工神经网络方法,建立了灯泡贯流式机组轴承温度的数学模型,并与实际的监测数据进行了对比分析。对比分析表明,所建立的人工神经网络模型,具有较高的计算精度,能够在已知机组工作参数的情况下,快速求出机组轴承的温度,该模型可以用于机组的计算机辅助运行系统开发中。     

基于 BP 神经网络的场次洪水河道沙量预报

针对日益严重的河流泥沙问题,掌握河流泥沙的影响因素和泥沙的变化过程是泥沙治理的关键。以神经网络模型为基础,建立场次洪水沙量预报模型,对多沙河流的洪水挟沙量进行预报,并取得较好的预报效果。选择辽西北多沙河流大凌河作为研究实例,首先将1984年-1998年间的29场历史实测洪水资料进行分析,得到影响下游沙量的主要因素;然后,通过神经网络模型建立上游影响因素与下游沙量之间的关系;最后,选取其中6场洪水资料进行验证。模型计算结果表明,计算结果与实测结果误差在合理范围之内,精度符合要求,可以用于下游沙量的预报。