南京河西粉质粘土物理力学指标统计分析

根据南京河西地区粉质粘土的土工试验资料,对其物理、力学指标进行统计分析,研究土体的力学指标与物理指标的变异性及相关性,采用回归分析的方法对土的物理和力学性质指标进行线性回归分析,给出相应的数学回归方程式和相关系数。结论可作为区域性地基基础可靠性设计相关参数选取的依据。     

未来上海地区海平面上升对土压缩模量的影响分析

未来上海地区海平面上升将引起地下水位抬升，将会对土压缩模量E产生影响，Es是土的最重要的物理力学参数指标之一，尤其在地基沉降计算中具有重要意义。本文主要针对土压缩模量Es的预测分析工作，进行了地基变形的;探讨研究，供交流参考。     

多元层状边坡土体风蚀速率与微结构参数关系

吐鲁番交河故城台地多元层状土质边坡由于风蚀而形成空腔的现象表明,不同类型的土具有不同的抗风蚀能力,抗风蚀能力的强弱是多因素影响的共同结果,微观结构是其中一个重要内因。风蚀速率是表征土抗风蚀能力强弱的重要物理量,研究运用风洞试验、微结构分析等手段揭示了风蚀速率与颗粒面积比、颗粒圆度、孔隙等效直径、孔隙充填比等微结构特征参数之间的良好对应关系;进而采用相关分析法分析并证实风蚀速率与各特征参数间的良好相关关系,应用回归分析方法建立3个试验风速下风蚀速率与单个参数和多个参数之间的回归方程,验证了微结构特征对土抗风蚀能力有显著影响,进而为土抗风蚀能力的评价提供了微观依据。     

低应变测定基桩承载力的新方法

提出了对同类桩－土体系利用低应变测试技术与静载荷试验的结果进行相关分析、建立回归模型，在此基础上对其它同类桩－土体系的基桩利用低应变测试方法测定单桩承载力，该方法已得到了令人满意的实际效果。     

水文相关中的最小二乘回归问题探讨

在研究了水文相关中利用最小二乘原理进行回归分析方法的基础上，指出了传统水文回归分析方法的使用条件、局限性和存在的问题。提出了不同性质的变量在回归分析时应区别对待的概念。结合水文观测的实际情况，研究了相关变量观测值均存在误差情况下，以变量的观测误差作权进行回归分析的概念，提出了建立基于最小二乘原理基础上的双加权回归模型，并研究了该模型的解算方法。同时推导了估计参数和预测值的误差估计公式，通过估计参数和模型误差的研究，有助于提高水文变量回归的精度和误差估计水平。     

广州大学城软土的工程地质性质统计分析

通过对广州大学城软土样基本物理力学指标的室内试验和原位测试数据的数理统计分析,获得了软土的物理力学参数统计值,进而获得了大学城软土的工程地质特性。应用最小二乘法对软土的物理力学指标进行了线性回归分析,得到了指标间的线性相关方程,并应用相关系数的方法来检验相关的显著性程度。统计回归分析成果可为软土物理力学指标间的相互估算做参考,也可为相关规范的修订提供依据。      

基于神经网络的地质勘测反分析研究

针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与RBF神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用RBF神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用RBF神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。     

勘察设计行业的产业关联分析——以山东省为例

本文利用山东省勘察设计行业的89个指标的统计数据和国民经济20个行业的统计数据,采用matlab7.0的统计工具箱,首先进行对勘察设计行业与国民经济各行业进行了相关分析,得出了与勘察设计行业比较密切的有关行业。然后采用多元线性回归和逐步回归分析方法,建立了勘察设计行业主要指标与各国民经济各相关行业的定量关系,探求其内在联系。     

长春地区粉质黏土导热系数与其物性参数相关性研究

为研究导热系数与影响因素之间的相关关系,建立导热系数的推算公式,以长春地区粉质黏土为研究对象,对原状土样的导热系数与其物理参数之间的相关性进行回归分析。制作9个重塑土样,测其相关的参数值,以验证回归方程的适用性。结果表明,回归分析建立导热系数与2个物理参数之间的关系式不成立;考虑天然密度、含水率和孔隙度为自变量,其分别对应的相关性系数T检验显著值(Sig)都0. 05,复决定系数为0. 886,建立的回归方程成立,自变量能准确解释因变量的变化,且含水率与导热系数呈负相关,天然密度和孔隙度呈正相关。重塑土样相关参数代入回归方程得到的导热系数值与实验实测值之间相对误差低于4%,验证了该回归方程的普遍性和适用性。     

基于多钻进参数和概率分类方法的地层识别研究

传统的超前钻探地质预报常以某个钻进参数的变化率作为地层识别的主要依据。钻头破岩是一个复杂的力学过程,应考虑多个参数的协同作用,仅采用单钻进参数识别地层的不确定性较大。首先,对超前钻探数据进行预处理,包括标准化、频数分布分析和敏感性分析,筛选出对地层变化敏感的关键钻进参数;其次,基于能量守恒、二元无序逻辑回归分析和多参数变异性分析原理分别建立了破岩能量、逻辑回归概率和地层硬度3种地层识别综合指标;最后,采用基于贝叶斯原理的概率分类方法建立地层识别模型,利用ROC分析方法得到模型参数,实现基于多钻进参数和概率分类方法的地层识别。以地质条件复杂的隧道工程为例,介绍了该地层识别方法的应用,结果表明：3种地层识别综合指标均具有较好的跨孔地层识别能力,识别准确率超过80%;破岩能量和逻辑回归概率指标适用于较近距离的跨孔地层识别,平均识别准确率分别为86.3%和84.1%;逻辑回归概率指标对软弱夹层识别能力较强,准确率达到94.2%;地层硬度指标适用于较远距离的跨孔地层识别;灰岩识别准确率最大达到93.2%。     

云南玄武岩滑坡滑动面力学参数分析

云南是中国滑坡灾害最严重的地区之一。在高速公路的建设过程中,出现了许多滑坡的稳定性问题。分析滑坡稳定性的关键是获得较为准确的滑动面力学参数。首先提出了滑坡滑动面力学参数分析的内容以及主要的研究方法,然后针对云南一高速公路玄武岩滑坡的滑体松散、取样困难的实际情况,采用现场试验的方法进行滑动面力学参数分析,并采用基于稳健回归分析的计算方法进行滑动面力学参数的计算,能有效地减少异常值的影响,从而获得更为可靠的滑动面力学参数。同时指出,古滑坡滑动面的抗剪强度的分析应考虑时间效应下残余强度的恢复。     

三轴试验抗剪强度指标线性回归方法的讨论

利用线性回归统计抗剪强度指标是岩土工程中的常用手段。对于常规三轴试验,可以通过线性拟合p-q曲线或者拟合大小主应力的方法来求解抗剪强度参数,并给出了这两种方法的完整计算公式,同时应用矩法和线性回归方法统计了小浪底64组320个固结排水三轴试验和多个水利工程大坝填筑料的试验资料,发现对于常规三轴试验,拟合p-q曲线求解抗剪强度参数存在高估摩擦系数、低估粘聚力的问题;利用概率理论对两种方法进行了对比分析也发现了同样的趋势。因此,根据常规三轴试验统计抗剪强度参数时采用直接拟合大小主应力更为合理。     

低孔低渗储层渗透率测井解释模型研究

采用岩心分析数据与测井曲线相结合的方法,引入泥质含量参数配合声波时差进行多元线性回归分析。建立鄂尔多斯盆地研究区低孔低渗储层渗透率测井解释模型。根据泥质含量特征二次分类后进行多元线性回归,建立两个渗透率测井解释模型相关性良好,对应于研究区两种不同的沉积微相特征;测井解释渗透率与岩心实测渗透率匹配良好,解释模型满足研究区精度要求。在沉积微相背景约束条件下,对研究区储层选择合理参数多元线性回归建立渗透率测井解释模型,可以使低孔低渗储层渗透率解释达到良好应用效果。     

灌浆强度数值数学模型初步研究

通过对灌浆试验情况的分析,得出了影响灌浆强度数值的各种因素,并在此基础上,经过多元线性回归,推出了该值与影响因素之间的经验回归公式,供进一步研究和工程实践参考。     

Multiple regression with correlated independent variables

Multiple linear regression analysis may be used to describe the relation of one geologic variable to a number of other (independent) variables, and also may be used to fit a trend surface to geographically distributed variables. The leastsquares estimates of the regression coefficients differ unpredictably from the true coefficients if the independent variables are correlated. The estimates can be too large in absolute value, and may have the wrong sign. Also, the least-squares solution may be unstable in that replicate samples can give widely differing values of the regression coefficients. Ridgeregression analysis is a technique for removing the effect of correlations from the regression analysis. The procedure involves addition of a small constant K to the diagonal elements of the standardized covariance matrix. The estimates obtained are biased but have smaller sums of squared deviations between the coefficients and their estimates. The ridge trace, a plot of the coefficients versus K, helps determine the value of K that stabilizes the estimates. Correlations between geologic variables are common, and regression coefficients based on these data may be suspect. In trendsurface analysis, correlations between the geographic coordinates may differ widely, and extreme correlations may be introduced if higher order terms are used in the trend. Ridgeregression analysis serves to guide the geologist to a more reliable interpretation of the results of multiple regression if the independent variables are correlated.     

小块体重的多元线性回归方程在锡铁山铅锌矿床储量计算中的应用

从锡铁山铅锌矿床小块体重样品原始测定数据入手，运用数学地质中的回归分析，建立了本矿床的小块体重多元线性回归方程，为矿床储量计算提供了科学参数。利用回归方程法计算小块体重进而可以推广到所有贱金属矿床的储量计算中。     

Prediction of peak particle velocity using multi regression analysis: case studies

Ground vibrations produced from blasting operations cause structural vibrations, which may weaken structure if it occurs at the resonant frequency. Measurable parameters associated with ground vibrations are peak particle velocity (PPV), amplitude and dominant frequency (frequency of highest PPV amongst translational, vertical and horizontal vibrations). In this paper, an attempt is made to correlate measurable parameters associated with ground vibrations with scaled distance. Using the correlated data, it was found that a predictor equation can be determined for the amplitude and PPV, but not for dominant frequency as it is dynamic and depends upon infinitesimal changes that occur within a number of other parameters. Another analysis of the same is made using multiple linear regression analysis. This included predicting the PPV using scaled distance, maximum charge per delay, amplitude as predictors. A considerable improvement is seen in the prediction on adding the interaction of the predictors in multiple regressions. A comparison of different combination of predictors is made so as to assess the best combination giving the best R² value for the given mine. Frequency is also plotted using the aforementioned method. However, it was found that the dominant frequency cannot be predicted with high accuracy even with this method.