圆形浅基础承载力计算新模型及验证

通过假定地基发生整体剪切破坏,给出滑动破坏面,考虑地基土的塑性平衡区随着基础埋置深度的不同而扩展到最大可能的程度,并且计及基础两侧土的抗剪强度对承载力的影响,采用极限平衡法,理论上推导出了圆形浅基础承载力。结合工程实例．并利用有限元程序（ADINA）进行数值模拟,进一步验证了浅基础破坏模式的正确性,以及理论推导的可靠性。     

某变电站人工堆积边坡稳定性分析

以北京市门头沟区某变电站场地人工堆积边坡为研究对象,基于系统的现场勘察和室内外试验结果,选择典型边坡剖面,应用极限平衡法研究了不同工况下的边坡稳定性,并提出了针对性的防治措施。结果表明:在天然工况下,该人工堆积边坡剖面1-1和剖面2-2均处于欠稳定–不稳定状态;在暴雨工况下,剖面1-1和剖面2-2处均处于不稳定状态,边坡整体上处于不稳定状态。根据边坡稳定性的分析结果,结合工程实际情况,确定桩板式挡土墙为该人工堆积边坡的优化支护方案。     

基于Noise-to-Noise自监督学习的地震数据去噪方法

在地震勘探采集到的地震数据中不可避免的存在随机噪声,而高信噪比的地震数据是地震资料反演和解释的基础.因此随机噪声压制一直是地震资料处理中的重要工作.近些年来,随着深度学习技术的发展,基于卷积神经网络的地震数据去噪方法已经取得了丰硕的成果.常规的监督学习策略需要获取无噪数据作为标签,然而从实际地震数据中获取无噪数据只能通过传统去噪方法进行预处理,以此方法构建标签数据的监督学习去噪网络必然受构建数据集的去噪方法影响.针对此问题,本文提出了一种基于Noise-to-Noise自监督学习的地震数据去噪方法,该方法通过对实际地震数据添加不同等级的噪声构建训练数据集,仅需要含噪地震数据即可训练去噪网络.合成数据测试和实际数据测试表明,本文方法可以有效去除地震数据中的随机噪声,性能优于受数据集构建方法所限的监督学习去噪方法和传统去噪方法.     

挤扩支盘桩与DX桩承力盘挤扩机理对比研究

挤扩支盘桩与DX桩是从普通的灌注桩衍生而来的一种新桩型,与普通混凝土灌注桩相比,单桩竖向承载力、单方混凝土承载能力都有显著提高,具有良好的社会与经济效益。通过对两种挤扩设备（单向挤压设备和双向挤压设备）的挤扩原理分析对比,说明双向挤压设备形成的支盘其承载性能明显好于单向挤压设备所形成的支盘。在对两种挤扩设备挤压土体形成支盘的过程及运动机理分析的基础上,给出了确定承力盘轮廓线的方法,并推导出承力盘体积的计算公式,为其承载力计算提供依据。