基于PCA-DDA原理的砂土液化预测模型及应用

影响砂土液化的因素有很多,建立多指标的液化预测模型非常有必要。目前所有的多指标砂土液化预测模型,均默认选取的判别因子之间相互独立,不存在相关性,可能导致各判别因子之间存在信息叠加而发生误判。以唐山地震砂土液化的25个案例为样本,选取8个影响因素作为砂土液化预测的初始判别指标,首先采用主成分分析（PCA）对各判别指标进行分析,对存在相关性比较高的指标进行了降维处理。基于降维后的4个主成分换算得到新的样本数据,以18个案例为学习样本,建立主成分分析与距离判别分析（DDA）相结合的砂土液化预测模型。利用建立的预测模型对18个案例进行回判,结果全部正确。对其他7个案例的液化情况进行了预测,并与规范法、Seed方法、BP法、DDA法的判别结果进行分析比较,结果表明基于主成分分析与距离判别方法的砂土液化判别模型预测准确率为100%。将模型应用于工程实例,判别结果也与实际情况一致,表明该模型具有良好的预测功能,可在实际工程中应用。     

大跨度连续刚构桥健康监测加速度传感器优化布置研究

本文以一座145m＋2×260m＋145m的大跨度连续刚构桥为背景,首先介绍了传感器优化配置算法、评估准则和安放位置的选择方法;其次,建立了该连续刚构桥的三维有限元模型,进行了环境振动试验,得到了桥梁的基本动力特性;再次,基于MAC矩阵和Fisher信息阵标准为理论基础的传感器优化布点算法,对桥梁健康监测加速度传感器布点方案进行了研究;最后结合该桥的实际情况,提出了加速度传感器优化布置方案。实时健康监测表明：基于本文的传感器布置方法实时监测能够获得该桥梁前10阶振型,可满足桥梁长期监测的需要。