极端降雨诱发滑坡灾害危险性模糊综合评判

将改进的层次分析法和模糊综合评判方法相结合,深入分析影响公路滑坡灾害危险性的影响因素,建立了综合评判指标体系并划分危险性等级.评价过程中首先确定了不同降雨情况下指标体系的动态权重系统,然后应用“梯形”隶属函数公式和专家经验赋值法分别测算连续型和离散型指标的隶属度,最终通过所构建的3级模糊综合评判模型进行了实例研究.研究...     

岩石非线性拉、压蠕变模型及其参数识别

基于岩石单轴拉、压作用下加速蠕变曲线的幂函数拟合分析,推导了二元件黏塑性蠕变模型中黏性元件的非线性表达式,并将建立的非线性黏塑性模型与Burgers蠕变模型串联建立一个新的非线性黏弹塑性拉、压蠕变模型。分析显示该模型能够描述岩石在直接拉伸、压缩作用下的衰减蠕变、稳态蠕变和加速蠕变3个阶段。结合对重庆红砂岩单轴直接拉伸与单轴压缩蠕变试验结果,通过Matlab编写Quasi-Newton优化算法(BFGS)实现了岩石非线性黏弹塑性拉、压蠕变模型的参数辨识,辨识参数相关性系数平方R 2均在96%以上。将模型与修正西原模型比较发现非线性黏弹塑性拉、压蠕变模型线型吻合程度均高于修正西原模型,表现出拉、压蠕变特性的适用性,从而进一步验证了模型描述岩石拉伸以及压缩蠕变特性的正确性。     

极限平衡法和有限单元法混合分析土坡稳定

利用有限单元法和极限平衡法对一边破稳定性进行了计算机模拟及计算分析。确定了滑动面的位置和形式，然后用刚体极限平衡法计算安全系数。这样不仅考虑了土体的应力一应变关系，同时能很方便的计算出土坡稳定的安全系数。避免了极限平衡法单独计算时反复试算这一过程。这两种方法联合应用可以互相补充，因此充分发挥了两者各自的优点。     

极端降雨诱发滑坡灾害危险性模糊综合评判

将改进的层次分析法和模糊综合评判方法相结合,深入分析影响公路滑坡灾害危险性的影响因素,建立了综合评判指标体系并划分危险性等级。评价过程中首先确定了不同降雨情况下指标体系的动态权重系统,然后应用“梯形”隶属函数公式和专家经验赋值法分别测算连续型和离散型指标的隶属度,最终通过所构建的3级模糊综合评判模型进行了实例研究。研究结果表明,该方法用于极端降雨诱发公路滑坡灾害危险性评价具有适用性和合理性,结果可靠。     

基于重度增加法的边坡稳定性三维有限元分析

提出了分析边坡稳定性的三维非线性有限元重度增加法。利用ANSYS软件,基于D-P准则,考虑了关联的流动法则,先保持土体强度指标粘聚力和内摩擦角不变,通过逐步增加重度的方法使土体达到临界状态,采用坡顶水平位移与重度增加系数关系曲线上位移陡然增大作为边坡的破坏标准。充分考虑了土体的空间作用机制和变形协调机制,通过计算得到可能的半球形或复合形滑动面的位置和形式,而不是事先去假定,得到的安全系数也与其他方法相近。该方法可以更好地模拟土坡的破坏,有助于了解土坡的破坏机理,其结果对工程实践具有指导作用。     

我国天然气行业发展态势

论述了我国天然气行业的发展环境,指出天然气因具有独特的优势将在未来城市燃气构成中占有越来越大的比例。通过分析天然气市场供需状况,认为我国天然气当前供应紧张的局面呈蔓延趋势,从全年性和季节性供应紧张两个方面指出了原因、给出了应对措施。展望了天然气行业的发展前景,对我国天然气的需求进行了预测,提出了满足供应缺口的措施。分析预测了未来我国天然气供给市场的来源构成。     

锈蚀程度对钢筋力学性能的影响规律研究

为研究锈蚀钢筋力学性质的衰变规律,基于概率统计学理论,采用人工加速锈蚀法对五种直径的HRB400钢筋实施锈蚀处理,并利用除锈剂除锈后进行室内拉伸试验。结果表明,随着钢筋锈蚀程度的增大,钢筋的名义屈服强度、名义极限强度均呈线性退化规律,钢筋断后伸长率呈先急后缓退化,非线性变化规律明显;在相同锈蚀条件下,大直径钢筋的名义屈服强度、名义极限强度和断后伸长率的退化速度较快,但与小直径钢筋无显著统计学差异。研究成果可为已建混凝土结构的承载力、耐久性等服役效能评价提供理论依据,对结构的加固补强、工程续建等施工方案的制定有重要的参考价值。     

鄱阳湖圩堤管涌险情分析与防治措施

为了进一步防治管涌险情,以鄱阳湖防洪圩堤为研究对象,建立了管涌预测的理论模型,运用GeoStudio2018软件对防洪圩堤进行模拟分析,设置了降雨强度、降雨类型和降雨时刻三个关键因素和四种工况,分别用Seep/W模块和Sigma/W模块对防洪圩堤进行破坏计算。结果表明,只有在固定库水位下不同降雨会出现管涌现象,管涌出现破坏的有固定库水位23 m+降雨时刻20～30 d+降雨强度0.06 m/d,管涌点位于下游坡坡脚0.2 m处;提出了反滤铺盖方案,并建立了相应的数值模拟模型。经验证,该方案符合相关规范要求。     

基于聚类PSO-LSSVM模型的PAD维度预测

针对PAD（愉悦度、激活度、优势度）预测精度问题,提出将最小二乘支持向量机（least squares support vector machine,LSSVM）经粒子群优化（particle swarm optimization,PSO）算法优化再与情感聚类分析结合的聚类PSO-LSSVM模型。对TYUT2.0和柏林语音库的三种情感语音提取情感特征,基于特征与标注的P、A、D对三种单一情感分别建立各类情感维度PSO-LSSVM模型以及对三种情感建立混合情感维度PSO-LSSVM模型;然后利用混合情感维度PSO-LSSVM模型预测P、A、D,并计算其与基本情感PAD的距离;最后将距离大于阈值的情感聚类为混合情感,将距离小于阈值的情感聚类为与其距离最近的情感,并利用对应情感的回归模型预测其P、A、D。研究显示,该模型对P、A、D的预测误差较LSSVM和PSO-LSSVM模型更小,且预测值与标注值的相关性更强,说明聚类PSO-LSSVM模型对P、A、D的预测更加可靠、准确。     

面向情感语音识别的情感维度PAD预测

针对现有的情感特征仅从信号的角度对情感进行分析,不能直观反映情感状态的问题,提出将连续情感维度PAD引入情感识别. 实验样本选用TYUT2.0数据库和柏林语音库中的3种情感（悲伤、愤怒和高兴）,提取情感特征（韵律特征、共振峰、MFCC和非线性特征）. 为了获取客观、精确的PAD维度,利用灰色关联分析（GRA）选取影响P、A、D的主要特征,通过主成分分析（PCA）提取主要特征的主成分,将主成分作为最小二乘支持向量机（LSSVM）的输入预测P、A、D. 分别对情感特征、PAD维度及它们的融合,采用支持向量机进行情感识别. 实验结果表明,该预测方法在一定程度上提高了对P、A、D的预测精度,预测值可以有效识别情感,对情感特征在情感识别方面有一定的补充作用.