嵌岩灌注桩承载力设计浅析

本文通过不同地层中嵌岩桩的特点,讨论了嵌岩灌注桩的荷载传递特点和设计应用中的问题,对嵌岩灌注桩嵌岩长径比与嵌岩桩侧摩阻力、端承力、单桩极限承载力之间的关系以及嵌岩深度等问题进行了必要的探讨。     

极软质岩石中嵌岩桩的单桩承载力探讨

通过对极软质岩石地基进行现场原位测试，以及对极软质岩石地层中嵌岩桩的承载力计算，就如何根据现场原位静载试验确定极软质岩层的极限端阻力标准值的问题进行了研究，进而确定了桩端总极限端阻力标准值的计算方法，并提出了极软质岩石地基中基桩的设计方法及承载力的取定意见。     

桩底加载法静载试验在大直径嵌岩桩工程中的应用研究

静载试验新方法—桩底加载法静载试验 ,应用于重庆市的大直径嵌岩桩 ,解决了此类工程现场测试获取设计参数的一大难题 ,为进一步完善大直径嵌岩桩桩身侧阻力与端阻力的计算理论提供了依据。     

嵌岩桩受力机理分析

钻孔嵌岩灌注桩单桩竖向极限承载力,主要由嵌固力和端承力两部分组成,当嵌岩深度为4倍桩径时,单桩竖向极限承载力发挥最好,但施工技术水平对桩承载力有较大影响。     

柳州中等风化白云岩嵌岩灌注桩承载力探讨

通过对实测资料的分析，柳州中等风化硬质白云承载力标准值可比ＧＢＪ７－８９规范规定的标准值提高一个等级，达４０００ｋＰａ，嵌岩桩与桩周土（岩）之间的侧摩阻力可得到较大的发挥；而桩端持力层受力将不会达到承载力的设计值；建议应当改变嵌岩桩承力勘测设计存在双保守的状况。     

嵌岩桩静载试验结果的研究与讨论

根据１９个工程７１根嵌岩桩静载试验的实测资料，论述了嵌岩桩静载试验结果的特点，对Ｐ－Ｓ曲线进行了分区；提出了嵌岩桩质量分类体系表；研究了嵌岩桩的变形与破坏特点，并对破坏类型作了划分；同时，还讨论了嵌岩深度和嵌固力的测定。     

点荷载强度试验在嵌岩桩承载力判定中的应用初探

用岩石点荷载强度试验并经相关计算得到嵌岩桩桩端持力层岩石的饱和单轴抗压强度标准值,借此判定、核验嵌岩桩的承载力.     

基于遗传-神经网络的单桩竖向极限承载力预测方法研究

分析了BP神经网络的缺陷和遗传算法的特点,建立了基于遗传-BP神经网络的单桩竖向极限承载力预测模型。实例研究表明,预测模型性能良好、预测精度提高、简便易行、行之有效,该方法具有广泛的应用前景。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

基于BP神经网络方法的矿井涌水量预测

鉴于矿井涌水威胁煤矿安全生产及其影响因素的复杂性,提出基于BP神经网络的矿井涌水量预测方法.在充分分析新安煤矿＋25m开采水平的涌水影响因素的基础上,选取大气降水、采空区面积和底板构造断裂和采动裂隙三个影响因子,建立了非线性人工神经网络预测模型,对＋25m开采水平的正常涌水量进行了预计.其结果和实际观测数据能够较好地相吻合,表明采用人工神经网络预计矿井涌水量是可行的.     

基于遗传BP神经网络的地下水位预测模型

地下水水位动态预测对农田土壤盐渍化防治、地下水地表水资源的合理调度具有十分重要的意义。以新疆和静县某地下水观测井为研究对象,选择月均蒸发量、气温和灌溉量3个因素作为BP神经网络模型的输入量,利用遗传算法优化神经网络的权值与阈值,建立地下水水位的遗传BP神经网络预测模型。结果表明:遗传BP神经网络模型能较好表达地下水位与主控因素之间的非线性关系,预测结果与实测值之间的平均绝对百分比误差为0.040 3,测试样本的网络输出值与网络目标值的相关系数达0.967 3,模型预测效果较佳。研究结果为区域地下水的开发利用与保护提供参考依据。     

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。     

未确知测度BP神经网络模型在黑河流域水质预测中的应用

水质预测是水环境规划、评价和管理的重要依据,对促进水资源可持续利用及生态发展具有重要意义。针对水质预测中各项因子的不确定性,基于未确知测度理论(unascertained measure,UM),采用改变网络初值的方法,对BP神经网络加以改进,并利用黑河流域莺落峡水文站1998~2011年的水质监测资料进行分析和预测。以挥发酚为参考序列,用灰色关联方法分析参考序列与其他因子的关联度,并最终确定BP网络的输入节点为CODmn、DO、SO42-、Cr6+以及挥发酚,输出节点为挥发酚,从而建立UMBP模型。分析结果表明,UM-BP预测模型比标准的BP神经网络模型具有更高的预测精度。因此,该模型应用于黑河流域水质预测是可行的。     

嵌岩抗拔桩承载性状研究

嵌岩桩抗拔承载性状的研究目前仍较缺乏。运用灰色系统理论和非线性有限元方法,探讨了桩径、桩长、嵌岩深度对嵌岩桩抗拔承载眭状的影响规律。结果表明：桩径对嵌岩桩抗拔承载力的影响最大,嵌岩深度次之,桩长最小;桩径和嵌岩深度在一定范围内与桩抗拔割线刚度呈非线性递增关系,桩长则与之呈非线性递减关系。     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

BP神经网络在古气候序列重建中的应用

当前小区域的古气候变化研究受模拟资料分辨率和可靠性的严重制约.为了将大区域的气候模拟资料应用到小区域的古气候研究中去,亟待建立有效的降尺度方法.为此以徽鄂地区为例,建立了一个3层BP神经网络拟合模型,利用相关气象要素作为拟合因子,拟合并重建了该地区近千年来1月、7月和年平均的温度和降水序列,通过与观测及模拟资料的对比分析发现,该模型拟合及重建的近千年气候序列有较高的精度和可靠性,能反映小区域气候的年际和年代际变化信号,提高了模拟资料对小区域气候变化的刻画能力.     

BP神经网络在测井数据预测原煤灰分中的应用

测井曲线能敏感反应原煤灰分,为了利用测井数据分析原煤灰分,采用BP神经网络建立测井数据预测原煤灰分模型,用以研究利用自然伽马、密度和视电阻率等测井参数估测原煤灰分的方法。通过网络训练与测试,实验预测结果与期望结果吻合性好、误差小,因而BP神经网络可以用于测井数据预测原煤灰分。