共查询到20条相似文献，搜索用时 31 毫秒
1.
在水土耦合的室内原土环境中,通过微型贯入、扫描电镜(SEM)、能谱(EDS)分析、X射线衍射(XRD)、离子含量及pH值测试等多种试验手段,研究滨海相软土场地形成的水泥土强度的分布规律及其衰减过程,并阐明水泥土劣化层和未劣化层的发展规律。结果表明:水泥土劣化深度随养护时间的增长和水泥掺入比的减小不断增大,至360d时最大劣化深度达到11.9mm,明显大于同龄期海水环境中养护的水泥土的劣化深度;与未劣化层相比,劣化层的孔径增大,孔隙增多,水泥水化产物减少;经原土养护相同时间,水泥土中pH值及主要离子含量分布规律与室内海水环境中的水泥土相似,其中pH值和Ca^2+含量随着试样深度的增大而增大,而Mg^2+、SO4^2-、Cl^-含量随试样深度的增大而减小;水泥土中Ca^2+含量沿试样深度方向的分布规律与强度变化规律相似。在原土条件下,水泥土中Ca的溶出更加显著,导致后期水泥土强度衰减加剧。原土中水泥土强度衰减过程与海水中相同。 相似文献
2.
长期处于腐蚀场地中的水泥土等加固体会发生强度降低、渗透性增大的劣化现象,劣化的发生严重影响加固体的使用寿命。研究水泥土劣化随时间的演化规律及对劣化深度的预测,对于腐蚀地基中水泥土桩的长期承载力预测具有一定的理论和实际工程应用价值。利用室内试验模拟研究了场地环境变化引起的水泥土劣化问题。试验结果表明:水泥土劣化深度随浸泡时间的增加而增大,浸泡前期劣化速度快,后期劣化速度降低;水泥土初始强度越低劣化速度越快,当水泥土超过28 d强度后,劣化速度增加变慢,且趋于稳定。本文基于试验结果,提出了根据28 d劣化深度推测长期劣化深度的预测式,根据试验数据回归得到的待定参数A约在0.2～0.8之间,与腐蚀场地形成的水泥土劣化问题的0.5～0.7不同。 相似文献
3.
强度是水泥土设计的重要指标,水泥土强度预测可以为工程设计提供理论依据。目前国内外学者均是利用室内试验研究水泥土强度特性,导入强度评价参数,建立水泥土强度预测公式,但是强度评价参数不同。本文利用一系列室内试验结果,提出综合参数和水泥土强度预测公式,并对比分析目前较常用的水泥土强度预测公式。研究结果表明:水泥土强度随水泥掺入比和养护龄期的增加而增加,随含水比的增加先升高后降低;水泥土密度不随养护龄期的改变而改变。灰水比与水泥土初始密度的比值是描述水泥土强度的一个合理参数,提出的水泥土强度预测公式预测结果与试验结果基本吻合。 相似文献
4.
将水泥土和周围土体作为研究对象,利用室内化学分析试验得到了离子浓度的时空分布规律,并从腐蚀离子干预水化反应进程和分解水化产物两个过程揭示了海相软土场地水泥土劣化机理。Ca^2+由水泥土向土体中扩散,Mg^2+、SO42^-及Cl^-从土体向水泥土扩散;随着水化反应的进行,Ca^2+不断生成,水泥土中足够多的Ca^2+是保证水化反应进行并维持水化产物稳定的必要条件,Ca^2+不断向土体扩散是水泥土劣化的原因之一;水泥土内部的SO42^-及Cl^-在浓度较低(分别低于9和15 g/L)时有利于水泥土强度的提高,浓度较高时则导致水泥土发生胀裂;水泥土中Mg^2+的存在会阻碍水化产物的生成并分解水化产物,但浓度较低(低于3 g/L)时,影响不明显;土体中Mg^2+、SO42^-及Cl^-浓度高于水泥土中的浓度,在水泥土表层与水化产物反应生成胶结性差及膨胀性高的物质,促使水泥土劣化。 相似文献
5.
6.
实施了水泥固化粉土和高岭土的室内渗透试验,在分析水泥土灰水比和龄期对渗透性影响的基础上,提出了不含拟合参数的水泥土长期渗透系数预测式。试验结果表明,与原土种类无关,同一龄期水泥土的渗透系数随灰水比的增大线性减小;粉土水泥土的渗透系数大于相同灰水比、相同龄期高岭土水泥土的渗透系数;水泥土渗透系数随灰水比的降低速率与原土的种类及龄期有关,粉土水泥土渗透系数随灰水比的降低速率大于相同龄期高岭土水泥土的渗透系数降低速率;与原土种类无关,水泥土的渗透系数随龄期的增大逐渐降低,在龄期超过28 d后,渗透系数随龄期的降低速率减小。预测式预测的结果基本反映了水泥土渗透系数随龄期的变化规律。 相似文献
7.
基于灵敏度分析的海洋油气资源BP神经网络预测模型的优化 总被引：2，自引：2，他引：0
作者针对BP神经网络结构设计中存在的问题,提出利用灵敏度分析方法对BP神经网络预测模型进行优化。通过BP算法与参数灵敏度分析的结合,寻找网络输入属性与输出属性之间的影响因子;在保证精度的前提下优选网络输入属性,简化网络结构,以增强网络的泛化能力,减少人为主观因素对网络设计的影响。最后以海洋油气资源预测为例,结合实测资料建立BP神经网络预测模型并进行了优化及预测精度评价,表明优化后的模型既能有效提高油气资源预测结果的稳定性,又不损失预测精度。 相似文献
8.
针对天然气水合物相平衡问题,文中提出用基于带动量因子的BP神经网络进行计算和预测。首先用遗传算法优化确定BP神经网络的结构和参数,得到最优化结构的神经网络;其次结合Levenberg-Marquart优化算法,建立天然气水合物相平衡计算及预测的神经网络模型;最后以实验测定的(CH4 CO2 H2S)三元酸性天然气水合物体系的平衡数据为训练和预测样本进行了计算。计算表明,预测结果与实验数据有良好的一致性,而且由于BP神经网络作为所谓的“纯粹”的算法不需要热力学模型,这对于相平衡计算是非常方便的,所以是研究天然气水合物相平衡计算及预测的一种新的有效方法。 相似文献
9.
针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。 相似文献
10.
营养盐是控制长江口流域富营养化的关键因子之一。分析亚硝酸盐与其影响因子之间关系,引入人工智能方法,基于弹性BP神经网络,建立亚硝酸盐非线性预测模型,目的是通过影响因子在线监测,间接实现亚硝酸盐在线监测。依据神经网络权值和阈值获取方法不同,形成基于弹性BP神经网络、基于遗传算法和弹性BP神经网络,和基于改进的遗传算法和弹性BP神经网络的亚硝酸盐预测模型3种。通过仿真实验,分析3种模型对亚硝酸盐预测的影响,发现基于改进的自适应遗传算法和弹性BP神经网络的亚硝酸盐模型预测效果最优,为选择合适模型提供依据。 相似文献
11.
基于相空间重构的神经网络风暴潮增水预测方法 总被引：1，自引：0，他引：1
《海洋预报》2016,(1)
风暴潮增水的准确预测对于国民生产、防灾减灾有重大意义。本文提出一种基于相空间重构的神经网络风暴潮增水预测方法,即使用单站风暴潮增水数据重构出与之相关的相空间,然后使用BP神经网络模型拟合该相空间的空间结构。将该模型用于库克斯港风暴潮增水预测,结果表明:该模型应用在风暴潮增水时间序列的预测中是合理、可行的,并具有较高的精度。此外,使用db10小波函数对原始余水位数据进行降噪处理可以显著地提高模型的预测精度。 相似文献
12.
基于多种神经网络的风暴潮增水预测方法的比较分析 总被引：1，自引：0，他引：1
简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。 相似文献
13.
人工神经网络方法估算海洋上混合层深度的初步研究 总被引：1，自引：0，他引：1
上混合层深度是海洋上层热力结构特征的重要参数.结合南海南部海区一连续温盐深观测站的实测资料和NCEP再分析风场资料,以海洋表层温度和风应力为输入,以温度差值判断方法计算所得上混合层深度为输出,采用BP神经网络和广义回归神经网络2种方法进行训练,建立了南海南部海区的上混合层深度人工神经网络计算模型.实验显示,两种模型仿真结果与温度差值方法计算结果均方根误差分别为3.58m、3.09m,线性相关分别达0.87、0.91,绝对误差分别为2.80m、2.37m,相对误差分别为9.40%、7.40%.这一结果表明,人工神经网络方法精度较高,是一种切实可行的上混合层深度估算方法. 相似文献
14.
15.
《海洋预报》2016,(4)
以BP人工神经网络可有效描述非线性问题的特性应用于短期风暴潮增水预报,利用风暴潮增水与各项影响因素的关系,建立厦门沿海的风暴潮增水预报的人工神经网络模型。该模型将以台风中心最低气压、最大风速,七级大风半径、台风中心距测站位置的距离和测站当地气压、当地风速、天文潮位及增水值、作为主要的输入因子,预测未来1 h、2 h、3 h及6 h风暴潮增水值。分别探讨厦门沿海的风暴潮増水在3种代表性热带气旋路径的影响下的模型应用情况,由预报结果的分析显示:该BP神经网络模型所预报的风暴潮增水较好的拟合了实际变化趋势,表明本模型对于厦门沿海风暴潮増水的预报具有相当不错的成效。 相似文献
16.
17.
人类频繁的海洋活动中难免发生重物落水事故,对海底管道造成撞击损伤,引起环境污染及经济损失。为保证管道在运行期间的安全性,有必要准确快速的对管道损伤进行预测以便为实际工程提供参考。BP神经网络常作为损伤预测的一种数学模型,但本身易陷入局部极小且预测精度较低。针对上述问题,本文提出了基于遗传算法的BP神经网络(GA-BP神经网络)损伤预测模型。利用有限元计算数据构成样本空间,对管道损伤进行预测,并将结果与BP神经网络、有限元计算的结果进行对比。分析表明:与BP神经网络相比,GA-BP神经网络的预测结果与有限元计算的结果较为接近,预测精度较高,其平均误差为1.27%,满足工程精度要求的同时又节省了计算时间。 相似文献
18.
在风浪流等环境条件的共同作用下,浮式海洋平台会在六自由度方向上进行摇荡运动,进而对海上作业安全构成了严峻的威胁。准确的运动极短期预报,可以作为输入条件,提高运动补偿装置的性能;另一方面也可以提供及时的实时预警信息,指导安全作业。深度学习算法是指模型通过对现有的数据进行学习,在大量的训练后使得其能够提取到数据的特征,进而能够根据输入数据对未来进行预测。通过对若干海洋平台的模型试验数据进行学习,建立了基于长短期记忆神经网络（LSTM）的深度学习模型。模型实现了对未来20~40 s内的垂荡和纵荡运动的精确预报,预报精度总体可达到80%~90%以上,并以此对模型的输入、输出窗口长度以及波浪相位差开展了敏感性研究。通过多平台混合训练得到了输入、输出窗口长度以及波浪相位差三者间的合适比例关系,并以此为基础拓展了预报时间长度,为深度神经网络模型给出了推荐的构型参考。 相似文献
19.
为了充分利用碳氧比能谱测井中的各种信息，以BP神经网络基本原理为理论基础，发挥神经网络自动识别的优势，研究并建立了预测碳氧比含油饱和度的非线性神经网络模型，通过对实际取心井资料的应用，说明该方法是一种有效的方法。 相似文献
20.
板桩码头是港口工程的一种常用结构,计算其可靠度指标对港口工程的安全意义重大。由于板桩结构的设计计算复杂,功能函数表达难度较大。Monte-Carlo法是解决此类问题的一种方法,但需要大量的抽样与数值计算,很不经济。人工神经网络模型可以用来逼近功能函数,在此基础上可平行地建立一次二阶矩法进行可靠度分析。但传统的BP神经网络模型有着容易陷入局部极小及预测精度低等问题。针对上述问题,引入Adaboost算法来改进BP神经网络模型,提出一种基于Adaboost的BP神经网络法来计算板桩结构的可靠度。以天津某板桩码头为例,采用新方法对板桩结构进行可靠度分析,并将计算结果与传统BP神经网络法及Monte Carlo法进行比较。结果表明:新方法的计算精度高于传统BP神经网络法,且计算结果与Monte Carlo法接近。 相似文献