共查询到10条相似文献,搜索用时 15 毫秒
1.
地震砂土液化预测模型研究 总被引:1,自引:0,他引:1
本文通过对砂土液化机制的研究,建立了临界液化状态下的超静孔隙水压力随地震地面加速度及地震持续时间的关系式,利用该模型可以确定砂土层达到临界液化状态所需地震持续时间及液化可能发生的深度,并根据唐山地区的砂土液化资料进行了实例分析。 相似文献
2.
由于砂土地震液化危害具有随机性和不确定性,本文提出了砂土地震液化危害的概率分析方法,即用概率表示不液化、轻微液化、中等液化和严重液化,并给出了采用Monte Carlo法(蒙托卡罗法)计算液化危害概率的表达式.对一算例进行了分析,认为概率分析方法能较清楚地反映液化危害程度. 相似文献
3.
砂土地震液化势的二级模糊综合评判 总被引:1,自引:0,他引:1
基于砂土地震液化的工程实例,采用模糊综合评判的二级评判方法对砂土的液化势进行了评价,并同其它评判方法进行了对比分析,表明该方法取得了较好的结果. 相似文献
4.
饱和砂土地震液化判别的可拓聚类预测方法 总被引:4,自引:0,他引:4
基于可拓学的物元模型和聚类分析原理,提出了饱和砂土地震液化判别的可拓聚类方法。选取地震烈度、震中距、砂层埋置深度、地下水位、标贯击数、平均粒径、不均匀系数和动剪应力比等8个影响因素,作为饱和砂土地震液化的评价因子,构建了经典域物元和节域物元。应用物元理论和可拓集合中的关联函数,建立预测模型,通过聚类分析得到饱和砂土地震液化的判别结果。实例研究表明,该模型能客观地反映砂土的液化规律,可拓聚类预测方法应用于饱和砂土地震液化判别是有效可行的。 相似文献
5.
6.
在对砂土地震液化各影响因素分析的基础上,引入整合式模糊聚类神经网络的数据挖掘模型.该模型以模糊系统为框架,结合聚类分析技术和神经网络模式,建立砂土液化与其影响因素之间的非线性关系.运用所建立的模型,对国内外400组砂土地震液化资料进行分析,来预测砂土液化现象.数据挖掘结果的误判率及分类矩阵表明,文章的系统模式在判断砂土地震液化时能取得较好的效果. 相似文献
7.
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。 相似文献
8.
为研究地震作用下饱和砂土液化判别及地震放大效应的影响因素,采用边界面塑性模型框架内开发的砂土本构模型,基于开源有限元平台OpenSees建立了一维剪切梁土柱模型。以循环应力比CSR和循环抗力比CRR为控制指标,对比了不同液化判别方法的差异,分析了地震荷载类型和砂土相对密度对液化判别和放大效应的影响。研究表明:与数值模拟结果相比,Seed简化法计算的CSR更大,判断饱和砂土场地发生液化的可能性更高;冲击型地震波较振动型地震波更容易使饱和砂土场地发生液化,砂土相对密度越小场地越容易发生液化;放大系数随埋深的减小而增大,振动型地震波引起的放大效应整体大于冲击型,埋深较大时放大系数随砂土相对密度的增大而减小。 相似文献
9.
地震引起地基土层中的砂土液化,其临界液化深度是多少?世界岩土工程界进行了大量的实际资料分析和试验研究,至今众说纷纭。笔者在综合分析各国专家研究成果时,从中发现地震引起砂土液化的普遍自然规律,并建立起Gan—chen模式,可简易计算砂土液化的临界深度在5~12m范围内。 相似文献