JGN型耐高温建筑结构胶抗震加固性能研究          下载免费PDF全文

程希莹  于敏  杨瑞敏  张伟  韩意 《地震工程学报》2022,44(5):1059-1066

为有效增强建筑结构的抗震性能、提高建筑抗震水平,对JGN型耐高温建筑结构胶抗震加固性能展开研究。将高活性酚醛胺(T－31)作为主固化剂、聚酰胺树脂(PA)为辅助固化剂,结合气相白炭黑、超细石英砂、石棉纤维、纳米材料、环氧树脂等材料,制备JGN型耐高温建筑结构胶。在高温环境下,使用万能试验机分析不同配比条件对结构胶抗震加固性能的影响。测试主要以拉伸强度、压缩强度以及压缩弹性模量为指标。测试结果表明：当固化剂质量比为45∶15、气相白炭黑掺量为4.5%、超细石英砂掺量为10%、石棉纤维掺量为10.5%、纳米SiO₂掺量为3.5%、纳米CaCO₃掺量为2.5%时,JGN型耐高温建筑结构胶的拉伸强度和压缩强度更大,压缩弹性模量得到优化,结构胶的抗震加固性能达到最佳状态。  相似文献   

基于BMA多模型组合的疏勒河径流预测研究     

周婷  温小虎  冯起  尹振良  杨林山 《冰川冻土》2022,44(5):1606-1619

准确可靠的径流预测对于水资源的科学管理与规划具有重要意义,特别是在水资源紧缺的干旱半干旱地区,径流预测对流域内水资源高效利用与水利工程经济运行具有重要现实意义。针对径流预测通常采用单一方法进行建模与预测,难以利用各预测模型优势的问题,本文利用极限学习机（ELM）模型、支持向量机（SVM）模型、多元自适应回归样条（MARS）等机器学习方法建立了疏勒河上游未来1~7日的径流预测模型。在此基础上,运用贝叶斯模型平均（BMA）方法对ELM、SVM、MARS模型的预测结果进行组合,构建了径流组合预测模型,以获取更可靠的预测结果,并采用蒙特卡洛抽样方法获取BMA的95%置信区间,对预测结果进行了不确定性分析。结果表明：ELM、SVM、MARS模型以及BMA组合模型均适用于干旱半干旱地区的中长期日径流预测;BMA的预测精度较单一模型更高,能够提供更准确的预测值;BMA的95%置信区间对实测值覆盖率高,同时能够提供较好的确定性预测和概率预测结果。表明BMA在资料有限的条件下,表现出较单一模型更高的预测性能,可以成为干旱半干旱地区中长期日径流预测的有效方法。  相似文献   

Treatment Effects of Tunnel Entrance Collapse Section Based on Field Monitoring Results北大核心CSCD     

郝付军 《地质与勘探》2022,58(5):1099-1107

为评价隧道洞口塌方段的安全性,基于累计变形预测和变形速率趋势分析模型,结合工程实例,研究隧道洞口塌方段的处理效果。实例分析表明：在累计变形预测方面,GA-VMD模型在隧道变形数据的信息分解过程中具有明显的优越性,可利用其将隧道变形数据分解为趋势项和误差项,且通过组合预测能有效保证预测精度,得出累计变形的后期仍具一定增加趋势,但增加速率相对较小;在变形速率趋势分析方面,变形速率具下降趋势,且随时间持续,下降趋势更为显著。综合对比两者结果,隧道变形无明显增加趋势,并趋于稳定方向发展,说明塌方处理措施是合理有效的,为其防治效果评价提供了理论依据。  相似文献   

基于机器学习的表层土壤成矿元素空间预测: 以稀有金属铷元素为例     

戴亮亮  聂小力  郭军  巩浩  吴欢欢  张涛  汤媛媛  毛聪  彭志刚  贺灿 《现代地质》2022,36(3):972-978

近些年随着土地质量地球化学调查工作的开展,获取了大量表层土壤样品数据。然而,这些数据也存在一个明显的缺陷,即1∶50 000大比例尺表层土壤数据往往缺少成矿元素。鉴于土壤成矿元素含量对于矿产资源勘查的重要指示作用,尝试基于现有数据对大比例尺表层土壤成矿元素含量提供一个补全方案。以稀有金属铷元素为例,采用随机森林算法把同一区域2 548组1∶250 000小比例尺表层土壤数据按照8∶2的比例随机分为两组,用80%的数据进行训练建模,20%的数据对模型进行验证。采用变量重要性度量排序和构建学习曲线的组合方法优选了8种元素(K、B、Ni、V、Zn、As、Co、Cu)作为预测变量,模型对训练数据和测试数据的拟合优度R²分别达到0.983 2和0.895 6,说明预测变量的优选方法是有效的。随后将1∶50 000表层土壤的上述预测变量数据作为输入变量导入模型中,得到预测的Rb元素含量,预测结果比较符合实际特征。本研究表明将大数据机器学习随机森林算法引入表层土壤地球化学元素含量空间定量预测具有可行性,可进一步拓展土地质量地球化学数据的服务应用维度。  相似文献   

基于机器学习模型的淮河流域中长期径流预报研究     

胡义明  陈腾  罗序义  唐超  梁忠民 《地学前缘》2022,29(3):284-291

准确可靠的中长期径流预报是支撑水资源科学调配、提高水资源利用效率的关键。本研究采用AdaBoost模型(AdB)、随机森林模型(RF)和支持向量机模型(SVM)进行淮河流域王家坝和蚌埠站当年11月至次年10月共12个月的中长期径流预报研究。采用置换准确度重要性度量法从130项气象-气候因子及前期降雨/流量构建的1 562个因子变量中筛选出影响各月径流的关键因子,构建了基于AdB、RF和SVM模型的各月径流预报模型,模型参数采用随机搜索技术并结合交叉验证方式确定。采用变幅误差合格率和等级(五级)预报合格率指标对模型的预报精度进行了评估。变幅误差合格率指标表明,王家坝12个月的平均合格率分别为99.8%(AdB)、96.6%(RF)和95.9%(SVM),蚌埠站分别为100%(AdB)、94.8%(RF)和93.8%(SVM);等级预报合格率指标表明,王家坝12个月的平均合格率分别为79.0%(AdB)、76.4%(RF)和79.9%(SVM),蚌埠站分别为81.0%(AdB)、75.6%(RF)和76.6%(SVM)。模型均具有较好的预报效果,但RF和SVM模型对于高流量值的预报存在偏低现象,AdB模型整体上优于RF和SVM模型。  相似文献   

基于机器学习的锆石成因分类研究     

朱紫怡  周飞  王瑀  周统  侯照亮  邱昆峰 《地学前缘》2022,29(5):464-475

锆石是在自然界中多种温压条件下能够稳定保存,并记录原岩年龄信息的副矿物。锆石微量元素能完整记录地质演化过程信息。通过微量元素分析锆石成因的研究已久,通常利用Th-U图解和La_N-(Sm/La)_N图解等二元图解对锆石进行分类研究。然而,随着锆石研究的深入,以及二元图解无法呈现数据高维度信息的局限性,传统图解已经不能满足对锆石类型进行准确判别,且对已知类型的锆石出现判定偏差。因此,本文将地质大数据与机器学习相结合,训练出高维度锆石成因分类器。文中收集了3 498条不同成因类型的锆石微量元素数据,并通过测试和运用随机森林、支持向量机、人工神经网络和k近邻等4种机器学习算法,最终得出准确率为86.8%的线性支持向量机锆石成因分类器,用于锆石类型的判定与预测。这项工作为锆石分类研究提供了更高维度的判别手段,极大提高了微量元素分析成因结果的精度。将锆石微量元素数据与机器学习方法相结合,是大数据分析与机器学习技术在地球化学研究中的积极探索。  相似文献   

社交媒体数据在自然灾害应急管理中的应用研究综述   总被引：1，自引：1，他引：1  

邬柯杰  吴吉东  叶梦琪 《地理科学进展》2020,39(8):1412-1422

社交媒体是灾害应急管理的一个新兴但尚未充分利用的大数据源。然而,社交媒体数据在灾害应急管理中能发挥什么作用,目前国内的研究较少,而国外的研究亦较为分散,相关应用受限。论文对国内外利用社交媒体数据进行灾害管理相关研究进行了综述,归纳出社交媒体数据在灾害应急管理中应用的潜力、优势和问题。结果发现：① 社交媒体数据含有丰富的灾害信息,能够依靠态势感知和信息共享支持灾害预警、实时监测、损失和救助需求评估、协助快速应急响应以及预测可能的灾害风险等灾害管理工作;② 社交媒体数据的优势在于能保证灾害信息的实时性和连续性,进而提供致灾强度图、损失预测和舆情分析等结果服务于灾害应急管理;③ 地理位置信息有限、专业语料库缺乏、信息噪声处理的复杂性等原因使社交媒体数据分析结果精度受限。如何发挥社交媒体数据社会感知的优势,以弥补传统观测调查手段的不足,更加科学应对灾害应急,仍需要在社交媒体数据处理及多源数据融合分析技术方面取得突破。  相似文献   

Least‐square support vector machine applied to settlement of shallow foundations on cohesionless soils     

Pijush Samui  T. G. Sitharam 《国际地质力学数值与分析法杂志》2008,32(17):2033-2043

This paper examines the potential of least‐square support vector machine (LSVVM) in the prediction of settlement of shallow foundation on cohesionless soil. In LSSVM, Vapnik's ε‐insensitive loss function has been replaced by a cost function that corresponds to a form of ridge regression. The LSSVM involves equality instead of inequality constraints and works with a least‐squares cost function. The five input variables used for the LSSVM for the prediction of settlement are footing width (B), footing length (L), footing net applied pressure (P), average standard penetration test value (N) and footing embedment depth (d). Comparison between LSSVM and some of the traditional interpretation methods are also presented. LSSVM has been used to compute error bar. The results presented in this paper clearly highlight that the LSSVM is a robust tool for prediction of settlement of shallow foundation on cohesionless soil. Copyright © 2008 John Wiley & Sons, Ltd.  相似文献   

基于Gabor变换和支持向量机的手写体字符识别算法     

任德昊  陈超  李文藻 《成都信息工程学院学报》2009,24(4):370-373

针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值.  相似文献   

支持向量机在海洋随机资料分析中的应用     

付晓  王晓燕  张海波  刘雷 《海洋技术学报》2008,27(1):89-91

在随机海洋资料的分析中,需要从大量的实际数据中提取出有用的信息来建立或检验各种海洋理论模型,因此我们要正确运用适当的手段来分析处理各种实际数据。文中简要介绍了数据挖掘中一项新的技术支持向量机,着重介绍了最优化问题的求解算法,以及如何应用于海洋资料的分析处理。  相似文献