排序方式： 共有3条查询结果，搜索用时 62 毫秒
1
1.
水平加筋是广泛应用的软土地基处理方法之一,而水平加筋地基极限承载力的确定是其地基处理设计的重要依据。因此,首先结合条形基础下水平加筋地基的工程特点,在探讨其承载机制和破坏特点的基础上,考虑破坏间断面上筋材与地基土体的变形协调,构建出反映加筋参数变化影响的可变破坏模式及机动允许速度场;然后,在此基础上,通过重点研究筋材的能量耗散分析方法,并引入上限极限分析理论,建立出条形基础下水平加筋地基极限承载力分析模型,再引入序列二次规划优化分析理论,建立出条形基础下水平加筋地基极限承载力确定方法,它能充分反映加筋设计参数对地基破坏模式及承载力的影响;最后,通过试验结果与该方法及现有同类分析模型结果的比较分析,表明了该模型与方法的合理性与可行性。 相似文献
2.
针对现有加筋土坡稳定性分析研究大多基于线性Mohr-Coulomb破坏准则的现状,本文考虑了岩土材料破坏的非线性特性,采用非线性破坏准则和外切直线法,引入极限分析上限理论进行研究。根据加筋土坡的工程特性和变形机理,考虑破坏滑动层上筋材与土体变形协调特点及速度变化的连续性,分开计算素土的内力功和筋材能量耗散功率,在此基础上,建立直线破裂面和对数螺线破裂面机构的加筋土坡临界高度确定方法。对极限状态下加筋土坡临界高度的目标函数,采用序列二次规划非线性优化算法,得到上限解。最后,通过工程算例分析,并与已有离心模型试验结果和理论研究方法计算结果进行对比,结果表明本文计算方法考虑间断面滑动层筋材与土体变形协调及速度变化连续性是合理的,得到的上限解更优;非线性参数对加筋土坡稳定性有着重要影响,临界高度随非线性参数m的增大而减小。 相似文献
3.
机器学习在崩塌滑坡泥石流地质灾害易发性分析评价领域已得到广泛的研究性应用,非灾害样本的选取是易发性建模过程中的关键问题,传统随机抽样和手工标注方法可能存在随机性和主观性。将土质崩塌易发性评价视为正例无标记(positive and unlabeled,简称PU)学习,提出了一种结合信息量(information value,简称IV)和间谍技术(Spy)的两步卷积神经网络(convolutional neural networks,简称CNN)框架(ISpy-CNN)。以广州市黄埔区崩塌编录和15类基础环境因子,通过信息量模型筛选出部分低信息量样本;采用间谍技术训练CNN模型,从低信息量样本中识别出具有高置信度的可靠负例划分为非崩塌样本;分别基于该学习框架、传统间谍技术和随机抽样,使用支持向量机(support vector machine,简称SVM)和随机森林(random forest,简称RF)对比验证。结果表明,ISpy-CNN框架在验证集上的准确率、F1值、敏感度和特异度较随机采样分别提升了6.82%,6.82%,6.82%,8.23%,较传统Spy技术分别提升了2.86%... 相似文献
1