排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
软基上快速填筑路堤时的稳定控制十分重要。现行规范中采用了位移与位移速率作为控制标准,而实践证明,采用现行标准仍出现一些失稳事例,说明这些标准存在一定局限性,需加以改进。提出了临界状态线的概念,该临界状态线系基于多个工程观测的成果与离心模型试验所得数据,分别以道中沉降速率与坡脚水平位移速率作为坐标轴所得到的一条分界线。临界状态线将路堤的状态划分为稳定区域和非稳定区域,因而是个合适的控制指标。综合采用常用的道中沉降速率、坡脚水平位移速率2个指标以及附加的临界状态线指标,提出了改进的施工稳定控制标准,它比只考虑道中沉降和坡脚水平位移速率,更加符合路堤失稳机制。 相似文献
3.
土地是承载粮食生产、经济发展和生态环境建设的基石,面对生产技术进步和人类对土地的大强度开发,有限的土地正承受着前所未有的压力.科学地测度土地的压力状态,是合理制定区域土地可持续利用管理的重要依据.从粮食生产、经济发展和生态环境安全三方面,探讨了黑龙江省土地的压力状态测度方法及其压力状态的空间分布格局与成因机理.结果表明:黑龙江省土地压力的各项指标具有明显的空间梯度分异规律,土地综合压力指数自西向东逐渐由高到低分布,耕地压力指数由北向南从低到高,建设用地沿西北-东南轴线方向逐渐减小,并在这一轴线的两翼向西南和东北方向逐渐降低,生态用地压力呈面状和团粒状分布格局. 相似文献
4.
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