排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
传统线性元件组合模型难以描述岩石非线性加速蠕变阶段特性,给工程应用带来了巨大困难。提出一种新的应变触发非线性黏壶元件,并将其与Bingham模型串联,建立了可以描述岩石等速和加速蠕变特性的一维本构模型,进而推导出相应的三维蠕变本构模型,再将三轴压缩过程中岩石弹性模量的衰减方程引入该三维蠕变本构方程,得到一个能反映岩石蠕变全过程特性的三维非线性黏弹塑蠕变本构模型,根据泥岩蠕变试验数据对该模型参数进行了辨识。模型理论计算值与泥岩蠕变试验数据的对比表明改进的Bingham模型不仅可以充分反映软岩的等速蠕变特性,还可以很好地描述软岩的衰减和加速蠕变规律,且模型元件少,组合形式简单,为软岩非线性蠕变本构模型研究提供了新的借鉴。 相似文献
2.
基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型 总被引:1,自引:0,他引:1
高斯过程回归(GPR)学习机有着容易实现、超参数自适应获取及预测输出具有概率意义等优点。通常采用共轭梯度法获取GPR超参数,但其存在优化效果对初值依赖性太强,迭代次数难以确定,易陷入局部最优的缺点。改用粒子群优化 (PSO)算法进行最优超参数搜索,形成粒子群-高斯过程回归耦合算法(PSO-GPR)。将该算法引入三峡永久船闸高边坡、卧龙寺新滑坡、链子崖滑坡3个不同的典型滑坡变形时序分析中,对每个滑坡分别采用稳态核及一种新式神经网络(NN)、平方指数(SE)、有理二次型(RQ)3种单一核函数进行外推预报测试。工程应用表明,基于3种不同单一核函数的粒子群-高斯过程回归算法(PSO-GPR)均能完全适应不同滑坡时序分析,其中以NN核函数外推预测效果最佳,平均相对误差分别为6.37%、7.62%、1.07%,从而改善了在进行不同滑坡变形时序分析时采用单一核函数的核机器外推能力存在较大差异性的问题,提高了单一核函数对不同数据类型的兼容性 相似文献
3.
4.
施工期围岩快速分级是保证隧道施工安全和工程质量的关键措施。结合绩黄、宁绩高速公路隧道群施工期围岩分级实践,在大量现场测试和室内试验的基础上,提出了一种基于国标BQ分级的新分级体系,并给出了每个分级指标的现场快速测试方法。用新分级体系进行隧道施工期围岩的快速分级工作,并以分级结果作为进化支持向量回归算法分级的训练样本,建立了隧道围岩分级的进化支持向量回归智能模型。为了方便现场使用,依据支持向量回归理论,将智能模型进一步转化为初等函数数学模型,经隧道围岩分级实例验证了该初等函数数学模型的准确性,为隧道施工期围岩快速分级提供了一种简便的新方法。 相似文献
5.
官寨井田位于贵州省黔西县西南部,已查明井田内9号煤层矿产资源量6 405万t,潜在矿产资源量1 278万t;9号煤为中—细条带状结构,似金属光泽,参差状断口,内、外生裂隙较发育,属中等可磨煤;宏观煤岩类型为半暗—半亮型,显微煤岩类型为微镜惰煤;煤质为中高灰分、特低挥发份、中高固定碳、中高硫、特低磷、中热值、高稳定性的三号无烟煤,可作动力煤和民用燃煤使用。 相似文献
6.
通过对白布井田水文地质资料的分析研究,认为浅部6上、6中、7号煤层开采时充水水源为顶板进水的长兴组岩溶裂隙水、含煤地层裂隙水、滑坡体中的孔隙水;充水通道主要为裂隙、岩溶管道、导水裂隙带、断层带。井田深部低于白布河水位的各煤层除受上述充水水源影响外,也受河水的影响。开采东北、东南角深部28、33号煤层时,局部还会受下部茅口组岩溶水充水水源的影响。井田属以裂隙、孔隙含水层充水为主,水文地质条件中等的煤矿床。 相似文献
7.
基于遗传-广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究 总被引:1,自引:0,他引:1
广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。 相似文献
8.
岩石在蠕变的过程中其基本力学参数变形模量E、内聚力c和内摩擦角是随时间和应力逐渐弱化的。本文对现行蠕变设备特点进行分析,研制了一套新型的五联单轴蠕变仪,此仪器能够在相同的应力条件下同时进行5个试件的蠕变试验。并且使用该仪器对宝鸡市秦源煤矿泥岩的力学参数E、c、在蠕变试验中的弱化规律进行了研究。提出了把粘塑性应变作为泥岩力学参数弱化的指标,得出了泥岩E、c、随粘塑性应变呈指数衰减的函数关系,并计算了该泥岩破坏时的E、c、。对该泥岩E、c、和粘塑性应变的函数关系式进行了分析,得到了岩石E、c、和应力(σ)以及时间(t)的耦合函数方程,为后续岩石非定常本构模型的研究奠定了基础。 相似文献
9.
基于组合核函数的高斯过程边坡角智能设计 总被引:2,自引:0,他引:2
高斯过程(GP)是近年来发展迅速的一种全新学习机。与支持向量机(SVM)相比,该方法有着容易实现、超参数可自适应获取及预测输出具有概率意义等优点。结合边坡工程中的边坡角设计,编写了在多种因素影响下边坡角设计的GP程序,为克服单一核函数预测精度和网络泛化能力差的缺点,采用单一核函数相加作为GP的组合核函数,将自动关联性测定参数(ARD)引入其中,建立了关于超参数的GP回归网络模型,使用共轭梯度下降算法导出最优超参数,用ARD超参数进行输入属性相关性分析和特征选取,并以此网络对测试样本进行学习预测,结合支持向量回归方法给出了在回归问题上的应用和对比分析。结果表明:在边坡角智能设计应用中,采用组合核函数的GPR网络ARD参数具有明确的物理意义,预测回归性能优于SVM,且预测输出的概率解释能更好的体现预测值的代表性,为边坡角设计开辟新径。 相似文献
10.
1