排序方式： 共有4条查询结果，搜索用时 11 毫秒
1
1.
岩体变形模量是表征岩体变形特性的最重要参数之一，其获取手段有室内试验与现场试验法、经 验 关 系 法、数 值 模 拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法，但神经网络易陷入局部极小值和过学习而导致低精度，支持向量机回归（ＳＶＲ）方法能有效地避免神经网络的以上缺陷，并在小样本、非线性预测方面具有较大优势，但目前 ＳＶＲ 应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托，采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上，以３个国内的水电站为例，分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化－支持向量机回归（ＰＳＯ－ＳＶＲ）变形模量预测模型，同时，通过与 ＢＰ神经网络（ＢＰ－ＮＮ）、ＲＢＦ神经网络（ＲＢＦ－ＮＮ）２种预测方法进行对比，对比分析表明ＳＶＲ模型具有更高的预测精度，预测效果较好，说明 ＰＳＯ－ＳＶＲ方法更适用于岩体变形模量预测。 相似文献
2.
岩体变形模量是表征岩体变形特性的最重要参数之一,其获取手段有室内试验与现场试验法、经验关系法、数值模拟法、人工智能预测方法等。人工智能预测方法中常用的是神经网络方法,但神经网络易陷入局部极小值和过学习而导致低精度,支持向量机回归(SVR)方法能有效地避免神经网络的以上缺陷,并在小样本、非线性预测方面具有较大优势,但目前SVR应用于岩体变形模量预测的研究较少。以某水电站坝址区英安岩的试验数据为依托,采用灰色关联分析筛选出与变形模量最相关的纵波波速作为输入变量。在此基础上,以3个国内的水电站为例,分别建立相应的以实测纵波波速作为输入变量的粒子群算法优化-支持向量机回归(PSO-SVR)变形模量预测模型,同时,通过与BP神经网络(BP-NN)、RBF神经网络(RBF-NN)2种预测方法进行对比,对比分析表明SVR模型具有更高的预测精度,预测效果较好,说明PSO-SVR方法更适用于岩体变形模量预测。 相似文献
3.
以岩质边坡中常见的平面滑动为研究对象,研究其最优锚固方向角的计算方法。将锚索自由段单位长度能提供的最大抗滑增量作为目标控制变量,将坡面和滑动面特征参数与锚索设计参数作为优化控制自变量,通过坐标系转换得到的线性方程组对锚索的预拉力进行分解,并根据锚索支护时的三维模型建立了锚索自由段长度的优化公式,进而推导了用于锚固方向角三维优化的新计算方程。在该方程的基础上借助MATLAB软件中的fmincon函数对锚索加固方向不受限制时的锚固方向角进行了优化。最后通过锚固方向角敏感性分析与工程实例分析相结合,证明了推荐的最优锚固方向角计算方法的有效性与先进性。新方法有效地解决了边坡坡面与滑动面走向存在夹角时最优锚固方向角的求解问题,可进一步提高锚索的锚固效益,降低边坡的支护费用。 相似文献
4.
异性层面剪切特性及水致劣化规律是巴东组地层岩体稳定性及地质灾害致灾机制研究的基础。以巴东组3类典型异性层面(粉砂质泥岩/泥质粉砂岩、泥质粉砂岩/泥灰岩、泥灰岩/泥岩)为研究对象,首先开展了3类典型异性层面的壁岩电镜扫描试验、天然及饱水状态下的壁岩单轴压缩试验,分析了巴东组典型异性层面壁岩微观特性及壁岩宏观力学性质的水致劣化规律。在此基础上,开展了天然和饱水状态下3类典型异性层面的室内直剪试验,研究了巴东组典型异性层面剪切特性,提出了异性层面基本摩擦角的预测公式。基于上述试验结果,分析了巴东组典型异性层面的水致劣化规律。研究表明:(1)巴东组异性层面壁岩黏土矿物含量及微观结构对异性层面剪切特性的水致劣化规律具有重要影响;(2)异性层面的基本摩擦角介于两侧壁岩对应的同性结构面的基本摩擦角之间,且更接近强度较低一侧壁岩同性结构面的基本摩擦角;(3)异性层面的水致劣化系数主要受控于强度较低一侧壁岩的软化系数;(4)巴东组粉砂质泥岩/泥质粉砂岩、泥质粉砂岩/泥灰岩及泥灰岩/泥岩间异性层面的劣化系数分别为0.915、0.951和0.731。 相似文献
1