排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
近相变区冻土导热系数是影响寒区岩土工程热稳定性的关键物性参数,针对该温度区间冻土导热系数难以精确测量的问题,提出了一种稳态热流计法试验获得导热系数、量子粒子群寻优算法近似回归定性温度的近相变区冻土导热系数测试方法,采用核磁共振技术对细砂土近相变区未冻水含量进行测试并探究了其与导热系数的关系,分析了负温区细砂土导热系数的分布特征和参数影响规律,建立了不同温度区间的导热系数预测模型。结果表明:负温区细砂土未冻水含量变化曲线与其导热系数呈现出极为相似的变化规律,温度-导热系数曲线可划分为-3.2℃为界的近相变区和稳定相变区;冻结细砂土导热系数的增幅区间主要发生在近相变区,增长幅度约占整个负温区导热系数总增幅的50%,且随温度降低,导热系数的增幅逐渐减小;预测模型平均相对误差为4.14%,±10%误差内占比为94.7%,稳定相变区确定系数R2为0.892,近相变区确定系数R2为0.883,证明了该模型具有较好的准确性。研究成果可为寒区工程温度场的计算与分析提供基础参数,亦可为寒区重大基础设施精细化设计和冻土风险精细化防控提供数据支持。 相似文献
2.
为探究青藏工程走廊带楚玛尔河地区冻融土导热系数的基本规律,采用瞬态平面热源法测试了148个冻土试样和88个融土试样导热系数。对楚玛尔河地区黏性土和砂土导热系数的总体特征及影响因素进行分析;对黏性土、砂土导热系数与干密度和含水率之间进行二元回归方程拟合,并分别建立黏性土、砂土RBF神经网络预测模型。结果表明:楚玛尔河黏性土导热系数分布较为集中,砂土导热系数离散度高,分布范围较广;二元回归方程对黏性土、砂土导热系数平均拟合优度较低;与二元回归方程相比,以干密度和含水率作为输入因子所建立的楚玛尔河黏性土、砂土导热系数RBF神经网络预测模型具有更高的精确度。研究成果可有效预测青藏工程走廊带土体导热系数,对冻土温度场计算具有重要指导意义。 相似文献
3.
为探究青藏工程走廊沿线多年冻土区活动层厚度分布情况,结合青藏公路、青藏铁路沿线300个钻孔点的活动层厚度监测数据,基于年平均地表温度、平均植被指数、等效纬度、纬度、高程和含冰量等参数建立了活动层厚度的经验公式、随机森林和径向基函数（radial basis function, RBF）神经网络预测模型。各预测模型结果表明,活动层厚度与各预测因子间具有极强的非线性关系;RBF神经网络预测模型具有最高的预测精确度,拟合优度R2达到0.84。运用RBF神经网络预测模型和高精度遥感数据绘制活动层厚度分布图,分布图显示研究区内活动层厚度主要为2~4 m,总面积为5 468.3 km2,面积占比为47.27%,主要分布于楚玛尔平原至北麓河盆地和唐古拉山区南部至头二九山区;活动层厚度大于4 m次之,总面积为3 382.3 km2,面积占比为29.24%,整体分布偏向南部地区,主要分布于布曲河谷地至头二九山区。并对研究区活动层厚度与含冰量、地温关系进行了研究,结果表明活动层厚度随含冰量增加而减小、随地温升高而增加。 相似文献
5.
热扩散系数是多年冻土对外界热扰动敏感程度的重要影响参数之一,也是寒区工程设计与建设的关键基础数据。基于瞬态平面热源法导热系数测试结果和质量加权法计算获取的比热容理论值,计算获得青藏工程走廊西大滩—唐古拉山沿线典型类别土样热扩散系数,分析对比了走廊带内冻融土热扩散系数的分布特征和参数影响规律,提出了基于经验拟合公式法和RBF神经网络方法的冻融土热扩散系数预测模型,并比较了不同预测模型的预测效果。研究结果表明:青藏工程走廊带内土的热扩散系数与粒径整体呈正相关性,融土热扩散系数按黏性土、粉土、全风化岩类、砂土及碎石土依次增大,冻土热扩散系数按黏性土、全风化岩类、粉土、碎石土及砂土依次增大;热扩散系数与容重及天然含水率相关性随土类及冻融状态差异明显,冻、融土热扩散系数呈显著正线性关系;以融土热扩散系数为拟合参数的冻土热扩散系数三元预测模型的预测精度明显高于二元经验公式;RBF神经网络模型在冻、融土热扩散系数预测中均具有最优的预测精度,为最佳预测模型。 相似文献
6.
为探究青藏高原工程走廊带昆仑山地区冻融土导热系数基本特征,采用瞬态平面热源法对钻取的349组冻土试样和245组融土试样导热系数进行了测试,分析了五类土导热系数分布特征及天然含水率、干密度与导热系数的偏相关性,并以两者为变量因素建立了经验公式拟合、支持向量回归（SVR）和径向基（RBF）神经网络导热系数预测模型。结果表明:冻融土导热系数整体均呈粗颗粒土大于细颗粒土特征,且冻土和融土导热系数随土性分布规律存在差异;天然含水率、干密度与导热系数均呈正相关性,不同土类偏相关性结果差异明显,典型土导热系数二元经验回归方程表现为非线性拟合结果。对比三种预测模型下各典型土冻融土导热系数预测结果,全风化千枚岩、角砾及砾砂三种预测模型效果整体较佳,粉土的SVR及RBF神经网络预测精度较好;融土导热系数预测效果整体略优于冻土,SVR及RBF神经网络模型下角砾、粉土及全风化千枚岩融土导热系数预测精度较高。综合导热系数模型预测效果和误差结果分析可得,SVR和RBF神经网络模型预测效果显著优于经验方程拟合,后者针对部分土性拟合效果相对较好,可满足一般工程估算需求;SVR和RBF神经网络预测模型针对不同土性导热系数预测效果呈差异性变化,整体预测效果相当,且预测精度更高、应用土性范围更广。 相似文献
1