排序方式: 共有16条查询结果,搜索用时 46 毫秒
1.
2.
基于正交设计的复杂坝基弹塑性力学参数反演 总被引:8,自引:1,他引:8
复杂坝基弹塑性力学参数反演的计算工作量直接取决于采用何种优化方法。根据大坝在运行期的实测资料,运用有限元正交数值试验、回归分析和优化相结合的方法,反演了坝基岩体的弹塑性力学参数。实例研究表明了该方法的有效性和实用性。 相似文献
3.
基于一种改进的支持向量机(?-SVR)和改进的遗传算法(GA),提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用?-SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用?-SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于?-SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。 相似文献
4.
交叉裂隙作为裂隙网络的基本结构是控制场地尺度非饱和渗流特性的关键。随着流量的减小,交叉裂隙非饱和渗流将从连续、稳定的线状流转变为非连续、非稳定的滴状流,但目前对后者的研究还很少。在滴状流条件下,开展了交叉裂隙非饱和流动特性的理论和试验研究,发现了交叉裂隙滴状流存在毛细力驱动以及重力与毛细力联合驱动两种分流驱动模式。基于瞬态静力平衡方法,提出了一套液滴分流理论及计算模型,实现了动态分流过程的定量化描述与预测。结合模型预测与可视化试验,详细探究了两种模式下液滴的分流过程,阐明了动态分流行为受重力、毛细力、黏滞力共同控制的细观机制,并揭示了液滴长度、裂隙倾角、通道中液体的累积等因素对界面流速、分流体积比例的影响。研究成果为低流量、低饱和度条件下非饱和裂隙岩体渗流的预测与控制提供了理论及试验支撑。 相似文献
5.
岩体裂隙的溶蚀现象广泛存在于自然过程和工程实践,重力对溶蚀过程具有重要作用。可视化观测技术是研究粗糙裂隙溶蚀机理的关键手段,然而传统的可视化技术存在裂隙粗糙壁面难以复制、溶蚀过程难以实时观测等问题。通过自主研发的粗糙裂隙溶蚀过程可视化试验平台,开展了垂直裂隙和水平裂隙在4种流量条件(0.05,0.1,0.3,1 mL/min)下的溶蚀可视化实验,研究了重力效应对溶蚀模式和溶蚀形态的影响,采用分形维数量化了不同溶蚀模式的形态学特征,最终确定了不同佩克莱数(Pe)条件下的突破时注液量。试验结果表明:在Pe≤62.1范围内,重力效应对溶蚀模式具有重要影响,垂直裂隙中的溶蚀发育为浮力主导模式和通道模式,重力效应将诱发单一、集中的溶蚀通道;而水平裂隙则统一发育为开度演变均匀、宽度较大的通道,即经典的虫洞溶蚀模式;在Pe数较大时(Pe=207.0)时,垂直裂隙和水平裂隙中的溶蚀均发育为均匀溶蚀。试验结果还证实了垂直裂隙更易发育为贯通的溶蚀通道,从而加速溶蚀突破;Pe=20.7时为最优注入条件,垂直裂隙的突破时注液量最小。在此条件下,垂直裂隙的突破时注液量仅为水平裂隙的1/4。建议重点关注重力效应对... 相似文献
6.
基于相空间重构的边坡位移预测 总被引:20,自引:1,他引:19
根据边坡位移时间序列的非线性性质,应用基于相空间重构的实时预测方法,可以充分利用时间序列信息,预测各种边坡变形演化趋势,讨论了局域法和基于Lyapunov指数的预测法,实例研究表明,基于相空间重构的预测方法具有比非平稳时间序列更高的预测精度和更广的适应性。 相似文献
7.
8.
9.
基于一种改进的支持向量机(ν-SVR)和改进的遗传算法(GA),提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用ν-SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用ν-SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于ν-SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。 相似文献
10.
基于v-SVR和GA的初始地应力场位移反分析方法研究 总被引:5,自引:3,他引:5
基于一种改进的支持向量机(v-SVR)和改进的遗传算法(GA),提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用v-SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用v-SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于v-SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。 相似文献