一、最大似然估计与一般多元回归在边坡稳定性分析中的应用(论文文献综述)
崔晨阳[1](2021)在《黄土地区抗滑桩边坡的时间效应及其长期稳定性预测》文中提出抗滑桩因其抗滑能力强、结构简单、施工方便等优点在边坡加固工程领域广泛使用。然而,抗滑桩边坡的工程质量受到长期外部环境(降雨、温度、风化等)的影响而不断变化,从而出现各种病害,影响工程质量,影响抗滑桩边坡工程的长期稳定性。因此,论文围绕黄土地区抗滑桩边坡长期稳定性这一主题,借助实例调研、室内试验、现场监测、数值模拟与理论分析相结合的手段进行黄土地区抗滑桩边坡的时间效应分析及其长期稳定性预测。论文主要内容与创新成果如下:(1)基于现场调研,探讨了黄土地区服役期抗滑桩加固边坡的适用性、总结了抗滑桩边坡的破坏类型、概化了破坏模式、分析了影响其长期稳定性的因素。抗滑桩边坡变形破坏模式有剪断或折断、倾斜/倾倒、土拱效应失效与越顶四种典型破坏形态,土体物理力学性质、边坡几何形状、抗滑桩结构参数、服役时间与极端降雨等因素决定了坡体长期稳定性状态。(2)提出了基于现场监测及参数反演的黄土最佳蠕变参数值,揭示了抗滑桩边坡蠕变因素作用下坡体质量的衰减演化规律。基于现场位移监测数据,采用正交试验反分析法,对Singh-Mitchell模型参数进行反演,获得黄土最佳参数值;代入蠕变耦合模型拟合计算,得到了抗滑桩边坡的长期稳定性。(3)基于陕北地区极端降雨特征和降雨入渗过程数值仿真分析原理,结合非饱和黄土吸力与渗流特性,建立了蠕变与极端降雨联合作用下数值计算模型,揭示了极端降雨对边坡长期稳定性的影响规律,得到了极端降雨条件下黄土地区抗滑桩边坡长期稳定性的时间效应。(4)基于强度折减法,结合灰色理论及多元非线性回归分析理论,借助ABAQUS数值计算软件,得到长期稳定性系数对各影响因素的敏感性,建立了黄土地区抗滑桩边坡长期稳定性的预测模型,并依据工程实例进行了验证。
周峙[2](2021)在《降雨-蒸发作用下皖江裂隙性粘土裂隙演化机制及边坡破坏机理》文中指出随着我国长江经济带发展战略规划的实施,沿江地区高速公路建设日益增多。在安徽沿江地区高速公路建设中,一种灰白色裂隙性黏土(简称“裂土”)边坡经历多次降雨-蒸发循环后发生大量边坡失稳,给高速公路运营带来了巨大的安全隐患和经济损失。区内裂土在温度和相对湿度等环境因素循环变化下,土体高度非线性行为使其开裂行为变得十分复杂,裂隙的萌生、扩展不仅降低了土体的抗剪强度,而且引起边坡渗流场变化,导致边坡稳定性显着降低。因此,系统研究裂土在降雨-蒸发作用下的裂隙萌生演化机制,不仅可以丰富黏土裂隙扩展机理研究成果,还有助于揭示裂土边坡的破坏模式与灾变机理。论文开展的主要工作及研究成果如下:(一)综合运用野外调查、文献调研、室内试验,探究了皖江地区裂土地质成因、矿物成分、微观结构、胀缩特征等工程物理力学特性,提出了皖江地区裂土的野外判别特征。研究发现,无为裂土试样中黏土矿物以蒙脱石为主,达到69%,表现为显着膨胀;枞阳、巢湖、含山等地试样因冷干古气候特征致使长石、云母等硅酸盐矿物脱钾形成富集伊利石黏土矿物,含量占比分别达到43%-57%。研究区域裂土自由膨胀率范围为27.5%42.5%,塑限18.2%29.0%,标准吸湿含水率1.398%2.898%,天然状态下膨胀力为52.072.1k Pa,均反映区内膨胀性较弱,较高含水率状态的土体更易发生收缩变形,是皖江地区大量裂土边坡雨后经短暂蒸发后快速开裂的关键原因。(二)通过不同干湿循环作用下裂土试样微观结构定量分析,探究了干湿循环作用下裂土开裂微观机制。研究发现,初期经历干湿循环和阳离子交换作用的土体,使得颗粒间片状结构表面的负电位降低,土粒间的吸力占据优势,致使土颗粒得以相互靠近并絮凝成小单元团的絮凝状结构。经历淋滤作用与蒸发作用后的土体,易溶盐的流失与毛细压力的散失导致颗粒单元体间的胶结作用与毛细粘聚作用降低,结构出现松动。微裂隙含量骤增指示着宏观裂隙的发展,也是导致孔隙平均形状变化趋于复杂的主要原因。(三)基于干湿循环作用下三轴试验和微观结构定量研究,对不同干湿循环次数下裂土微观参数与裂隙率、内摩擦角、粘聚力、弹性模量进行回归分析,分别建立线性回归模型和非线性回归模型。在统计损伤理论框架内,建立并推导干湿循环荷载作用下的基于Laplace分布的裂土应变硬化统计损伤本构模型。提出裂土微元强度服从Laplace分布的假定,同时考虑初始损伤门槛影响,引入双损伤变量探究了裂土干湿循环开裂和应力水平作用下宏-微观损伤机制。模型较好的模拟了裂土在干湿循环、围压共同作用下的全应力-应变曲线,干湿循环次数愈多,围压愈高,模型吻合程度越高。(四)基于裂土单向干燥试验,探究了裂隙萌生与演化规律。在线弹性断裂力学理论框架内,提出了不同裂隙演化阶段的断裂适用准则,并求解了裂土体缩裂隙阶段应力场和位移场。基于COD断裂准则和粘断裂模型,在PFC5.0中编制FISH语言实现裂土裂隙扩展阶段的数值模拟,数值分析结果与试验现象较为一致。裂隙萌生极易在凹陷薄弱处出现,较高初始含水率试样裂隙数目显着比低含水率试样。实验条件下,开裂最初发生于容器壁和粘土之间的界面处仅是一种边界效应的体现,且边界约束效应的存在会显着影响裂隙的扩展。脱湿过程中,土体会产生较高的弹性收缩应变能,需要通过形成裂隙表面能消耗部分弹性应变能,残余的弹性应变能则以裂隙扩展形式吸收;试样在主裂隙网络形成后,随着时间的增长,仅主裂隙发生增宽加深,而次生裂隙在残余收缩阶段发生扩展的概率较小。(五)基于饱和-非饱和入渗理论,探究了裂隙对边坡暂态饱和区、裂隙深度、角度、分布位置、数量对边坡瞬态渗流场的影响;随后提出裂隙优势流的概念模型,并基于Green-Ampt入渗模型推导裂隙优势流控制方程,阐述不同降雨强度、不同裂隙面积率、不同裂隙域饱和渗透系数的累积入渗量的影响规律。研究发现,裂隙诱导各向异性方向、各向异性程度、各向异性分布等因素均对边坡降雨入渗有一定的影响;将Green-Ampt入渗模型引入双孔隙域入渗理论,并考虑干缩裂隙面积率建立的优势流入渗模型形式简单、计算方便、物理意义明确且较好地体现了干缩裂隙对雨水入渗过程的影响;裂土优势流对降雨强度变化的响应不显着,主要受裂隙面积率及裂隙饱和渗透系数的控制。(六)自主研制了足尺模型试验系统,对裂土边坡渐进破坏进行全过程、多物理量联合监测,探究了降雨-蒸发作用下裂土边坡水分运移时空特征与失稳机理,揭示了降雨-蒸发作用下裂土边坡渐进变形破坏演化模式。初期变形与最终破坏时边坡体积相比原有状态分别减少4.84%、47.2%,最终破坏时最大累积水平位移达到207.4cm,存在较大裂隙的边坡远比无裂隙的边坡更具破坏性。裂隙的演化行为是控制裂土边坡变形失稳的主要因素。裂土路堑边坡的反复变形并非浅层变形简单多次循环,而是一种渐进式的恶化型破坏。以坡体饱和度变化描述随机分布裂隙的边坡水分运移规律,研究发现裂隙优势流效应易导致边坡内部出现大面积连通型饱和区,是裂土边坡出现整体失稳的主要原因。
边疆[3](2021)在《降雨、地震作用下边坡稳定性影响因素敏感性分析 ——以山西金灯寺边坡为例》文中指出金灯寺石窟作为山西省第二大石窟群,距今已有1500多年的历史,是中国石窟艺术史上的华伟篇章,石窟下部边坡出现岩体崩滑等灾害会直接威胁石窟本体的稳定性,文物的价值将受到较大影响。因此,本文对石窟下部边坡进行稳定性分析,以边坡稳定性系数为评价指标,主要研究在自重、降雨、地震作用下各影响因素的变化对边坡稳定性的影响,采用Sobol指数法探讨各研究参数的一阶敏感度和全局敏感度指标,分析各因素的重要程度以及因素间的交互作用对边坡稳定性的影响,为边坡稳定分析及加固处理提供理论指导,通过设计排水系统、喷锚网等措施对边坡进行支护设计,以保障石窟本体的安全与稳定。主要取得了如下成果:(1)本文以山西金灯寺岩质边坡为研究对象,总结了研究区工程地质及水文地质条件,以及在现场勘察的主要成果,概化了研究区工程地质条件,确定了岩体物理力学参数,为建立稳定性系数模型、敏感性分析提供参数依据。(2)采用刚体极限平衡法分别对边坡在自重作用、降雨作用、地震作用下进行受力分析,建立边坡发生平面破坏、楔体破坏时的稳定性系数计算模型,作为边坡稳定性影响因素敏感性分析的数学模型,以评价边坡稳定性的稳定性系数F作为目标函数,选择边坡几何参数、岩土体参数为研究参数,将目标函数分解为单参数以及各个参数之间相互作用的子项函数之和,分析各研究参数的重要程度以及参数之间的交互效应。(3)应用MATLAB软件采用Sobol指数法进行了自重作用、降雨作用、地震作用下边坡稳定性影响因素的敏感性分析,获得了不同工况下影响因素的敏感度,并基于岩体GSI系统实现Hoek-Brown强度准则与Mohr-Coulomb强度准则间岩体参数的换算,获得了基于GSI系统的边坡稳定性影响因素的敏感度,为边坡加固提出了有效参考依据和具体设计方案。敏感性分析的主要结论如下:平面破坏模型表明边坡几何参数对稳定性的影响较小,软弱夹层的倾角、内摩擦角的敏感度较大,即结构面的性质是影响边坡稳定性的主要因素;降雨作用下张裂隙充水高度、深度、位置的敏感度较高,动水压力相关参数的敏感度都很低;地震作用相关参数敏感度很高,控制边坡稳定性,但边坡仅在自重作用下不会发生滑动破坏,当张裂缝充水高度较大时会发生水力驱动型破坏。楔体破坏模型分析结果表明一旦边坡在演化过程中形成两个贯通的结构面组成楔形体后,边坡即使不受外力因素作用仅在自身重力作用下就会发生失稳破坏,而且面积较大的结构面相关参数敏感度更高,对边坡稳定性的影响程度更大。本论文有图135幅,表66个,参考文献163篇。
邝贺伟[4](2021)在《基于粒子群优化与相关向量机的岩土体非线性行为预测》文中研究指明岩土工程中存在的问题大体上可分为预测、优化、建模等,利用传统工程方法解决这些问题时存在周期长、费用高、勘测困难等弊端,因此无论考虑学科的发展,还是岩土工程的实际应用,把机器学习方法应用到岩土工程领域,对岩土工程进行交叉研究是相当关键的。常用的机器学习方法有BP神经网络模型、高斯过程、支持向量机模型,以上模型自身存在的缺点难以满足复杂的岩土工程问题,预测结果往往也不尽人意,所以精度较高的预测模型有待于提出和研究。针对于以上问题本文提出相关向量机模型,考虑到岩土方面的复杂程度和相关参数的优化问题,在相关向量机的基础上进行了粒子群优化,为岩土学科的预测问题提供了基于粒子群优化的相关向量机模型,试图为相关数据的获取提供一条新方法。总的来说,本文研究的工作为:1.对于岩土领域中的非线性、高维性、不确定性的预测问题,提出基于粒子群优化的相关向量机模型。分别利用地基土压缩系数和坞石隧道施工中周边位移实例来证明PSO-RVM模型的实用性,同时与神经网络模型、广义神经元网络模型进行对比,结果显示PSO-RVM模型的精确度最高。对压缩系数预测结果进行平均相对误差、均方根误差、泰尔不平等系数和置信区间的验证;对周边位移进行敏感因子分析,探索影响因子的影响状况,并对9个影响因素的关系度进行了排名。2.核函数在预测模型中起到了关键作用,它的功能是将低维空间的关系映射到高维空间中,便于映射关系的寻找。对于导水裂缝带高度预测利用高斯核函数、样条核函数、柯西核函数和小波核函数进行探究,并与支持向量机模型进行比较,结果显示基于小波核函数的PSO-RVM模型更为精确。对于季节性冻土微观特征结构的冻胀率预测,利用了高斯核函数、柯西核函数和小波核函数,其中高斯核函数最为精确。以上证明了不同核函数应用的范围不同,以及不同核函数预测模型的精确度也不同。3.对于影响因素信息较多且不易找出映射关系的岩土问题,可以考虑用主成分分析法优化PSO-RVM模型,主成分分析法通过分析影响因素之间的影响状况和贡献率将多个影响因素降维成少数且线性无关的主成分变量,后用主成分变量进行预测,进一步提高了PSO-RVM预测模型的精确度和运行效率。将PCA-PSO-RVM模型应用到上软下硬地层的地表沉降,先用PCA将7个影响因素降维成4个主成分,后用PSO-RVM模型进行预测分析,与自身的PSO-RVM模型以及文献中的6种支持向量机模型相比证明PCA-PSO-RVM模型的精确度,通过相关指数验证了预测值和实测值具有较高的拟合度。
荣光旭,李宗洋,田凯[5](2020)在《TensorFlow多元线性回归在边坡稳定性分析中的应用》文中提出利用深度学习中TensorFlow框架下多元线性回归方法对边坡稳定性影响因素进行分析,通过对160个样本边坡数据的统计分析,在考虑高度、黏聚力、内摩擦角、坡角、泊松比、容重6个影响因素下,训练模型损失值最小时得到稳定性系数计算模型。同时,由于数据的训练结果和数据的顺序有密切关系,为了避免数据在被人为排序时产生对训练结果的"思维惯性"而得到假性学习结果,因此在机器学习训练过程中经过一个迭代轮次后打乱数据顺序重新训练,以得到更为精确的模型。训练结果表明,该模型预测准确度较好,具有较强的鲁棒性。
金云鹏[6](2020)在《基于LSTM的边坡时间序列预测研究》文中研究说明滑坡是全球仅次于地震的第二大地质灾害,在新世纪伊始给我国带来了严重的经济损失与人员伤亡,对国民人身安全和社会现代化建设有着重大威胁。边坡变形预测能够在边坡失事破坏前反馈预警信息,是边坡监测预警系统至关重要的一环,对防灾减灾有着重大意义。本文根据小湾电站2号山梁边坡两个测点的两年变形数据,使用python编程语言,将传统时间序列模型、机器学习模型以及深度学习模型应用于边坡变形时间序列数据分析和预报中,为边坡预警系统的防灾减灾措施提供参考。本论文主要内容如下。(1)构建自回归移动平均(ARIMA)模型。对原始边坡变形时间序列数据进行平稳性检验(ADF检验),将数据进行差分处理后满足建模要求,使用网格搜索法对各个模型BIC信息量进行参数寻优,模型定阶为ARIMA(1,1,1),使用Ljung-Box检验对模型的显着有效性评判。数据预处理使用Pandas以及Numpy数据分析包。ARIMA模型建模基于Statsmodels库中包含的ARIMA模型包。(2)构建支持向量机(SVM)模型。使用Sklearn工具中的Min Max Scaler模块对数据归一化处理,结合多种核函数下模型预测结果,选取高斯核函数(RBF)作为核函数,调用Grid Search CV方法对惩罚因子C与参数gamma进行网格搜索寻优,确定样本一的C与gamma分别为8.47与0.70,样本二为7.81与0.67。SVM模型建模基于Sklearn库中的SVR模型包。(3)构建长短期记忆神经网络(LSTM)模型。在循环神经网络(RNN)模型理论基础上,采用标准的一维全连接层建立单隐藏层网络,经多次调参处理后确定网络的主要超参数为:隐藏层神经元个数20个;优化算法选择SGD算法;迭代次数1200次;训练批次数量64。LSTM模型构建基于Keras框架,Tensorflow后端。(4)设置多组实验进行模型对比。选取MAE(平均绝对误差)与RMSE(均方根误差)两个指标对上述模型预测性能进行评判,综合分析各模型特点与实验结果后得出:两个样本中,LSTM模型的MAE和RMSE皆为最小,样本一分别是0.44与0.52,样本二为0.32与0.45,验证LSTM模型在处理边坡时序数据预测问题时较传统ARIMA和SVM模型更具优势。
魏晋晋[7](2019)在《飞蛾捕焰优化算法在引水工程安全监测模型中的应用研究》文中提出引水工程是调动水资源解决地域性缺水的重要工程,在水资源分配过程中起到战略性、基础性和全局性作用。引水工程受跨越的空间和所处环境的影响,在渠道内部存在许多的安全隐患。渠道水体通过透水岩土带大量渗漏时,将会使渠道边坡遭到渗透破坏,引起塌滑和溃决,从而导致边坡失稳影响引水工程的供水效益。因此,对引水工程进行安全监控,及时准确地掌握引水工程工作状态具有重要的实际意义。对引水工程渗压展开监测和预测工作,需根据引水工程所处环境不同及自身的特点,考虑影响渗压的因素,建立能反映实际渗压情况的渗压预测模型,保障引水工程的安全稳定。飞蛾捕焰优化(MFO)算法是具有较大发展潜力的新型智能优化算法,具有实现简单、收敛精度高等特点。本文采用MFO算法结合纵横交叉算法和混沌算子对该算法进行改进形成纵横交叉飞蛾捕焰(CCMFO)算法。根据引水工程渗流产生的基本原理,确定水位、温度、时效和降雨为渗流的四个影响因素。以渗压监测的多元回归模型和BP神经网络模型为基础,构建多元回归和BP神经网络渗压预测模型,采用CCMFO算法对回归模型系数和BP神经网络模型权值阈值的更新方式进行优化。将CCMFO算法优化的渗压预测模型与原模型进行对比分析,结果表明与传统回归模型相比,CCMFO-回归渗压监测模型提高了渗压拟合和预测精度,达到了更好的渗压预测效果;和BP神经网络模型相比,CCMFO-BP渗压监测模型在迭代速度和收敛精度上均取得更好的效果,达到了提高模型拟合精度增强模型预测能力的目的。CCMFO算法提高了2种渗压监测模型的拟合效果和预测精度,并为类似工程的监测数据分析提供了一种可行的方法。
王建民[8](2016)在《矿山边坡变形监测数据的高斯过程智能分析与预测》文中进行了进一步梳理矿产资源开采引发的地表塌陷、崩塌、地裂缝和地面沉降等矿山灾害给人类的生命财产安全造成严重的威胁,集成多传感器的自动化、智能化监测系统是矿山地面灾害监测的发展方向。以中煤平朔井工二矿边坡(简称为二号井边坡)自动化监测系统作为研究案例,应用高斯过程(Gaussian Process,简称GP)理论研究变形数据智能分析方法和预测模型,据之对矿山地面灾害进行防治提供科学依据。将这种研究成果结合自动化、智能化监测技术应用于矿山地面灾害监测具有广阔的应用前景。监测数据的可靠性是变形监测分析和预测的基础,针对原始观测数据可能存在的异常值,提出的完整搜索估计法(Full Search Estimation,简称FSE)能够实现多维异常数据定位、估值和修正:根据异常数据影响验后方差这一基本思想,设计了多维异常数据定位搜索算法,在算法执行的过程中能够自动生成包含异常数据位置的定位矩阵,同时给出了动态阈值计算公式用于判断搜索是否结束;应用可靠性理论结合最小二乘方法推证了异常数据的估值和修正方程。分别以测量机器人异常数据探测和矿山坐标转换参数可靠性求解为例对FSE进行实证分析,结果表明FSE具有较好的抗差能力。边坡变监测过程中受外界环境及施工作业等因素的影响有时造成数据缺失,需要应用时空插值方法对缺失数据加以插补形成完整的时空序列数据。通过研究高斯过程回归(Gaussian Process Regression,简称GPR)在时间域上插值的样本数量,给出GPR在时间域上的一维插值方法和步骤,实验证明GPR在时间域上可以适应线性和非线性插值;按照空间插值样本数据选择的一般原则,进一步研究了基于gpr的空间插值方法;顾及监测数据的时空关联性,利用gpr在时间域和空间域插值输出的验后方差作为定权因子,给出了基于gpr的时空插值的计算公式,并用交叉验证法证明了gpr时空插值的可行性。对变形区域进行时空位移特征分析是变形数据分析的一项主要内容,就描述监测点三维位移特征常用的绝对指标进行了论述,但仅使用绝对指标凸显不出监测点相对稳定状态。将短期位移速率和累积位移速率的比值定义为累积位移速率比作为一种相对指标,使用累积位移速率比的大小和符号可以简单直观的分析监测点的相对稳定状态。通过计算分析一段时间内的累积位移速率比,依据3σ准则将监测点的稳定状态分为四个级别,即稳定、较稳定、不稳定和极不稳定。单独分析监测点的变形特征难以从整体上掌握变形区域的时空演化趋势和变形规律。为此,在gpr时空插值的基础上研究了基于gpr变形趋势面模型建模方法和流程,以三维累积位移量作为分析对象,构建了二号井边坡的变形趋势面模型,以此来分析其变形的时空演化过程;应用fse提取累积位移速率比的离群值,并将提取结果赋予高斯过程分类(gaussianprocessclassification,简称gpc)标志,进而给出基于gpc变形区域局部稳定性分析方法和流程,以累积位移速率比作为分析对象,对二号井边坡的局部稳定性进行整体分析。监测点在发生变形的过程中经常表现出明显的非线性特征,利用gpr超参数自适应求解、输出结果具有概率意义的优点研究了变形智能预测模型。鉴于gpr的核函数对预测性能有很大影响,应用核函数相加方式得到与变形曲线特点相吻合的组合式核函数“matern32+se”;考虑到监测数据的不断更新和累积,为保持超参数与训练样本集的一致性,研究了“递进截尾式”超参数动态更新模式和gpr最佳训练样本数量确定方法;在此基础上建立了以时间作为输入项的GPR监测点时间驱动智能预测模型(GPR-TIPM)和以历史数据作为输入项的GPR监测点数据驱动智能预测模型(GPR-DIPM)。分别将两种模型应用于二号井边坡进行中短期变形预测,实验结果表明两种预测模型均取得了较为理想的效果,GPR-TIPM的预测性能总体上优于GPR-DIPM。通过GPR-TIPM模型与经典的AR(p)和GM(1,1)模型的实验对比分析,结果表明GPR-TIPM的预测精度明显提高。最后部分设计了GP变形监测数据处理软件原型系统架构,并以此架构为导向,根据文中提到的模型和算法用Matlab和C#语言分别实现了服务端近实时数据处理系统和GIS客户端可视化在线分析系统。
鲍光明[9](2014)在《基于数值计算和空间数据库的露天矿边坡安全预警系统研究》文中研究说明边坡变形监测与稳定性预测预报研究是岩石力学领域的热点研究问题,并取得了丰硕的研究成果,但随着GPS技术和我国北斗系统的日臻完善,对于边坡变形监测与预测预报智能化集成的研究成果略显不足。深入开展无人值守的露天矿山边坡变形实时、连续监测与稳定性智能预测预报研究对于露天矿山边坡安全管理和包括北斗系统在内的卫星导航技术在边坡监测与预测预报领域的推广应用具有非常重大的理论意义和实用价值。课题以“基于GPS的矿区重点区域实时变形监测预警系统”项目为依托,针对金堆城露天矿边帮断裂带规模巨大、内部结构复杂、岩性软弱的地质特点,从安全监测的时效性出发,通过数值分析对边坡监测点位进行了优化、通过信号处理和理论分析建立了预测预报模型,并运用空间内插加密算法,实现了变形监测和预测预报的智能化集成。取得了以下主要成果:(1)运用数值分析确定了金堆成露天矿山重点边坡拟选用的监测点位。并利用Leica GNSS QC软件对监测点数据的周跳、多路径、数据完整性以及数据连续性进行分析,优化了点位布置,提出了一种新的监测点布设的原则。(2)引入了小波阈值收缩法对数据进行降噪处理。在对比分析GM(1,1)等时距和非等时距模型位移预测精度的基础上,建立了改进的灰色-变维分形模型,并采用Matlab数值仿真模拟软件对该模型进行验证分析,对滑坡体的水平和垂直以及整体位移进行求解,得到该模型对GPS数据具有很好的适应性,提高了预测精度。(3)运用空间内插加密算法,通过建立实时动态的真三维维矿山安全状况演变模型,再现与仿真矿山开采活动及给安全、环境带来的相关影响;基于历史监测数据和时间序列模型,及时准确预测潜在的地质灾害发生地点、时间和影响范围;实时动态发布矿山安全和地质灾害等可视化信息和短信预警。实现了“监测”、“评价”、“预测”、“报警”、“防盗”五为一体的智能化集成,实现了对边坡的无人化、可视化实时在线监测与预测预报。课题成果在金钼股份金堆城露天矿一年多的生产运行情况表明,该系统实现了全方位、全天候、立体化地对矿区地表形变的相关信息的无人化实时采集、快速安全传输、自动解算处理、监测信息处理和可视化预警,给矿山边坡安全管理提供了一个智能化辅助决策支持,对GPS和北斗卫星导航系统在边坡监测中的推广具有借鉴价值。
王智磊[10](2012)在《降雨影响敏感型滑坡变形动态预测方法及排水洞效果研究》文中研究说明滑坡是常见的地质灾害,常常给工程建设造成巨大损失,并威胁生命财产安全。开展滑坡变形动态预测分析,研究滑坡治理技术,具有重要的现实意义。针对滑坡灾害受降雨影响敏感的特点,通过理论分析、数值模拟,结合现场调查和监测,对滑坡在变形过程中各种环境因素的影响方式进行了分析。探讨了滑坡蠕变发展、潜水影响滑坡位移、降雨补给潜水的预测方法,开展了坡体非饱和带滞水量对降雨补给潜水的影响,研究了排水洞措施在滑坡中的优化布置原则。通过以上研究,获得了以下主要成果和认识:(1)基于滑坡变形时序监测数据,开展了滑坡动态的自回归模型预测研究,提出将坡体位移转换为加速度后进行滑坡变形动态预测,从而消除了直接采用位移时间曲线的非线性对统计模型的影响。(2)将单因素的自回归时间序列模型推广到多因素向量自回归模型,实现了多种变量的时间序列分析。通过对潜水-滑坡位移、降雨-潜水、降雨-潜水-排水流量等三组关系实现量纲转换,使多种数据间具备了相关关系,从而建立了滑坡的解析一经验统计模型分析方法。(3)将潜水位变化与滑坡位移在剖面模型上进行量纲变换,在动力学层面上实现潜水位与滑坡位移加速度的量纲一致,从而将二者的转化量纳入向量自回归模型进行分析,达到可利用潜水位监测结果预测滑坡变形动态的目的。(4)把潜水位变化分解为降雨抬升与自然回落两个部分。以潜水的降雨抬升量与降雨量进行向量自回归模型的分析。通过潜水位对降雨的滞后响应特征以及降雨阈值的分析,提出利用降雨信息对滑坡进行提前预警;(5)对滑体中非饱和带滞水量进行了估算。以水量为转换指标,使降雨、潜水、排水洞的排水流量达到量纲一致。将潜水表达为释水量的形式,将三者纳入向量自回归模型中,根据前期潜水位较高条件下的降雨过程的数据拟合,获得计算模型,实现了前期潜水位较低条件下降雨过程中生成非饱和带滞水量的计算方法。通过滞水量与降雨入渗补给潜水效率的分析,得到了基于滞水量的降雨对潜水影响显着增强的阈值。(6)分析了滑坡治理中排水洞的适用条件,探讨了排水洞在滑坡治理中的应用效果,提出了排水洞布置的一般原则,揭示了排水洞在滑坡后缘定水头和降雨条件下分别发挥的功效。
二、最大似然估计与一般多元回归在边坡稳定性分析中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、最大似然估计与一般多元回归在边坡稳定性分析中的应用(论文提纲范文)
(1)黄土地区抗滑桩边坡的时间效应及其长期稳定性预测(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 抗滑桩边坡稳定性研究 |
1.2.2 蠕变作用下土质边坡稳定性研究 |
1.2.3 非饱和土体物理力学特性研究 |
1.2.4 降雨作用下边坡稳定性研究 |
1.3 本文研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 黄土地区抗滑桩边坡调查与分析 |
2.1 抗滑桩边坡工程实例调研 |
2.2 抗滑桩典型变形破坏形态 |
2.3 长期稳定性影响因素研究 |
2.4 本章小结 |
3 黄土工程性质研究 |
3.1 试验土样的基本物理力学性质 |
3.2 非饱和黄土的吸力特性 |
3.2.1 滤纸法试验方案与操作步骤 |
3.2.2 滤纸法试验结果 |
3.2.3 土水特征曲线模型拟合 |
3.3 非饱和黄土的渗透特性 |
3.4 本章小结 |
4 土体蠕变参数的智能反演与抗滑桩边坡长期稳定性预测 |
4.1 蠕变参数反演理论 |
4.2 抗滑桩边坡位移监测分析 |
4.2.1 某抗滑桩边坡工程特征 |
4.2.2 坡体深部位移监测结果分析 |
4.3 坡体黄土蠕变参数反演分析 |
4.4 服役期边坡长期稳定性预测 |
4.4.1 坡体位移时效性分析 |
4.4.2 坡体应力分布时效性分析 |
4.4.3 抗滑桩位移时效性分析 |
4.4.4 抗滑桩应力分布时效性分析 |
4.5 本章小结 |
5 极端降雨对抗滑桩边坡长期稳定性的影响 |
5.1 陕北地区极端降雨的时空分布特征 |
5.2 降雨入渗过程ABAQUS数值实现原理 |
5.3 模型的构建与边界条件设置 |
5.4 长持时降雨工况对边坡长期稳定性的影响分析 |
5.4.1 坡体渗流与稳定性计算结果分析 |
5.4.2 抗滑桩结构受力变形特征分析 |
5.5 暴雨工况对边坡长期稳定性的影响分析 |
5.5.1 坡体渗流与稳定性计算结果分析 |
5.5.2 抗滑桩结构受力变形特征分析 |
5.6 两种极端降雨工况的影响比较 |
5.7 本章小结 |
6 抗滑桩边坡长期稳定性预测研究 |
6.1 强度折减有限元法与D-P模型参数转换 |
6.2 抗滑桩边坡的数值试验方案 |
6.2.1 边坡计算模型与边界条件 |
6.2.2 试验方案设计 |
6.3 影响因素计算结果与分析 |
6.3.1 抗滑桩结构参数影响分析 |
6.3.2 坡体物理力学性质影响分析 |
6.3.3 边坡几何形状影响分析 |
6.3.4 边坡服役时间影响分析 |
6.4 各影响因素GRA法敏感性分析 |
6.5 抗滑桩边坡长期稳定性预测 |
6.5.1 抗滑桩边坡长期稳定性预测模型建立 |
6.5.2 长期稳定性预测模型实例检验及分析 |
6.6 本章小结 |
7 结论及建议 |
7.1 结论 |
7.2 建议 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(2)降雨-蒸发作用下皖江裂隙性粘土裂隙演化机制及边坡破坏机理(论文提纲范文)
作者简历 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 裂土定名的研究发展现状概述 |
1.2.2 裂土的工程特性与微观特性研究现状 |
1.2.3 裂土的裂隙萌生与演化力学机制现状 |
1.2.4 裂土的饱和-非饱和渗流研究现状 |
1.2.5 降雨-蒸发作用下裂土边坡的致灾模式及机理研究现状 |
1.3 主要研究内容及拟解决的关键科学问题 |
1.3.1 主要研究内容 |
1.3.2 拟解决的关键科学问题 |
1.4 研究技术路线与创新点 |
1.4.1 研究技术路线 |
1.4.2 本文的创新点 |
第二章 皖江裂土地质成因与工程物理力学基本特性研究 |
2.1 引言 |
2.2 皖江裂土分布特点与地质成因分析 |
2.2.1 皖江裂土地形地貌特点、外观形态 |
2.2.2 矿物成分与地质成因分析 |
2.3 皖江裂土的工程物理力学基本特性 |
2.3.1 现场取样 |
2.3.2 基本物理性质 |
2.3.3 膨胀率特征 |
2.3.4 吸湿特征 |
2.3.5 膨胀力特征 |
2.3.6 收缩特征 |
2.4 本章小结 |
第三章 干湿循环作用下裂土损伤的宏-微观损伤机制研究 |
3.1 引言 |
3.2 裂土干湿循环制样与试验方案 |
3.2.1 制样方法 |
3.2.2 试验方案设计 |
3.3 干湿循环作用下的重塑裂土微观结构变化分析 |
3.3.1 不同干湿循环作用下的重塑土微观结构定性分析 |
3.3.2 重塑土微观结构参数定量参数选取与测量 |
3.3.3 不同干湿循环作用下裂土微结构参数定量分析与开裂微观机制 |
3.4 干湿循环作用下的重塑裂土宏观参数变化分析 |
3.4.1 干湿循环裂隙发展演化特征 |
3.4.2 不同围压下裂土的应力应变特征分析 |
3.5 干湿循环作用下微观结构参数与宏观力学参数多元回归分析 |
3.5.1 单一微观参量的与弹性模量非线性回归 |
3.5.2 多元非线性回归方程的建立与验证 |
3.6 干湿循环条件下裂土开裂损伤机制研究 |
3.6.1 岩土连续介质统计损伤基本方法 |
3.6.2 干湿循环荷载作用下的基于Laplace分布的裂土应变硬化统计损伤本构模型 |
3.6.3 干湿循环与荷载作用下的裂土统计损伤本构模型参数确定 |
3.6.4 干湿循环作用下的裂土统计损伤本构模型验证 |
3.6.4.1 不同围压与干湿循环对初始损伤应力门槛值影响的讨论 |
3.6.4.2 模型与试验曲线的验证 |
3.7 本章小结 |
第四章 裂土裂隙萌生与断裂演化机制研究 |
4.1 引言 |
4.2 裂土裂隙萌生与演化单向干燥试验研究 |
4.2.1 试验方案设计 |
4.2.2 试样制备与步骤 |
4.2.3 金属边界的裂土试样裂隙萌生与演化过程 |
4.2.4 有机玻璃边界的裂土试样裂隙萌生与演化过程 |
4.2.5 裂隙萌生扩展演化规律的讨论 |
4.3 断裂力学基本理论及裂土不同裂隙演化阶段断裂准则的适宜性 |
4.3.1 线弹性断裂力学(LEFM)中的断裂准则 |
4.3.2 弹塑性断裂力学(EPFM)中COD断裂准则 |
4.3.3 不同裂隙演化阶段的断裂准则适宜性 |
4.4 体缩裂隙阶段应力与位移变化规律 |
4.4.1 基于弹性力学假设的体缩裂隙阶段的收缩应力与位移解析解 |
4.4.2 体缩裂隙阶段的收缩应力与位移解析解与数值解的对比 |
4.5 裂隙扩展阶段基于COD断裂准则的Cohesive粘断裂模型 |
4.5.1 Cohesive粘断裂模型 |
4.5.2 Cohesive粘断裂模型的裂土开裂扩展的离散元数值实现 |
4.5.3 模型建立与模型参数 |
4.5.4 基于Cohesive粘断裂模型的裂隙扩展模拟分析与验证 |
4.6 本章小结 |
第五章 渗流作用下裂隙对裂土边坡渗流场影响规律研究 |
5.1 引言 |
5.2 裂土边坡瞬态渗流特点及饱和-非饱和入渗基本理论 |
5.2.1 降雨入渗过程裂土边坡瞬态渗流特点 |
5.2.2 降雨入渗过程裂土的稳定-非稳定性渗流基本理论概述 |
5.3 裂隙对裂土边坡瞬态渗流场的影响因素研究 |
5.3.1 降雨入渗过程裂土边坡瞬态渗流影响数值分析实现 |
5.3.2 裂隙对边坡暂态饱和区影响 |
5.3.3 不同裂隙深度对裂土边坡瞬态渗流场影响 |
5.3.4 不同裂隙角度对裂土边坡瞬态渗流场影响 |
5.3.5 裂隙分布位置对裂土边坡瞬态渗流场影响 |
5.3.6 裂隙数量对裂土边坡瞬态渗流场影响 |
5.4 裂土优势流概念模型与假设 |
5.5 基于Green-Ampt模型的裂隙优势流控制方程推导 |
5.5.1 双孔隙域Green-Ampt入渗模型 |
5.5.2 分阶段基质域与裂隙域入渗方程 |
5.6 裂土优势流入渗过程模拟及分析 |
5.6.1 不同降雨强度对累积入渗影响分析 |
5.6.2 不同裂隙面积率对累积入渗量的影响分析 |
5.6.3 不同裂隙域饱和渗透系数对累积入渗量的影响分析 |
5.6.4 不同因素对裂土雨水入渗过程的影响规律讨论 |
5.7 本章小结 |
第六章 基于足尺模型试验的降雨-蒸发作用下裂土边坡变形破坏模式及机理 |
6.1 引言 |
6.2 原型边坡破坏形式与模拟条件 |
6.2.1 原型边坡区域地理位置与破坏形式 |
6.2.2 原型边坡破坏原因定性分析 |
6.3 裂土边坡变形破坏足尺模型试验 |
6.3.1 边坡模型试验系统组成 |
6.3.2 降雨参数标定测试 |
6.3.3 光纤光栅位移计原理与标定 |
6.3.4 模型取样与填筑 |
6.3.5 传感器布设与降雨方案 |
6.4 降雨-蒸发作用下裂土边坡变形破坏模型试验结果分析 |
6.4.1 边坡破坏全过程分析 |
6.4.2 体积含水率响应规律分析 |
6.4.3 基质吸力、饱和度和孔隙压力响应规律分析 |
6.4.4 蒸发过程中边坡不同位置裂隙分布规律分析 |
6.4.5 坡体位移响应规律分析 |
6.4.6 裂土边坡破坏模式分析 |
6.4.7 基于足尺模型试验的裂土边坡失稳机理 |
6.5 考虑裂隙优势流的裂土边坡失稳预测分析 |
6.5.1 SLIP模型与假设 |
6.5.2 基于SLIP模型的裂土边坡稳定性系数确定 |
6.5.3 基于SLIP模型的裂土边坡稳定性模型参数确定 |
6.5.4 裂土稳定性影响因素敏感性探讨 |
6.5.5 模型试验验证对比 |
6.6 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
致谢 |
参考文献 |
(3)降雨、地震作用下边坡稳定性影响因素敏感性分析 ——以山西金灯寺边坡为例(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 存在的问题 |
1.4 研究内容、方法及技术路线 |
2 研究区工程地质条件 |
2.1 研究区概况 |
2.2 岩体结构面、裂隙测量统计 |
2.3 岩质边坡分类及变形破坏机理 |
2.4 本章小结 |
3 边坡稳定性系数计算模型 |
3.1 自重下边坡稳定性系数数学模型 |
3.2 降雨工况下边坡稳定性系数数学模型 |
3.3 地震工况下边坡稳定性系数数学模型 |
3.4 本章小结 |
4 自重作用下边坡稳定性影响因素敏感性分析 |
4.1 引言 |
4.2 边坡平面破坏多因素敏感性分析 |
4.3 边坡平面破坏单因素敏感性分析 |
4.4 边坡楔体破坏敏感性分析 |
4.5 基于GSI系统的边坡平面破坏多因素敏感性分析 |
4.6 基于GSI系统的边坡平面破坏单因素敏感性分析 |
4.7 基于GSI系统的边坡楔体破坏敏感性分析 |
4.8 讨论 |
4.9 本章小结 |
5 降雨工况下边坡稳定性影响因素敏感性分析 |
5.1 引言 |
5.2 边坡平面破坏多因素敏感性分析 |
5.3 边坡平面破坏单因素敏感性分析 |
5.4 边坡楔体破坏敏感性分析 |
5.5 基于GSI系统的边坡平面破坏多因素敏感性分析 |
5.6 基于GSI系统的边坡平面破坏单因素敏感性分析 |
5.7 基于GSI系统的边坡楔体破坏敏感性分析 |
5.8 讨论 |
5.9 本章小结 |
6 地震工况下边坡稳定性影响因素敏感性分析 |
6.1 引言 |
6.2 边坡平面破坏敏感性分析 |
6.3 边坡楔体破坏敏感性分析 |
6.4 基于GSI系统的边坡平面破坏敏感性分析 |
6.5 基于GSI系统的边坡楔体破坏敏感性分析 |
6.6 讨论 |
6.7 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 不足与展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(4)基于粒子群优化与相关向量机的岩土体非线性行为预测(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 岩土体非线性行为 |
1.2.2 相关向量机的工程应用 |
1.2.3 优化方法与机器学习方法结合情况 |
1.3 文章创新点 |
1.4 文章研究的内容和结构 |
1.4.1 主要研究的内容 |
1.4.2 文章的结构 |
第2章 基于粒子群优化的相关向量机模型 |
2.1 相关向量机模型 |
2.1.1 模型描述 |
2.1.2 参数推断 |
2.1.3 建立映射关系 |
2.1.4 几种常见的核函数 |
2.2 粒子群算法 |
2.2.1 粒子群基本原理 |
2.2.2 粒子群算法特征 |
2.2.3 粒子群参数 |
2.2.4 粒子群算法流程 |
2.3 PSO-RVM模型的提出 |
2.4 机器学习中的核函数 |
2.4.1 核函数的构造及特性 |
2.5 文章小结 |
第3章 岩土体非线性行为预测的粒子群-相关向量机模型 |
3.1 引言 |
3.2 PSO-RVM模型在地基土压缩系数中的应用 |
3.2.1 地基土压缩系数的研究状况 |
3.2.2 地基土压缩系数预测的PSO-RVM模型 |
3.2.2.1 确定模型样本 |
3.2.2.2 PSO-RVM模型实现步骤 |
3.2.3 模型的预测与分析 |
3.2.4 置信区间验证 |
3.3 隧道施工位移预测的PSO-RVM模型 |
3.3.1 关于隧道施工位移的研究现状 |
3.3.2 基于PSO-RVM的隧道施工位移模型 |
3.3.3 PSO-RVM模型预测结果和分析 |
3.3.4 敏感因子分析 |
3.4 本章小结 |
第4章 不同核函数的PSO-RVM预测模型 |
4.1 导水裂缝带高度预测的多核函数的PSO-RVM模型 |
4.1.1 导水裂缝带高度研究状况 |
4.1.2 导水裂缝带样本确定 |
4.1.3 导水裂缝带高度预测模型 |
4.2 季节冻土微观结构特征预测的多核函数的PSO-RVM模型 |
4.2.1 收集土冻胀率相关数据 |
4.2.2 建立冻胀率预测模型 |
4.3 本章小结 |
第5章 基于主成分的PSO-RVM模型 |
5.1 主成分分析法基本原理 |
5.2 上软下硬地层地表沉降预测的PCA-PSO-RVM模型 |
5.2.1 主成分分析法的计算处理 |
5.2.2 PCA-PSO-RVM预测结果 |
5.2.3 比较模型预测的拟合度 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
个人简介及申请学位期间的科研成果 |
致谢 |
(5)TensorFlow多元线性回归在边坡稳定性分析中的应用(论文提纲范文)
1 基于TensorFlow的多元线性回归原理与方法 |
1.1 样本数据源 |
1.2 方法 |
2 边坡稳定性分析多元线性回归深度学习模型的原理与方法 |
2.1 TensorFlow深度学习工具 |
2.2 基于TensorFlow的多元线性回归算法 |
2.2.1 权重及偏置项的初始化 |
2.2.2 损失函数 |
2.2.3 优化器选择 |
3 边坡稳定性分析多元线性回归深度学习模型的构建 |
4 结 论 |
(6)基于LSTM的边坡时间序列预测研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究进展 |
1.2.1 深度学习发展现状 |
1.2.2 边坡变形预测模型发展现状 |
1.3 主要研究内容与技术路线 |
第二章 相关模型理论概述 |
2.1 ARIMA模型理论 |
2.1.1 ARIMA模型定义 |
2.1.2 ARIMA模型参数定阶 |
2.1.3 ARIMA模型参数检验 |
2.2 SVM模型理论 |
2.2.1 基本原理 |
2.2.2 核函数分类 |
2.3 LSTM预测模型理论 |
2.3.1 循环神经网络原理 |
2.3.2 LSTM网络结构 |
2.3.3 LSTM网络方程 |
2.4 本章小结 |
第三章 边坡变形预测模型构建 |
3.1 ARIMA模型构建 |
3.1.1 边坡变形序列的平稳化 |
3.1.2 序列平稳化处理 |
3.1.3 ARIMA模型定阶 |
3.1.4 ARIMA 模型显着性检验 |
3.2 SVM模型建立 |
3.2.1 数据预处理 |
3.2.2 核函数选取与参数确定 |
3.3 LSTM模型建立 |
3.3.1 LSTM建模流程 |
3.3.2 LSTM模型训练 |
3.4 本章小结 |
第四章 模型实验结果分析 |
4.1 实验数据来源 |
4.1.1 实验环境 |
4.1.2 实验模型的设计 |
4.1.3 预测效果评价指标的选取 |
4.2 实验结果与分析 |
4.2.1 预测模型实验结果 |
4.2.2 模型预测效果比较分析 |
4.3 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 建议与展望 |
参考文献 |
致谢 |
附录 |
作者简介 |
(7)飞蛾捕焰优化算法在引水工程安全监测模型中的应用研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究进展 |
1.3 研究现状及发展趋势 |
1.4 主要研究内容及技术路线 |
2 引水工程安全监控与渗流分析 |
2.1 引水工程安全监控的意义 |
2.2 渗流的基本理论 |
2.3 渗流分析的类型 |
3 飞蛾捕焰优化算法 |
3.1 MFO算法基本原理 |
3.2 MFO算法实现过程 |
3.3 CCMFO算法的基本原理 |
3.3.1 横向交叉 |
3.3.2 纵向交叉 |
3.3.3 混沌算子 |
3.4 本章小结 |
4 CCMFO-回归渗压监测模型 |
4.1 多元回归模型原理 |
4.1.1 多元回归模型 |
4.1.2 多元回归的基本假定 |
4.1.3 多元回归参数的估计 |
4.2 渗压监测回归模型基本结构 |
4.2.1 水位分量 |
4.2.2 温度分量 |
4.2.3 时效分量 |
4.2.4 降雨分量 |
4.3 CCMFO-回归渗压监测模型 |
4.4 本章小结 |
5 CCMFO-BP渗压监测模型 |
5.1 人工神经网络简介 |
5.2 BP神经网络 |
5.2.1 BP神经网络结构 |
5.2.2 常用激活函数 |
5.2.3 BP算法的数学基础 |
5.2.4 BP神经网络建模分析 |
5.3 BP算法实现步骤 |
5.4 CCMFO-BP神经网络模型 |
5.5 本章小结 |
6 渗压监测模型在实际工程中的应用 |
6.1 CCMFO-回归渗压监测模型 |
6.2 CCMFO-BP渗压监测模型 |
6.3 本章小结 |
7 总结和展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
(8)矿山边坡变形监测数据的高斯过程智能分析与预测(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 矿山边坡变形与稳定性分析 |
1.2.2 矿山边坡变形数据分析与预测 |
1.3 存在的问题 |
1.4 研究内容和技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 创新点 |
1.6 小结 |
第二章 研究区域地质环境与实验数据 |
2.1 研究区域地质环境概况 |
2.2 实验数据来源 |
2.3 实验数据预处理 |
第三章 变形监测数据可靠性分析 |
3.1 引言 |
3.2 多维异常数据的定位和估值 |
3.2.1 异常数据搜索算法 |
3.2.2 搜索算法的结束条件 |
3.2.3 异常数据估值方程 |
3.3 FSE用于测量机器人观测数据可靠性分析 |
3.3.1 实验方案 |
3.3.2 结果分析 |
3.4 FSE用于矿山坐标系统转换参数可靠性求解 |
3.4.1 转换模型 |
3.4.2 实验方案 |
3.4.3 结果分析 |
3.5 小结 |
第四章 高斯过程基础理论和方法 |
4.1 引言 |
4.2 随机过程与高斯过程 |
4.2.1 随机过程 |
4.2.2 高斯过程 |
4.3 高斯过程回归与分类 |
4.3.1 高斯过程回归 |
4.3.2 高斯过程分类 |
4.4 协方差函数及超参数求解 |
4.4.1 协方差函数 |
4.4.2 超参数求解 |
4.5 小结 |
第五章 基于高斯过程回归的变形监测时空插值方法 |
5.1 引言 |
5.2 高斯过程回归时空插值方法 |
5.2.1 GPR在时域上插值 |
5.2.2 GPR用于空间插值 |
5.2.3 GPR时空联合插值 |
5.3 Kriging时空插值方法 |
5.3.1 Kriging时空变异函数 |
5.3.2 Kriging时空插值实验 |
5.4 小结 |
第六章 基于高斯过程的矿山边坡变形区域时空动态变化分析 |
6.1 引言 |
6.2 三维位移特征分析 |
6.2.1 三维位移特征标量 |
6.2.2 三维位移特征矢量 |
6.2.3 二号井边坡时空位移特征分析 |
6.3 基于高斯过程回归的变形区域时空演化分析 |
6.3.1 GPR变形趋势面模型 |
6.3.2 二号井边坡变形趋势分析 |
6.4 基于高斯过程分类的变形区域局部稳定性分析 |
6.4.1 GPC局部稳定性分析方法 |
6.4.2 二号井边坡局部稳定性分析 |
6.5 小结 |
第七章 基于高斯过程回归的矿山边坡变形智能预测模型 |
7.1 引言 |
7.2 高斯过程回归用于变形预测的基本问题 |
7.2.1 核函数选择 |
7.2.2 超参数动态更新模式 |
7.2.3 最佳训练样本集选择 |
7.3 监测点时间驱动智能预测模型 |
7.3.1 GPR-TIPM预测方法 |
7.3.2 GPR-TIPM模型应用 |
7.4 监测点数据驱动智能预测模型 |
7.4.1 GPR-DIPM预测方法 |
7.4.2 GPR-DIPM模型应用 |
7.5 GPR-TIPM与经典动态预测模型的比较 |
7.6 小结 |
第八章 变形监测数据分析原型系统设计与实现 |
8.1 引言 |
8.2 原型系统架构设计 |
8.2.1 服务端监测数据管理 |
8.2.2 服务端实时数据处理 |
8.2.3 客户端在线可视化分析 |
8.3 原型系统功能设计 |
8.4 原型系统的实现 |
8.4.1 异常数据检验与坐标转换 |
8.4.2 Matlab服务端近实时分析 |
8.4.3 GIS客户端在线可视化分析 |
8.5 小结 |
第九章 结论与展望 |
9.1 结论 |
9.2 展望 |
参考文献 |
致谢 |
攻读学位期间的学术论文和科研项目 |
博士学位论文独创性说明 |
(9)基于数值计算和空间数据库的露天矿边坡安全预警系统研究(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
1.1 边坡安全研究的目的和意义 |
1.2 边坡安全技术研究现状 |
1.2.1 边坡安全监测方法研究现状 |
1.2.2 边坡稳定性数值计算研究现状 |
1.2.3 边坡监测数据分析研究现状 |
1.3 主要研究内容及方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第2章 边坡地质环境和岩体特性实验研究 |
2.1 矿区水文地质概况 |
2.1.1 地理及气候条件 |
2.1.2 边坡岩性特征 |
2.1.3 边坡构造特征 |
2.1.4 水文地质条件 |
2.2 边坡岩体特性力学实验研究 |
2.2.1 岩体特性计算理论模型 |
2.2.2 岩体原位采集 |
2.3 岩体力学实验结果 |
2.4 本章小结 |
第3章 边坡位移变形数值仿真模拟 |
3.1 FLAC3D 和 GEO-STUDIO 理论背景 |
3.2 边坡计算有限元数学模型设计 |
3.3 边坡 FLAC 3D 数值仿真模拟研究 |
3.3.1 边坡 FLAC 3D 位移静力学分析 |
3.3.2 边坡 FLAC 位移动力学分析 |
3.4 排土场数值仿真模拟分析 |
3.4.1 马路沟静力学数值仿真模拟 |
3.4.2 马路沟排土场动力学数值分析 |
3.5 本章小节 |
第4章 边坡监测网络优化研究 |
4.1 监测点选址原则 |
4.2 岩质边坡监测点位置初选 |
4.3 土质边坡监测点位置初选 |
4.4 基准站位置初选 |
4.5 监测点信号测试研究 |
4.5.1 监测点信号现场监测 |
4.5.2 监测点监测信号分析 |
4.5.3 监测点信号结果 |
4.6 本章小节 |
第5章 位移变形预测和评价数学模型 |
5.1 GPS 边坡数据采集的特点 |
5.2 GPS 位移预测模型分类 |
5.3 GPS 数据小波降噪算法 |
5.3.1 GPS 数据误差来源 |
5.3.2 整周期模糊度 |
5.3.3 粗差探测 |
5.3.4 粗差改正 |
5.3.5 小波算法数据误差降噪处理 |
5.4 监测点的位移预测模型 |
5.4.1 GM(1,1)模型理论 |
5.4.2 等时距 GM(1,1)模型 |
5.4.3 非等时距 GM(1,1)模型 |
5.4.4 GM(1,1)模型位移变形分形理论 |
5.5 边坡体位移变化趋势预测 |
5.5.1 边坡总体位移预测结果 |
5.5.2 边坡水平位移预测结果 |
5.5.3 边坡垂直位移预测结果 |
5.6 滑坡体的稳定性综合模糊评价模型 |
5.7 本章小结 |
第6章 边坡安全预警系统集成及应用研究 |
6.1 GIS 空间数据库软件结构概述 |
6.2 GIS 空间数据库软件选型 |
6.2.1 GIS 空间数据库平台选型 |
6.2.2 GIS 空间数据库软件选择 |
6.3 GIS 空间数据库设计 |
6.4 GIS 空间数据库管理模块设计 |
6.4.1 GPS 监测点操作 |
6.4.2 滑坡体操作 |
6.4.3 可视化操作功能模块设计 |
6.5 边坡安全预警可视化系统设计 |
6.5.1 边坡安全预警系统概述 |
6.5.2 硬件设计 |
6.5.3 边坡安全预警系统应用 |
6.6 本章小结 |
第7章 结论和展望 |
7.1 结论 |
7.1.1 主要研究成果 |
7.1.2 主要创新点 |
7.2 展望 |
致谢 |
参考文献 |
攻读博士学位期间参与的科研项目及论文发表情况 |
(10)降雨影响敏感型滑坡变形动态预测方法及排水洞效果研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
目次 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 边坡蠕变的一般性规律 |
1.2.2 地下水对滑坡的作用 |
1.2.3 降雨补给地下水位的规律 |
1.2.4 坡体排水措施的研究 |
1.3 滑坡灾害研究中存在的主要问题 |
1.4 研究目标和研究内容 |
1.4.1 研究目标 |
1.4.2 主要研究内容 |
1.5 论文的主要创新点 |
2 滑坡变形动态预测分析的一般方法 |
2.1 滑坡变形预测理论基础 |
2.1.1 工程试验分析 |
2.1.2 经验统计分析 |
2.1.3 综合模型的研究 |
2.2 预测预报建模方法 |
2.2.1 数据前处理方法 |
2.2.2 时间序列模型 |
2.2.3 预报模型建模方法 |
2.3 案例分析 |
2.3.1 诸永高速公路K101滑坡 |
2.3.2 诸永高速公路台州段一号滑坡 |
2.4 本章小结 |
3 基于地下水位变化监测的滑坡动态预测分析 |
3.1 依据地下水位变化预测滑坡的理论基础 |
3.2 力学模型下的潜水位与位移的量纲统一 |
3.3 向量自回归模型 |
3.4 工程实例概况 |
3.5 滑坡的时序分析计算及结果 |
3.5.1 根据力学模型转化后的向量自回归模型样本 |
3.5.2 滑坡地下水位与位移的向量自回归模型计算 |
3.5.3 向量自回归模型对滑坡相关因素的判别 |
3.6 滑坡的向量自回归模型预测 |
3.6.1 预测条件概述 |
3.6.2 向量自回归模型与神经网络模型预测结果比较 |
3.6.3 向量自回归模型分析预测 |
3.6.4 自变量因素对模型适用性的影响 |
3.7 本章小结 |
4 降雨引起边坡地下水位变化的规律分析 |
4.1 降雨导致滑坡的经验模型理论基础 |
4.2 官家滑坡工程概况 |
4.2.1 官家滑坡概况 |
4.2.2 监测仪器及布置方案 |
4.2.3 同水位下的滑坡稳定系数 |
4.3 数据采集及分析 |
4.3.1 数据采集 |
4.3.2 向量自回归模型分析 |
4.4 趋势预测与预警系统 |
4.4.1 降雨趋势预测 |
4.4.2 降雨预警模型的建立 |
4.5 本章小结 |
5 降雨产生非饱和带滞水量的计算分析 |
5.1 非饱和带滞水的计算方法 |
5.2 潜水释水量的计算模型 |
5.2.1 排水洞影响区域的渗流场模型假设 |
5.2.2 潜水变化对应的释水量 |
5.3 非饱和带滞水量的时序模型计算 |
5.4 考虑非饱和带滞水的稳定系数 |
5.5 滑坡工程案例分析 |
5.5.1 滑坡概况 |
5.5.2 建模样本及计算参数的取值 |
5.5.3 对各降雨过程的模型分析 |
5.5.4 非饱和带滞水量与降雨阈值的关系 |
5.6 本章小结 |
6 排水洞在滑坡治理中的优化研究 |
6.1 排水洞应用现状 |
6.1.1 利用排水洞降排边坡地下水的典型案例 |
6.1.2 排水洞系统的构造 |
6.1.3 当前排水洞设计存在缺陷 |
6.2 排水洞模型的定义 |
6.3 最优排水洞位置的选择 |
6.3.1 无降雨条件下的排水点模拟 |
6.3.2 降雨条件下的排水点模拟结果 |
6.3.3 截水帷幕式排水洞系统的模拟结果 |
6.3.4 排水洞的布置原则 |
6.4 排水洞的工程应用分析 |
6.4.1 滑坡概况 |
6.4.2 最优排水点的数值分析 |
6.4.3 滑坡中排水洞系统的数值模拟 |
6.4.4 计算结果及分析 |
6.5 本章小结 |
7 结论与展望 |
7.1 主要研究结论 |
7.2 进一步研究的建议 |
参考文献 |
作者简介 |
攻读博士学位期间主要研究成果 |
攻读博士学位期间参与的主要科研项目 |
四、最大似然估计与一般多元回归在边坡稳定性分析中的应用(论文参考文献)
- [1]黄土地区抗滑桩边坡的时间效应及其长期稳定性预测[D]. 崔晨阳. 西安科技大学, 2021(02)
- [2]降雨-蒸发作用下皖江裂隙性粘土裂隙演化机制及边坡破坏机理[D]. 周峙. 中国地质大学, 2021(02)
- [3]降雨、地震作用下边坡稳定性影响因素敏感性分析 ——以山西金灯寺边坡为例[D]. 边疆. 中国矿业大学, 2021
- [4]基于粒子群优化与相关向量机的岩土体非线性行为预测[D]. 邝贺伟. 桂林理工大学, 2021(01)
- [5]TensorFlow多元线性回归在边坡稳定性分析中的应用[J]. 荣光旭,李宗洋,田凯. 齐鲁工业大学学报, 2020(06)
- [6]基于LSTM的边坡时间序列预测研究[D]. 金云鹏. 南昌工程学院, 2020(06)
- [7]飞蛾捕焰优化算法在引水工程安全监测模型中的应用研究[D]. 魏晋晋. 合肥工业大学, 2019(01)
- [8]矿山边坡变形监测数据的高斯过程智能分析与预测[D]. 王建民. 太原理工大学, 2016(08)
- [9]基于数值计算和空间数据库的露天矿边坡安全预警系统研究[D]. 鲍光明. 武汉理工大学, 2014(04)
- [10]降雨影响敏感型滑坡变形动态预测方法及排水洞效果研究[D]. 王智磊. 浙江大学, 2012(06)