黄土湿陷特性及与物理指标相关性分析

以太原地铁1号线黄土区初勘黄土为研究对象,通过开展大量的室内黄土湿陷试验(双线法),得到湿陷系数及其物理力学数据,以此来评价该区域黄土地湿陷性。通过土体物理力学指标与黄土湿陷系数散点图,分析了各指标与湿陷系数的相关性,并建立了它们之间的回归关系。     

基于BP神经网络的黄土湿陷性预测研究

运用人工智能领域中的神经网络技术,提出了基于BP神经网络模型的黄土湿陷性等级的预测方法。用MATLAB7自带的神经网络工具箱编程来实现BP神经网络系统。并给出工程实例和程序,预测效果和准确度较好,说明利用BP神经网络预测黄土湿陷系数是可行的。     

黄土湿陷性及其影响因素分析

针对兰州地区黄土湿陷性问题,通过大量的室内试验,调查了不同埋藏深度黄土各项物理力学指标和湿陷等级的分布规律。在此基础上,采用数理统计方法,分析了天然含水率、孔隙比、干密度、饱和度等基本物理指标与湿陷系数的相关性。研究结果表明,随着土体埋藏深度的增加,黄土湿陷性逐渐降低,其各项物理指标沿深度方向亦呈规律性分布。黄土湿陷系数随着天然含水率、饱和度、干密度、液限、塑限、塑性指数的增大而减小,而随着孔隙比、压缩系数的增加呈增大的趋势。最后,考虑黄土各项物理指标之间存在一定的相关性,因此采用因子分析法,建立黄土湿陷系数与多个物理指标的回归关系,并与现场实测数据进行对比验证其准确性。     

鲁中黄土湿陷性研究

结合济南绕城高速公路南线黄土地基加固现场勘探和室内试验资料,分析了鲁中黄土的颗粒组成、结构特性和湿陷机理,探讨了鲁中黄土湿陷系数与孔隙比、上覆压力及含水量之间的关系和变化规律,提出了当湿陷性黄土的含水量超过其湿陷起始含水量时计算湿陷系数的经验公式。     

鲁中黄土组成结构与湿陷性研究

文章结合济南绕城高速公路南线黄土地基加固现场勘探和室内试验资料,分析了鲁中黄土的组成结构特征和湿陷机理,探讨了鲁中黄土湿陷系数与孔隙比、上覆压力及浸湿含水量之间的关系和变化规律,提出了当湿陷性黄土的浸湿含水量超过其湿陷起始含水量时计算湿陷系数δshω的经验公式。     

数值模拟在黄土湿陷试验中的应用可靠性分析

众所周知,湿陷性黄土对工程潜在的危害是很大的。因此,对黄土地区的土样进行黄土湿陷试验很有必要。依托渭南某工程,对黄土取样进行室内试验,并取得相应的结果,再运用ANSYS软件对该地区黄土土样进行数值模拟,得出土样的湿陷起始压力,相对下沉系数,自重湿陷系数等相关数据,并与室内试验结果进行比较,两者基本吻合,说明了ANSYS软件对黄土湿陷试验进行数值模拟是可行的。     

湿陷性黄土路基物理力学性质试验研究

为有效预防黄土路基湿陷病害的发生,以银古高速公路辅路K13 140~200为试验路段,通过对黄土路基的颗粒组成和矿物成分分析,对其物理和力学性质进行了试验研究。研究结果表明,黄土路基的湿陷性破坏与黄土的物理力学性质有关,黄土中粉粒及可溶盐含量高,是造成黄土路基产生湿陷性破坏的重要因素;黄土路基的湿陷变形和边坡坍塌主要是由粘聚力的剧变引起,而内摩擦角没有显著变化;在一定压力下,黄土路基的压缩和湿陷变形总量趋于定值,与浸水和加荷的先后关系不大;压缩变形较小,浸水后的湿陷变形就大,反之亦然。研究成果将为黄土路基的病害防治提供科学依据。     

压实黄土湿陷变形影响因素分析

以宣大高速公路河北段为依托,基于室内固结试验,分析压实黄土变形特性,引入湿陷系数,基于压实黄土的物理指标(含水率、压实度)与变形指标(湿陷系数)的关系,采用双曲线拟合法来表达湿陷变形在不同的含水率、压实度及外力的曲线变化规律,并对湿陷性黄土浸水和不浸水试验的变形过程进行了理论分析。结果表明,在低压力下,重塑黄土的湿陷性比原状黄土大,在高压力下,两者的湿陷性相差不大。压实度、含水量和龄期对压实黄土的湿陷性影响较大,应重视路基下部的压实。     

吴子高速公路黄土路基的湿陷性研究

从分析黄土的微结构变化入手,通过原状黄土和压实黄土的湿陷试验结果分析对比,研究黄土填料的湿陷性质及规律性。在含水量和密度相同的条件下,压实黄土的湿陷性高于原状黄土的湿陷性;湿陷系数与黄土的潮湿状况有关,土样含水量愈低,其湿陷系数愈大,随着含水量的增加,湿陷系数逐渐减小;填料的湿陷系数与压实度有关,填料的压实度愈小,湿陷系数愈大。     

离石黄土加荷-湿陷全过程的结构特性及本构模型研究

基于试验研究与数据分析，认为离石黄土的土体由孔隙和团聚体组成，相应地将离石黄土的结构效应划分为土体空间效应和联结效应。进一步将离石黄土的联结效应细分为荷载联结效应和浸水联结效应，荷载联结效应为线性变形，浸水联结效应为非线性变形。提出“湿陷应变”的概念，对其进行等效化的数值计算，得到应力-湿陷应变曲线，并通过引入和新建理想物体模型，建立离石黄土的压缩-湿陷力学模型，推导该模型的本构方程。     

黄土结构及物性指标对自重湿陷影响分析与预测

以自重湿陷性黄土场地室内外试验数据为基础,研究了黄土的微结构、地层结构、压缩模量与自重湿陷性的关系。结果表明:自西向东,由单粒、架空孔隙和点接触的微结构,逐步向由凝块状或集粒、粒间孔隙、面接触的微结构过渡;黄土地层基本呈水平层状结构,但分层数及厚度、湿陷性差异明显;压缩模量与自重湿陷量的变化规律相反。对黄土自重湿陷系数影响最大的是孔隙比,其次是干密度、含水率;所建立的自重湿陷系数与4个物性指标间的关系式,可预测分析黄土的自重湿陷系数;提出的预测和评价黄土自重湿陷量的公式是可行性。     

公路路基黄土湿陷性的室内实验研究

本文总结了目前关于湿陷性黄土湿陷机理的诸观点,对典型的湿陷性黄土地区的公路路基黄土进行了大量野外取样并进行了室内湿陷性试验,通过对试验结果的回归分析揭示了湿陷性与含水量、孔隙比、塑性指数的定量关系;并通过对切取的sem电镜照片进行分析,从微观角度对黄土微观结构特征与湿陷性之间的关系进行了有益的探讨。     

湿陷性黄土场地强夯夯沉量的预测

以湿陷性黄土地区的大量强夯工程实例为对象,分析、选择了影响夯沉量的五大主控因素作为BP神经网络模型的基本特征量,建立夯沉量与其之间的相关关系的BP网络模型,对夯沉量进行了预测分析。结果表明:BP神经网络模型能真实反映强夯夯沉量与主控因素之间的非线性关系,预测结果与实测值之间的相对误差小于10%,用该模型对强夯夯沉量进行预测是有效的。     

基于人工神经网络的公路黄土高边坡稳定性预测研究

文章介绍了BP网络模型的计算过程并对其性能进行了改进。在此基础上,分析了影响黄土高边坡稳定性的因素,包括土体的容重γ、粘聚力c、内摩擦角φ、孔隙水压力比γu,地震烈度,边坡坡比和边坡高度H。在对西部四省地区上百个黄土高边坡稳定性进行调查的基础上,结合典型的实测数据,应用改进的神经网络BP模型对其进行预测和评价研究。结果表明:改进的BP模型具有收敛快、数据输入方便等优点,预测结果相对传统方法来说更准确、可靠,具有一定的推广的价值。     

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题，提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量，经外流场仿真得到的空气阻力系数作为输出变量，获取数据集。采用遗传算法对BP神经网络进行参数寻优，最终建立基于遗传算法的BP神经网络模型，验证不同训练集数量对模型预测精度的影响。结果表明，GA-BP神经网络在训练样本较少时也能维持较高的预测精度，可用于汽车空气阻力系数的快速测。     

不同含水率重塑黄土变形特性分析

采用侧限压缩固结仪,对相同干密度、不同含水率的重塑黄土(Q3)进行压缩固结试验。借鉴原状黄土湿陷性的研究方法,分析了含水率对于重塑黄土的变形影响。结果表明:在给定应力水平下,土样的最终应变随着含水率的增大而增大。在给定含水率下,土样的最终应变随着应力的增大而增大。重塑黄土仍具有较大的湿陷性,在给定的应力作用下,随着含水率的增加,湿陷系数呈线性减小。     

冲击碾压在城市道路湿陷性黄土路基处理中的应用研究

为了研究冲击碾压对城市道路湿陷性黄土路基的处理效果，针对甘肃国际陆港中心区道路建设场地湿陷性黄土特点，设计了湿陷性黄土路基冲击碾压处理方案，采用土体沉降量、压实度、湿陷系数、压缩模量等参数表征处理效果，研究不同冲击碾压遍数下路基不同深度范围的土体处理效果。结果表明:冲击碾压能够有效改善湿陷性黄土路基压实度、压缩模量、湿陷性，冲击碾压25遍后深度为80 cm的黄土湿陷性完全消除；冲击碾压对150 cm范围内的湿陷性黄土压实度提高效果显著，冲击碾压对湿陷性黄土的有效处理深度为1.5 m。     

基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

为研究高寒地区设置中心深埋水沟单线铁路隧道的围岩力学参数问题，以兰新铁路新建博州支线阿拉套山隧道为工程背景，基于FLAC3D数值模拟软件联合MATLAB中的神经网络工具箱构建BP神经网络算法，建立隧道开挖位移正演和反演模型，对围岩物理力学参数作反演分析。通过对中心水沟开挖前的拱顶和拱腰监测数据做拟合分析，发现隧道变形已趋于稳定，反演过程不需考虑中心水沟开挖对围岩的二次扰动。以水沟开挖前的拱顶沉降值和拱腰收敛值作为输入函数，以围岩的体积弹性模量K、剪切弹性模量G、黏聚力c、内摩擦角φ、重度γ作为输出函数训练神经网络模型，利用训练好的模型进行所需参数的反演分析。将反演参数代入FLAC3D正演模型计算后，提取中心水沟开挖前的拱顶沉降值和拱腰收敛值，与中心深埋水沟开挖前的实际监控量测值相比较为接近。结果证明，围岩物理力学参数的反演较为合理，对于变形的预测较为准确，可为隧道后期工程的施工和优化设计提供参考。     

基于BP神经网络的富水砂层渣土改良试验效果预测

在地铁隧道建设过程中，渣土改良效果是影响盾构掘进速度的关键因素。为确保盾构顺利掘进，以坍落度试验、渗透试验和电阻率测试的结果作为数据样本集，根据深度学习领域常用的数据划分方法将训练集、验证集和预测集按照6∶2∶2进行划分，基于BP神经网络建立渣土改良效果的预测模型，对南昌地区富水砂层进行渣土改良效果预测，并将预测值和实际值进行对比分析。研究结果表明： 坍落度、渗透系数、内摩擦角在模型学习过程中的平均预测值分别为1728 mm、3355×10-6 cm/s、216°，相对误差平均值分别为176%、453%和360%； 预测集的输出结果与实测值的部分数据重合，三者的平均误差均在5%以内，可决系数R2值分别为088、090和085，表明该神经网络结构属于高精度模型。预测结果的误差均在现场渣土改良的允许误差范围内，可见BP神经网络模型能够对渣土改良的效果进行精准预测。