基于强度折减法的多级边坡稳定性分析

对于高边坡,因主观原因准许不能准确地把握滑动面及坡体的实际变形状态,不利于边坡稳定性设计。本文大型通用有限元分析软件ABAQUS作为分析平台,采用强度折减法,建立坡体安全系数与失稳机理的边坡稳定性有限元模型。该模以迭代计算不收敛作为边坡失稳判断依据,分析坡体初始设计的稳定性。通过改变坡体设计方案,来提高坡体整体的安全系数。结果表明:通过分层降低设计坡比,可实现提高坡体的安全系数,但是提高效果有限;基于强度折减法的有限元数值迭代不收敛判决有助于坡体稳定性初步设计。     

库水位升降作用下桥梁岸坡稳定性分析

以贵州省某公路望谟河大桥为实例,分析库水位升降作用桥梁岸坡稳定性的影响。本文利用GeoStudio软件中的Slope和Seep模块,结合桥梁现场勘察及拟建水库运营等资料,分析库水位升降作用下的桥梁岸坡稳定性的变化规律。研究结果显示:库水位升降与岩土体的物理力学性质共同影响桥梁岸坡的稳定性;库水位下降过程中,岸坡稳定性系数降低,对岸坡稳定性不利,库水位上升过程中,岸坡稳定性系数增大,短时间内利于岸坡稳定,但在水库运营周期内,桥梁建设将考虑库水位升降影响。     

永武高速公路K28+410～520段右边坡开挖变形监测试验研究

本文依托永安至武平高速公路在建高边坡开展开挖变形监测试验,验证掌握开挖过程中的坡体变形特征与演化规律,评估坡体的稳定性,为指导施工、优化设计提供依据。     

桂林至三江高速公路K44+682～K44+872段滑坡处治技术

文章以厦门至成都高速公路广西桂林至三江段K44+682~K44+872段左侧滑坡为工程背景,分析了滑坡形成的机理,提出了"卸载放坡+坡体锚固"处治方案,并针对该处治方案下边坡的稳定性进行了数值计算。计算结果表明,采用"卸载放坡+坡体锚固"的处治方案,能够有效保证边坡的稳定。     

大相岭隧道断层破碎带围岩变形的GA-BP神经网络预测技术

断层破碎带围岩变形预测一直是隧道工程信息化施工与管理争论的焦点,迄今没有科学合理的预测方法。在NATM隧道施工中,围岩变形量常作为评判隧道稳定性和支护结构经济合理性的重要指标。隧道变形量是随时间而变化的数列,可以建立实时跟踪预测模型和方法。文章针对雅西高速公路大相岭隧道施工中断层破碎带围岩变形速率大、持续时间长、变形量大等特点,基于BP人工神经网络原理,并引入了遗传算法,通过改进和提高预测精度,建立了预测断层破碎带围岩变形的GA-BP神经网络综合预测模型。经工程实践检验预测结果,具有较高的可靠性和准确性。     

公路工程土质边坡稳定性影响因素分析

公路工程土质边坡稳定性问题一直是我国公路建设关注的重点。在我国进行的公路建设中,往往因为开挖路堑而形成边坡。原本处于稳定状态的自然边坡受到人为削坡卸载、爆破震动等影响,临空面又受到地表水侵蚀、地下水浸润等影响,再结合边坡自身特殊的地质条件,很可能导致边坡发生过大的变形、坡体表面出现裂缝、坡体内部逐渐形成滑裂面,进而导致边坡的稳定性不断降低。主要分析了公路工程土质边坡现状和影响其稳定性的因素,并介绍提高其稳定性的防治措施,以期为同行提供借鉴。     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

人工神经网络在水平管道浆体输送浮游界限速度中的应用

通过分析影响临界流速的几个主要因素 ,应用BP人工神经网络的模型和算法 ,建立了水平管道浆体输送浮游界限速度的预测模型 ,克服了以往所建立的浮游界限速度模型受某些特定条件限制的局限性。与实测资料进行了比较分析 ,结果表明模型基本合理可靠。     

江津区油溪镇公路高切坡稳定性及治理对策分析

在高切坡稳定性地质宏观判断基础上,对高切坡的破坏模式进行评价分析。通过选取合理的计算模型和计算参数,对高切坡坡体在天然状态和暴雨状态两种工况条件下的稳定性进行计算分析,并提出了合理的治理方案。     

利用人工神经网络预测再生沥青混合料的动态模量分析

回收沥青瓦混合料在组成和性能上与原混合料有很大的不同,因此很难对回收沥青瓦混合料的性能进行预测。文章旨在说明人工神经网络在预测含回收沥青瓦的沥青混合料的动态模量(E~*)方面的可行性,整理了1 701组数据用于人工神经网络模型的构建、训练和测试,将所建立的人工神经网络模型与现有的基于多元回归的Witczak E~*模型进行比较分析。结果表明,人工神经网络模型的预测性能优于Witczak模型,人工神经网络作为预测再生沥青混合料动态模量的工具具有很大的潜力。     

京沪高速公路改扩建岩质高边坡病害诱因分析

为研究高速公路改扩建沿线高边坡病害诱因,本文依托京沪高速改扩建工程,采用理论分析和现场调研分析了边坡形态、地层岩性、地质构造等工程地质条件、降雨、地震、地应力等自然因素特征以及机械开挖、爆破开挖、植被破坏、人工堆载等人类工程活动等病害诱因对边坡稳定性的影响。并以此为基础,提出边坡施工开挖过程中相应的施工建议。     

基于BP神经网络的压气站风险评价方法

压气站作为输气管网系统中的重要组成部分,在使用过程中会受到环境因素、腐蚀因素、防腐系统等因素的影响,在一定程度上增大了压气站的风险水平.文中借鉴国内压气站风险评价技术的基本思想和处理方法,结合国内压气站设计、施工、运行、维护的实际条件,根据人工神经网络的原理和方法,建立了BP神经网络风险评价模型.利用某输气公司提供的2...     

锚固系统对地震边坡动力响应的影响研究

文章利用有限差分程序FLAC2D6.0,从单元屈服状态和剪应变增量、应力场、动力稳定性等方面对比分析了自然边坡和锚固边坡在地震作用下的动力响应情况。结果表明：在地震作用下,土坡产生不可恢复的累积变形,其大小与输入的地震波峰值有关,而锚固边坡较自然边坡有更好的延性;锚固系统能在一定程度上限制坡顶拉破坏的产生和很好的控制坡脚剪切破坏的发展;锚杆轴力沿全长呈不均匀分布,且在滑移面附近变化幅度最大。     

基于神经网络的无信号路口人车交通行为预测分析

以无信号灯路口人车交通行为为研究对象,对行人和机动车辆在无信号灯路口的整体交通行为进行分类预测。在对路口现场交通情况进行拍摄后,用电脑的分帧技术对所需要的数据进行提取和分类,而后建立BP神经网络模型,确定神经网络的输入变量与输出变量。将样本数据导入神经网络并进行训练和测试后,得出行人和车辆过街类型的分类准确率,并且通过准确率所达到的标准来证明了BP神经网络模型的可行性。     

混凝土结构钢筋锈蚀率BP神经网络预测模型

文章基于对钢筋锈蚀率与锈胀裂缝关系的分析,建立了根据锈胀裂缝宽度预测钢筋锈蚀率的BP神经网络模型,并将该模型的预测结果与采用线性拟合法预测的结果进行了比较。结果表明：用BP神经网络模型可以较准确、简便、快速地预测钢筋混凝土结构的钢筋锈蚀率。     

垂直管道中浆体摩阻损失的神经网络研究

利用有关实验资料,基于附加动量的BP算法,对垂直管道内锰结核的摩阻损失进行了模拟。神经网络的模拟结果表明：BP算法在垂直管道中的浆体摩阻损失的模拟是可行的。     

油气管道周向漏磁检测信号分析

用于检测管道腐蚀缺陷的漏磁检测方法已运用多年,但传统的轴向漏磁检测方法无法检测到狭长的轴向腐蚀缺陷,使用周向漏磁检测则能很好地弥补轴向漏磁检测的不足。周向漏磁检测及其信号分析在国内还处于起步阶段。采用ANSYS仿真软件建立了周向漏磁检测模型,并进行了电磁场模拟;对仿真模型提取的漏磁信号与腐蚀缺陷的尺寸信息进行了定性分析,提出应用BP神经网络定量分析油气管道腐蚀缺陷与漏磁信号的关系。结果表明：漏磁信号能定性地判断腐蚀缺陷,而使用BP神经网络方法可以定量地确定管道腐蚀缺陷尺寸,有助于提高检测的精度,同时也为油气管道安全评价提供了依据。     

基于BP神经网络的PGIS空车位数预测建模研究

文章采用BP神经网络对城市停车诱导信息系统（PGIS）中的空余车位数进行预测研究,建立了基于BP神经网络的PGIS空车位数预测模型,并介绍了模型预测的过程和方法。     

An artificial neural network approach for evaluating transportation network improvements

As demand increases over time, new links or improvements in existing links may be considered for increasing a network's capacity. The selection and timing of improvement projects is an especially challenging problem when the benefits or costs of those projects are interdependent. Most existing models neglect the interdependence of projects and their impacts during intermediate periods of a planning horizon, thus failing to identify the optimal improvement program. A multiperiod network design model is proposed to select the best combination of improvement projects and schedules. This model requires the evaluation of numerous network improvement alternatives in several time periods. To facilitate efficient solution methods for the network design model, an artificial neural network approach is proposed for estimating total travel times corresponding to various project selection and scheduling decisions. Efficient procedures for preparing an appropriate training data set and an artificial neural network for this application are discussed. The Calvert County highway system in southern Maryland is used to illustrate these procedures and the resulting performance.     

Prediction of hourly air pollutant concentrations near urban arterials using artificial neural network approach

This paper applies artificial neural network to predict hourly air pollutant concentrations near an arterial in Guangzhou, China. Factors that influence pollutant concentrations are classified into four categories: traffic-related, background concentration, meteorological and geographical. The hourly averages of these influential factors and concentrations of carbon monoxide, nitrogen dioxide, particular matter and ozone were measured at three selected sites near the arterial using vehicular automatic monitoring equipments. Models based on back-propagation neural network were trained, validated and tested using the collected data. It is demonstrated that the models are able to produce accurate prediction of hourly concentrations of the pollutants respectively more than 10 h in advance. A comparison study shows that the neural network models outperform multiple linear regression models and the California line source dispersion model.