基于Monte-Carlo模拟的公路黄土高边坡可靠性研究

本文分析了Monte-Carlo模拟法的基本原理,建立了基于简化Bishop圆弧法的极限状态方程;以陕西公路某黄土路堑高边坡为例,分析了模拟次数、计算模型以及土性参数的变异系数对可靠指标的不同影响,从而为公路黄土路堑高边坡可靠性分析提供了参考依据。     

公路黄土路堑高边坡稳定性的CAT分析

本文利用岩土工程有限元分析程序,对公路黄土路堑高边坡开挖过程进行模拟分析,得出了高边坡的变形特性和稳定性的变化规律,从而为公路黄土路堑高边坡的设计和施工提供了参考依据。     

黄土地区公路高边坡防护、生态景观建设

根据109国道十七沟至大饭铺段高速公路工程建设需要,对我国西部黄土高原地区的公路边坡防护及生态景观建设技术现状进行了总结;对地质情况相似的陕北地区高速公路边坡防护及绿化现状进行了现场调研,根据技术总结和调研结果,提出了本项目公路边坡防护及生态景观建设的技术建议.     

甘肃某公路高边坡稳定性研究

基于有限元(FEM)强度折减法计算出边坡潜在滑面的位置和稳定系数,并与极限平衡法计算结果做比较.从而对甘肃某公路高边坡稳定性进行研究.结果表明,有限元强度折减法与传统极限平衡法计算的稳定性系数很接近,增强了计算结果的可靠性.     

黄土高边坡开挖过程中的稳定性分析

根据甘肃兰州南坡坪—恩寺段K0+400~K1+498黄土高边坡地质地形特征,运用有限元软件对边坡支护和未支护工况进行数值模拟,对比分析两种工况下边坡的变形形态,塑性区的分布以及边坡稳定性。分析结果表明:未支护开挖和及时支护开挖各级测点的水平位移增量值变化趋势基本一致,产生的水平位移均指向坡外,坡面中部水平位移最大,坡顶水平位移最小;在竖向变形中,支护和未支护两种工况都表现出高测点比低测点变形大,最大竖向变形出现在坡顶,每级开挖都出现卸载回弹现象。综上说明,支护措施可有效减少水平和竖向变形,维持坡体稳定。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。     

基于人工神经网络的边坡稳定性评价

应用改进的BP神经网络模型对国道107线清连一级公路部分高危边坡进行了稳定性评价研究。研究表明，改进的BP模型具有收敛快、数据输入方便、预测结果准确可靠等优点*     

公路高边坡矢量和法稳定性分析

边坡的稳定性分析,是岩土工程的重要研究方向之一.矢量和分析法,主要考虑了力的矢量特征,在求得边坡真实的应力情况下,将滑面的总抗滑力矢与总下滑力矢在整体滑动方向上投影的比值作为边坡稳定性安全系数.文中分析了矢量和分析法安全系数的定义以及分析过程,在此基础上,对某公路高边坡工程进行了矢量和法稳定性分析,探讨了该方法的相关应用.边坡矢量和分析法物理及力学意义明确,分析过程简单,无需迭代分析,且适用于任何形状的滑面,具有较好的应用前景.     

人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播(BP)理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果.预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的.     

人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播（BP）理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果。预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的。     

基于模糊聚类BP 神经网络在边坡稳定性评价中的应用研究

利用边坡样本之间存在的相似性,采用模糊聚类分析方法对边坡样本进行分类,并根据择近原则将预测样本划归为贴近度最大的聚类模式,运用该模式对预测样本的稳定系数进行BP神经网络预测。通过实例证明了该方法的可靠性和有效性。     

基于人工神经网络的岩爆烈度预测研究

岩爆是高地应力岩石地下工程中的一种常见灾害,岩爆预测是岩爆研究中的重要研究课题。本文选取围岩最大切向应力与岩石抗压强度的比值σθ σc、岩石抗压和抗拉强度的比值σc σt和岩石弹性能量指数Wet作为评判指标,采用人工神经网络理论,根据给定的岩爆烈度分级标准构造学习样本集,建立了一种新的岩爆烈度预测模型。工程实例表明,所建议的模型预测精度高、通用性强,在岩爆烈度预测中具有良好的应用前景。     

人工神经网络在预测软基沉降中的应用研究

依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型,利用已建高速公路沉降数据,进行了软土地基最终沉降量的预测,取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。     

基于神经网络的无黏性土公路边坡稳定性实时判断研究

为了实现对非黏性土公路边坡的稳定性实时预警,采用神经网络方法建立了公路边坡稳定性安全系数Fs和变形值的关系模型.该方法克服了Fs不能实时获取的弊端,由实时测量的变形值计算出Fs,并通过Fs实现无黏性土公路边坡稳定性的实时预警,避免了传统实时预警方法中需要根据经验设定各种变形值阀值的问题.对某无黏性土公路边坡的试验研究表明,神经网络模型计算精度优于其他经验模型,且能够满足工程实时监测的需要.     

基于遗传神经网络的高速公路纵坡运行速度预测方法研究

车辆运行速度预测取决于多因素、非线性函数关系的建立,预测模型建立的准确与否取决于各个影响因素之间的相互作用的特性。将遗传算法与神经网络有机结合起来,以高速公路上的实测运行速度为基础,建立遗传神经网络训练和检验样本集,利用Matlab7.04的神经网络工具箱和遗传算法工具箱的函数,完成程序的编写,建立基于遗传算法的高速公路纵坡路段运行速度(V85)的神经网络预测模型,并将预测结果与实测数据进行比较。结果表明:所用遗传神经网络模型可靠,预测精度高,对我国采用运行速度的路线设计方法和线形质量评价有较高的参考价值。     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

车辆侧向运动的人工神经网络辨识

利用一个带有循环的前馈多层人工神经网络模型对车辆的侧向操纵运动进行辨只。该辨识网络经过训练之后，可以较精确地描述车辆运动系统的输入－输出非线性动态映射关系，从而为车辆运动学建模提供了一条新的有效途径。     

神经网络在客车车身造型美学评价中的应用研究

提出基于人工神经网络（ANN）对客车车身造型进行美学评价的计算机辅助方法,阐述了用于“准三维”造型评价的BP网络结构以及造型特征提取技术。初步创建了智能化客车造型美学评价软件,并将其应用到实际客车造型评价中,使用效果良好。