剪切试验下砂土接触面摩擦特性影响因素分析

针对目前缺少对于砂土接触面三维剪切试验研究的情况,以大型土工三轴仪为原型进行改造,自主研制了一套砂土三维剪切试验设备,并利用所研制的试验设备和方法开展了砂土剪切试验,讨论分析了砂土土体初始相对密实度和土体不均匀系数两个影响因素。试验结果表明随着土样初始相对密实度的提高,砂土初始剪切刚度基本不受影响,但其峰值剪切应力和残余剪切应力均得到提高。而随着土体不均匀系数的提高,增大了土样的颗粒尺寸差异,土体具有良好的颗粒骨架,使得砂土剪切试验下峰值应力得到提高。试验表明,该试验设备和方法为后续开展的砂土摩擦特性影响因素探究提供了技术支持和研究基础。

基于时间注意力机制的大坝动态变形预测模型

构建高精度的变形预测模型对于大坝风险评估及防治措施制定具有极其重要的意义。传统的大坝变形预测模型鲜有针对大坝的变形滞后性特点以及变形特征因子的影响性分析与评估,这会对模型的预测精度造成较大的影响,并导致模型缺乏可解释性。针对上述问题,本文提出一种结合时间注意力机制的门控循环单元神经网络(GRU)架构。首先通过卡尔曼滤波(Kalman Filter)对原始大坝变形数据中由于监测器异常导致的随机噪声与异常值进行处理。其次,利用随机森林(RF)对各变形特征因子的重要性进行分析和评估,筛选模型输入的特征因子。最后,针对大坝变形的滞后性,利用时间注意力机制进一步提高GRU模型对时间维度上的动态特征关注度,增强模型对时间维度信息的自适应学习能力,且对时间注意力进行可视化进一步提高了大坝变形预测模型在隐藏状态阶段上的可解释性。通过工程实例研究结果表明,卡尔曼滤波在大坝变形监测中确实存在一定适用性,同时本文所提出的耦合时间注意力机制的变形预测模型有着较高的预测精度,对于预测过程中的隐藏状态层级有较强的解释性,并揭示了温度与水位因素对大坝变形的长期影响,为大坝变形安全监测提供了一种新的有效方法。