对西安地裂缝运动发展规律的认识与研究

对西安地裂缝的运动发展规律进行了较深入的研究,预测了其未来发展变化的趋势和垂直位移沉降量。基于已有的研究资料,首先,总结和分析了西安f7地裂缝的运动发展变化,发现西安地裂缝的累积垂直位移沉降曲线呈现一定的规律性;然后,采用费尔哈斯特(Verhulst)模型,借用MATLAB的CFTOOL工具箱对其进行了回归拟合研究;最后预测了f7地裂缝未来发展变化的趋势以及年平均垂直位移沉降量。这样将会极大的方便对其进行预防以及采取相应的工程措施。

吸力内摩擦角的确定方法研究

吸力内摩擦角在非饱和土抗剪强度理论中是一个关键参数,因受设备、测试技术以及试验方法等的限制,对于其值的确定难度较大。详细地分析了土的基本物理力学性质、测试方法对吸力内摩擦角数值的影响,并通过定性分析和定量计算结合,认为干密度、含水率、内摩擦角、黏聚力与吸力内摩擦角之间存在着一定的非线性关系,因而借用人工智能——BP神经网络的方法构建了4:9:1的网络结构模型,实现了对吸力内摩擦角φb的预测和计算。通过预测结果的分析可知,该模型模拟和预测的精度均较高,因此,该种方法可以应用到非饱和土吸力内摩擦角值的预测之中去。

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。

基于改进的BP神经网络对西安黄土抗剪强度指标的研究

运用带适应学习率和动量因子的梯度递减法——TRAINGDX训练函数的BP网络对黄土的抗剪强度指标进行了预测。首先分析了影响黄土抗剪强度的6个影响因素,而后建立了6∶14∶2的神经网络(Artificial Neural Network)黄土抗剪强度指标的预测模型,最后借助Matlab为平台,利用自编的程序,进行了预测计算。通过对预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到黄土抗剪强度指标的预测中。

φ^b值的一种预测方法

基于TRAINLM训练函数的BP神经网络对非饱和土吸力内摩擦角φ~b的预测研究。首先分析了影响吸力内摩擦角值的4个影响因素,而后建立了4∶9∶1的神经网络（Artificial Neural Network）对吸力内摩擦角φ~b的预测模型,最后以Matlab为平台,利用自编的程序,进行了预测计算。通过预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到非饱和土吸力内摩擦角值的预测中。