饱和砂土液化Finn模型的关键参数

以闽江中细砂层为对象,开展三因素三水平正交设计的小型振动台试验,定性探讨闽江砂土液化特性;同时基于Finn模型,在FLAC3D数值平台上对典型试验过程开展动力时程数值模拟。结果表明:Finn模型可有效模拟地震动作用下饱和砂土孔压的增长与有效应力的降低,能较为准确地反映饱和砂土的液化效应,Finn模型中的关键参数C_(1)、C_(2)对计算结果影响显著。以超孔压比峰值及超孔压比稳定值为指标,通过大量数值模拟结果与试验结果的对比,对上述关键参数进行标定,建议闽江饱和砂土液化Finn模型的关键参数取值为C_(1)=1.30、C_(2)=0.31。饱和砂土激振过程中呈现出轻微剪胀趋势,大致与液化现象同步出现。

基于遗传神经网络的砂土液化判别模型

针对BP人工神经网络具有易陷入局部极小等缺陷,本文提出了将遗传算法与神经网络相结合,同时优化网络结构与权值、阈值的思想。根据地震液化的实测资料,建立了砂土液化判别的遗传神经网络模型,比较计算结果证明了该模型的科学性、高效性。文中并进行主成分分析,提出液化影响的主要因素。

基于数据挖掘的砂土地震液化预测模型研究

在对砂土地震液化各影响因素分析的基础上,引入整合式模糊聚类神经网络的数据挖掘模型。该模型以模糊系统为框架,结合聚类分析技术和神经网络模式,建立砂土液化与其影响因素之间的非线性关系。运用所建立的模型,对国内外400组砂土地震液化资料进行分析,来预测砂土液化现象。数据挖掘结果的误判率及分类矩阵表明,文章的系统模式在判断砂土地震液化时能取得较好的效果。

饱和砂土动力液化到渗流液化过程探讨

根据饱和砂土地层地震液化现象及饱和砂土动力学试验所观察到的现象 ,本文从砂粒～孔隙水两相介质相互作用的角度出发 ,研究饱和砂土在振动荷载作用下的液化过程和机制。研究结果表明 ,饱和砂土受振 ,砂粒相对滑动并重新排列 ,孔隙率降低 ,孔隙水受压产生超静孔水压力并不断增大 ,部分孔隙水挤出渗流 ,隙水渗流对砂粒产生渗流压力。渗流压力与超静孔隙水压力迭加 ,形成的上托力等于或大于砂粒水中重力时 ,砂粒在隙水中处于悬浮状态。此时 ,饱和砂土宏观上表现为液态。为此 ,根据下沉砂粒与向上渗流孔隙水之间相对运动过程中的动力作用特征 。