框架结构建筑物的沉降观测方法探讨

建筑物的整体稳定性是保证结构稳定的必要条件,其局部不均匀沉降将可能造成建筑物结构变化、局部应力集中等问题.为了保证建筑物能够正常使用,在建筑物建造和使用过程中有必要对其结构稳定及地基变化进行必要地变形监测.本文结合杨凌农业高新技术产业示范区框架结构电信生产楼的沉降监测实践,为探讨同类建筑物的变形监测,提供相应的布设方案及沉降观测方法.     

群桩基础沉降计算的近似混合法

基于混合法的基本思想,提出了用于群桩沉降非线性计算的近似混合法。近似混合法通过构造单桩沉降荷载曲线的插值函数以及采用相互作用系数考虑群桩之间的弹性影响,避免了因各桩离散成许多单元而导致土体柔度矩阵[δs]集成的费时,从而可进行多桩数群桩的非线性计算而不受微机内存和运算速度的限制。算例证明,本法与混合法的计算结果非常吻合。     

灰色模型GM(1,1)在建筑物沉降预测中的应用

建筑施工中,沉降观测是监测建筑物是否安全的重要环节,将灰色系统理论应用于建筑物沉降变形的数据分析,结合沉降观测实例,进行沉降预测结果的分析和检验,在一定程度上证实了建筑物沉降变形分析中采用灰色GM(1,1)预测方法的可行性.     

MATLAB稳健回归在作物水模型建模中的应用

本文讨论了作物水模型常规多元线性回归以及稳健回归的建立方法.基于内蒙古河套灌区曙光试验站玉米非充分灌溉试验资料,利用MATLAB中提供的稳健回归方法建立了Minhas型作物水模型,并与常规的多元线性回归方法进行了比较.结果表明采用稳健回归的方法比常规的多元线性回归可在一定程度上提高作物水模型的回归效果.     

基于灰色线性回归组合模型的河南省国内生产总值预测

根据灰色灾变预测原理,构建了基于GM(1,1)与线性回归的组合模型.对于具有数据跳变日期点的预测问题,用GM(1,1)模型;对非跳变日期点用线性回归预测.对河南省国内生产总值的预测结果表明,该模型克服了GM(1,1)模型和线性回归模型的缺陷,具有较高的应用价值.     

建筑物沉降数据分析的灰色预测方法

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降观测,并结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测法的可行性.     

灰色预测在建筑物沉降变形分析中的应用

本文将灰色系统理论的GM(1,1)模型应用于建筑物沉降变形数据分析,结合南宁市民生广场沉降观测实例,进行沉降预测结果的分析和检验,充分证实了在建筑物沉降变形分析中应用灰色预测方法的可行性.     

疏桩基础变形性状研究

疏桩基础是近年来开始的对桩基设计理论的新探索。它以控制建筑物的沉降量和补偿天然地基承载力不足来确定桩的补偿量，因此它的变形性状有别于传统的桩基。选用了能描述土体塑性特点的弹塑性本构模型，利用研制的并经过算例验证的三维有限元程序对疏桩基础的变形性状进行了分析，得出了疏桩基础的整体沉降、桩间土体的压缩、桩端下土体的压缩等的变化规律。     

大型建筑物沉降变形的动态预测方法研究

目的精准预测建筑物沉降的规律及建筑物的变形。方法小波神经网络具有良好的时频局域化性质和神经网络的自学习功能。通过小波分解进行平移和伸缩变换后得到的级数,具有小波分解的一般逼近函数的性质,因此可以用来预报。回归分析的方法可以定量地分析出变型设计过程中设计变量与性能指标之间相互依赖的不确定关系,以此揭示出产品性能指标与影响其值变化的设计变量之间的内在关系。对回归分析模型和小波神经网络模型做简单介绍,以宿州市某建筑大楼的沉降点观测数据为例,对2种模型的预测结果进行检验,在变形监测中分析其精度和可行性。结果回归分析模型预测误差最大值为-0.4 mm,最小值为0.1 mm;小波神经网络模型预测误差最大值为-0.21 mm,最小值为-0.01 mm。结论通过实例证明了2种模型的可行性,为变形分析中将影响变形的直接因素纳入模型提供了一定的参考。由于不同建筑物的荷载情况等因素的差异,模型的运用可能有一定的局限性,仍需要大量的实例进行验证,在有些情况下需要将荷载因子进行变换,才能获得较好的拟合度。     

桩-网复合地基工后沉降和桩土应力比的计算

本研究简述了土拱理论和薄板变形理论。在桩-网复合地基中,基于土拱理论、薄板变形理论和Winkler弹性地基模型,提出了桩-网复合地基工后沉降计算方法和桩土应力比计算方法,由于该计算模型考虑了桩-网复合地基各组成部分之间的相互作用,能够更准确地反映出桩-网复合地基的工作机理,同时克服了传统算法中"2者不能同时未知"的缺陷,并通过工程算例验证了本研究方法的正确性,对于实际工程的应用提供一定的理论依据。     

储罐下碎石桩复合地基工作性状的数值分析

基于FLAC3D软件的弹塑性有限差分分析,提出了大型储罐下碎石桩复合地基空间变刚度调平设计方法,可使复合地基的不均匀沉降得到有效控制。同时,研究了垫层模量对碎石桩复合地基桩土应力比及桩体与桩周土间差异沉降的影响。研究表明,随垫层模量的增大,桩土应力比增大,而桩体与桩周土间的差异沉降减小。并揭示了碎石桩复合地基桩与桩间土竖向变形的相对关系:桩顶附近桩的沉降稍小于土的沉降,桩底附近桩的沉降稍大于土的沉降,桩体大部分范围内,桩、土等沉。     

双向复合地基的有限差分法分析

在对双向复合地基的各组成部分及工作原理进行分析的基础上,基于薄板变形的有限差分法理论和Winkler 弹性地基模型,对水平-竖直向增强体系进行合理假定,并考虑复合地基中碎石桩的双向排水作用,提出了桩土应力比随时间变化关系式以及路基工后沉降计算方法.该方法综合反映了桩土应力比随时间变化的特性以及荷载大小、网及桩间土的刚度、复合地基置换率、散体材料桩体的双向固结作用等因素对桩网复合地基的工后沉降的影响.用文中计算方法对一工程实例进行计算,验证了计算方法的可行性.     

碎石桩加固的软土路基承载特性分析

鉴于软土路基承载能力弱,难以达到工程标准,本文针对遂资高速公路的具体软土地质条件,采用FLAC3D数值模拟软件建立模型研究了碎石桩加固的软土路基承载特性,分析了碎石桩加固前后软土路基的位移沉降规律和路堤填筑过程中碎石桩的应力、位移和塑性区特征。结果表明:1)碎石桩加固可以有效降低软土路基的位移和沉降;2)碎石桩的竖向应力为周围土体的2～3倍,应力集中系数约为3.1;3)路基桩体最大沉降值和水平位移随填土高度的增大而减小,并呈现出线性变化关系;4)碎石桩加固后成为软土路基主要的承载体,可以有效提高软土路基承载能力,减轻其屈服破坏面积。     

玉米叶绿素含量高光谱反演的线性模型研究

叶绿素含量是衡量植被生长状况的一个重要指标,高光谱数据具有较高的光谱分辨率,利用其光谱信息建立叶绿素含量的关系模型,已成为监测植被长势的一种有效手段。传统叶绿素含量线性回归模型的输入因子是植被特征提取参数,由于高光谱数据波段间的冗余度较高,导致一般的线性模型的反演精度较低。主成分分析可以减少数据的维数,简化网络结构,得出能反映原始信息的综合变量。本文以盆栽玉米为研究对象,利用植被特征和主成分分析方法提取光谱反演参数,根据所提取的参数建立玉米叶片叶绿素含量的一元线性和多元线性回归模型。结果表明,利用绿峰峰值和近红外反射率均值两参数可在一元线性模型中较好地反演玉米叶片叶绿素含量;而利用分波段提取的主成分能够在多元线性回归模型中更好地反演叶绿素含量,反演精度较高。     

一种基于线性回归模型的运动矢量重估算法

针对H.264/AVC空间分辨率缩减的视频转码,提出一种基于线性回归模型的运动矢量重估计算法.它利用原始视频流的运动矢量与下采样视频流的运动矢量之间的相关性,运用线性回归模型建模,得到下采样视频的运动矢量.仿真实验结果表明：在保持率失真性能的同时,计算复杂度明显降低.     

基于时间序列数据的粮食播种面积单产预测模型研究

采用了一种基于时间序列数据的灰色—线性回归模型对广西某市的粮食作物播种面积的单产进行了预测,并将预测结果及预测误差与线性回归模型及灰色GM（1,1）模型的预测结果进行了比较。结果表明,灰色—线性回归组合模型进行粮食作物耕地需求量预测精度较高,具有科学可行性。     

基坑开挖对相邻既有建筑物附加沉降的影响

以土钉-桩锚支护基坑工程为例,建立了具有阳角的深基坑和相邻既有建筑物整体数值分析模型,揭示了基坑开挖对坑外地表及相邻既有建筑物附加沉降的影响规律。研究成果对基坑工程实践和相邻既有建筑物的保护具有重要参考价值。     

基于灰色理论和回归分析的需水量组合预测研究

【目的】建立精度更高的需水量预测模型,为水资源规划提供理论依据。【方法】建立基于灰色预测和线性回归预测的需水量组合预测模型,以深圳大鹏半岛需水量为例,对组合预测模型的预测结果与单独采用灰色预测、线性回归模型预测的结果进行了比较。【结果】单独采用灰色预测模型和线性回归模型进行预测的平均误差分别为6.5%和2.5%,而基于灰色预测和线性回归的组合预测模型的平均误差仅为1%。【结论】组合模型的预测精度较单一模型的预测精度明显提高,并且该模型可以更全面地反映需水量的变化规律。     

基于深度学习的湘赣鄂地区植被变化 及其影响因子关系模型

构建NDVI及其影响因子之间的关系模型是对区域植被变化进行预测的重要方法之一,然而传统的模型大多通过线性回归方法构建,且主要选取单一影响因子进行模型构建。深度学习是一种有效训练深层神经网络的机器学习算法,具有训练速度快、预测精度高的优点,近年来被应用于图像识别、回归分析等各领域。笔者引入深度学习方法,以气象、土壤、地形等多因子为模型自变量,以MODIS-NDVI为因变量构建关系模型,应用于湘赣鄂地区2005—2015年植被变化的预测中,对所建模型的适用性进行了评价。结果表明:深度学习模型与线性回归模型相比预测精度更高,预测效果更好,NDVI深度学习预测值与原始MODIS-NDVI值的相关系数达到0.804。可见,深度学习具有较强的模型构建及预测能力,能够地对区域植被变化进行有效的预测,进而为作物产量估算、冻害监测、植被覆盖度监测等研究提供帮助。     

基于光谱变换与SPA-SVR的玉米SPAD值高光谱估测

叶绿素含量快速、无损监测是评估玉米生长状态有效方式之一.以抽雄期玉米为研究对象,研究原始光谱、普通一阶导数光谱、间隙一阶导数光谱、开平方根光谱以及连续统去除光谱的特征波段以及5个传统植被指数与玉米叶绿素含量之间关系.对比分析不同模型(单因素回归模型、结合连续投影与多元线性回归、支持向量回归模型)对抽雄期玉米叶绿素含量预...