啪啪国产视频_一级高清毛片_日韩精品中文字幕在线观看_免费视频一区二区三区四区

　　【摘要】： 隨著三峽水利工程的建成蓄水,庫區原居民除少數外遷外,大部分都是向高處搬遷,大量的移民需要大片的安置土地,而三峽庫區沿江兩岸都是高山峽谷地貌,可利用的平地甚少,因此,搬遷建設用地不可避免地要進行劈坡造地,形成大量的人工高邊坡。而這些高邊坡一旦失穩,將造成巨大的損失,所以對工程高邊坡進行穩定性預警就非常重要�；�坡預測預報是減輕滑坡災害的最有效地方法和途徑之一,也是當前滑坡研究的重點、難點課題,同時更是地質災害防治控制和環境保護的重要手段。 本文在廣泛的文獻調研基礎上,針對目前滑坡研究存在的主要問題,系統地總結了前人在滑坡預測預報領域的研究成果,并按照系統綜合的研究方法對滑坡預測預報的方方面面進行了較為系統的分析,主要回顧了滑坡預測預報的國內外研究歷程和現狀,對滑坡預測學、滑坡預測預報、滑坡時間預測預報、空間預測預報、災情損失預測預報等幾個關鍵性問題進行了界定和闡述:分析了滑坡空間預測預報相關參數,總結了滑坡空間預測預報參數選擇方法和滑坡空間預測預報國內外的主要研究方法,然后結合三峽建設委員會課題《高切坡防護工程預警系統及方法研究》,在廣泛查閱了國內外有關滑坡預測預報文獻資料的基礎上,分析了三峽庫區重慶某高邊坡監測點現場位移監測數據,運用灰色GM(1,1)模型和生物生長的Verhulst模型對其進行了失穩時間的定量預報;并且以滑坡的變形破壞機制為基礎,確定了影響邊坡穩定性因素的選取,以實際工程中的邊坡資料為樣本,建立了基于MatLab神經網絡工具箱的邊坡穩定性的定性評價方法的體系和流程。 【關鍵詞】：工程高邊坡 灰色模型 Verhulst 時間預測 神經網絡 穩定性評價
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：P642
【DOI】：CNKI:CDMD:2.2009.204797
【目錄】：

• 致謝5-6
• 中文摘要6-7
• ABSTRACT7-12
• 1 引言12-22
• 1.1 研究意義12-13
• 1.2 研究現狀13-19
• 1.2.1 邊坡穩定性評價的研究現狀13-16
• 1.2.2 邊坡預測預報的研究歷史與現狀16-18
• 1.2.3 神經網絡在邊坡工程中的應用18-19
• 1.3 研究內容與技術路線19-22
• 2 三峽涪陵地區工程地質環境22-31
• 2.1 自然地理及氣象水文22-24
• 2.1.1 自然地理22-24
• 2.1.2 氣象水文24
• 2.2 地形地貌24-25
• 2.3 地層巖性25-27
• 2.3.1 區域地層巖性25
• 2.3.2 涪陵地區主要地層巖性25-27
• 2.4 地質構造27-28
• 2.4.1 區域地層巖性27
• 2.4.2 地質構造條件27-28
• 2.5 新構造運動與區域穩定性評價28
• 2.6 水文地質條件28-30
• 2.6.1 松散巖類孔隙水28-29
• 2.6.2 碎屑巖類裂隙孔隙水29
• 2.6.3 碳酸鹽巖類裂隙溶洞水29-30
• 2.6.4 基巖裂隙水30
• 2.7 人類工程活動30-31
• 3 邊坡失穩機理及影響因素分析31-44
• 3.1 邊坡失穩的力學機理32-40
• 3.1.1 用M-C屈服準則解釋邊坡失穩機理33-35
• 3.1.2 用張拉-剪切復合屈服準則解釋邊坡失穩機理35-38
• 3.1.3 邊坡內部最危險滑動面的形成機理38-40
• 3.2 三峽庫區巖土體不穩定邊坡結構類型40-42
• 3.2.1 順層邊坡40-41
• 3.2.2 平緩軟硬巖層互層邊坡41
• 3.2.3 松散堆積體邊坡41
• 3.2.4 巖溶角礫巖邊坡41
• 3.2.5 層狀碎裂巖邊坡41
• 3.2.6 其他結構類型邊坡41-42
• 3.3 影響邊坡穩定性的因素42-44
• 3.3.1 邊坡體自身材料的物理力學性質42-43
• 3.3.2 邊坡的形狀和尺寸43
• 3.3.3 邊坡的工作條件及氣候條件43
• 3.3.4 邊坡的加固措施43
• 3.3.5 風化作用的影響43
• 3.3.6 地震作用43
• 3.3.7 其他人類活動43-44
• 4 單體高邊坡失穩時間預警研究44-62
• 4.1 邊坡變形破壞的時間演化規律44-48
• 4.1.1 斜坡變形演化的三個階段45-46
• 4.1.2 外界因素對斜坡變形-時間曲線的影響46-47
• 4.1.3 斜坡不同變形階段對外界擾動的響應47-48
• 4.2 單體邊坡失穩時間預測的理論與方法48-54
• 4.2.1 非等間隔序列的等間隔化48-49
• 4.2.2 灰色系統預測模型49-52
• 4.2.3 Verhulst預測模型52-54
• 4.3 應用上述預測模型對三峽庫區某高邊坡的失穩時間預測54-61
• 4.3.1 GM(1，1)模型預測56-60
• 4.3.2 Verhulst模型預測60-61
• 4.3.3 兩種預測方法的結果對比61
• 4.4 結論61-62
• 5 基于BP神經網絡的邊坡穩定性預測研究62-82
• 5.1 BP神經網絡介紹62-68
• 5.1.1 BP神經網絡的結構63-64
• 5.1.2 BP算法的實現步驟64-67
• 5.1.3 BP網絡設計67-68
• 5.2 建立BP模型構架68-71
• 5.3 BP神經網絡預測的實現71-80
• 5.3.1 評價指標的選取71
• 5.3.2 學習樣本的構造71-73
• 5.3.3 樣本歸一化處理73-75
• 5.3.4 檢驗樣本的構造75-76
• 5.3.5 BP網絡訓練76-80
• 5.4 工程應用檢驗80-81
• 5.5 本章小結81-82
• 6 結論與展望82-84
• 6.1 結論82-83
• 6.2 展望83-84
• 參考文獻84-87
• 作者簡歷87-89
• 學位論文數據集89