[发明专利]一种考虑滑床岩体结构特征的桩顶位移非线性预测方法有效
申请号: | 201811603721.6 | 申请日: | 2018-12-26 |
公开(公告)号: | CN109711051B | 公开(公告)日: | 2020-06-26 |
发明(设计)人: | 孙自豪;王亮清;姜耀飞 | 申请(专利权)人: | 中国地质大学(武汉) |
主分类号: | G06F30/23 | 分类号: | G06F30/23;G06K9/62;G06N3/00;G06F111/10 |
代理公司: | 武汉知产时代知识产权代理有限公司 42238 | 代理人: | 郝明琴 |
地址: | 430000 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 考虑 滑床岩体 结构 特征 位移 非线性 预测 方法 | ||
1.一种考虑滑床岩体结构特征的桩顶位移非线性预测方法,其特征在于,包括步骤如下:
S1、对三峡库区所有采用抗滑桩支护的滑坡进行勘察统计,选择典型滑坡建立概化地质模型;利用三维离散元数值模拟软件-3DEC建立所述概化地质模型的三维离散元数值模型;
S2、选取滑床岩体结构特征参数,包括有下述四个特征参数:岩层倾角α、岩层倾向与主滑方向夹角β、层厚比r、单组厚度d,其中r=hhard/hsoft,d=hhard+hsoft,hhard为硬岩单层真厚度,hsoft为软岩单层真厚度;确定参数单桩荷载q;
将所述参数α、β、γ、d和q带入步骤S1建立的概化地质三维离散元数值模型中,并进一步开展数值仿真实验进行单因素敏感分析,确定参数α、β、γ、d和q对抗滑桩桩顶位移的影响程度及影响范围;其中,在进行单因素敏感分析时,为保证对滑坡进行全方位的勘测,所述参数α、β、γ、d和q,选取为M个水平;所述参数α、β、γ、d和q具体为:α=[α1,α2...,αM]、β=[β1,β2...,βM]、γ=[γ1,γ2...,γM]、d=[d1,d2...,dM]和q=[q1,q2...,qM],M0;
S3、根据步骤S2中分析得到的单因素敏感分析结果,选取对抗滑桩桩顶位移影响最大的n个水平;所述参数α、β、γ、d和q具体为:α=[α1,α2...,αn]、β=[β1,β2...,βn]、γ=[γ1,γ2...,γn]、d=[d1,d2...,dn]和q=[q1,q2...,qn];其中,Mn0;
S4、针对所述参数α、β、γ、d和q,基于步骤S3选取得到的对抗滑桩桩顶位移影响最大的n个水平,采用正交设计方法设计所述参数α、β、γ、d和q在内的N组实验;
S5、利用3DEC软件对步骤S4设计的N组实验开展数值仿真实验,监测并记录每一组实验方案下抗滑桩桩顶节点的位移值yi;经过N组实验后,建立含有五个自变量α=[α1,α2...,αN]、β=[β1,β2...,βN]、γ=[γ1,γ2...,γN]、d=[d1,d2...,dN]、q=[q1,q2...,qN]和一个目标变量y=[y1,y2...,yN]的数据库;其中i=1,2...,N;
S6、将所述数据库中的每一项数据进行归一化处理;
S7、采用支持向量机机器学习算法,将步骤S6归一化处理后的数据作为输入变量,带入到支持向量回归公式,建立支持向量回归机模型;
S8、采用粒子群优化算法,对步骤S7建立的支持向量回归机模型进行优化,建立最优化的桩顶位移预测模型;
S9、针对一具体滑坡案例,确定参数α、β、γ、d和q;对当前步骤下确定的参数α、β、γ、d和q做归一化处理后,将其带入步骤S8中建立的桩顶位移预测模型,进一步得到桩顶位移归一化后的预测值,对所述桩顶位移归一化后的预测值做反归一化处理,得到的预测值即为实际的桩顶位移预测值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国地质大学(武汉),未经中国地质大学(武汉)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811603721.6/1.html,转载请声明来源钻瓜专利网。