简介:上部结构受力验算需要用到下部基础刚度作为弹性边界条件,而桩基的刚度又受到土体刚度非线性的影响。本文采用拟静力方法计算桩、土和承台共同作用下的整体三向动力刚度,并引入土体小应变刚度的简化分析模型考虑土体刚度非线性对桩基刚度的影响。通过桩土相互作用模型中“受力变形平衡-土体刚度与应变协调-受力变形平衡”的循环计算,实现对土体在小应变水平下刚度非线性弱化特性的模拟,最终达到模型力学平衡与土体刚度水平的协调,从而得到桩基的拟静力刚度。在有限差分软件中实现上述算法,并对某工程柱下单桩和群桩基础整体三向刚度进行了大规模的计算应用。研究表明,采用本文提出的考虑土体与应变特牲的桩基动刚度拟静方法所得到的结果可为上部结构受力分析提供合理的计算参数。
简介:针对高光谱曲线中可能存在噪声以及传统半经验方法不能有效利用全部光谱信息的问题,提出了耦合Haar小波变换和偏最小二乘的水质遥感高光谱建模方法(HaarWT—PLS)。利用该方法,对在南四湖获取的实测高光谱数据经分解尺度为3的Haar小波变换后,将原始光谱数据压缩到47个特征变量;随后利用小波变换重构的光谱数据建立了悬浮物浓度和浊度的HaarwT—PLS反演模型,并进行了验证。结果表明:HaarWT—PLS反演悬浮物浓度和浊度精度较高,验证样本的均方根误差分别为25.05mg/L和20.10NTU,平均相对误差分别为20-36%和13.88%。通过和单波段模型、一阶微分模型和波段比值模型进行精度对比分析,本文建立的HaarWT—PLS模型反演悬浮物浓度和浊度具有较高的精度和更好的稳定性。
简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。