高喷插芯组合群桩竖向承载特性的数值分析

高喷插芯组合桩(简称JPP)是一种新型的复合材料桩,具有承载力高、造价低等优点。利用岩土工程专业软件FLAC3D对JPP群桩竖向承载特性进行了数值模拟分析,讨论了桩数、桩间距、桩长、不同组合形式、不同水泥土弹性模量等对竖向承载特性的影响。结果表明:承载力随着桩数的增加而减小,但16根群桩与25根群桩的承载力相差不多,16根群桩承载力可以代表16根以上群桩的承载力;桩间距越大,承载力越小,桩间距宜采用3倍的JPP组合桩径或4倍的芯桩桩径;承载力随着桩长的增加而增加;分段组合形式承载力效果较好,实际工程施工中宜采用之;水泥土弹性模量对竖向位移没有影响,但水泥土弹性模量越大,芯桩轴力越小。     

东北玉米热量指数预测方法研究(Ⅲ)——GM(1,1)预测方法

GM(1,1)是开展时间序列环境要素变化趋势预测的有效方法之一。通过对东北地区玉米热量指数的分析,建立了热量指数时间变化趋势的GM(1,1)预测模型,各模型的平均预测精度虽低于逐步回归统计模型,但也都达91%以上,可以应用该模型的预测结果指导农业生产。     

基于灰色模型的电力变压器可靠性分析

针对电力变压器可靠性建模精度要求高、但可靠性数据较少这一问题,将电力变压器看做是一个灰色系统,分别利用灰色GM(1,1)模型和无偏灰色GM(1,1)模型建立电力变压器的可靠性分析的数学模型,通过数据拟合得到电力变压器相应的故障率数据,对拟合精度进行检验后发现本文提出的可靠性建模方法精度高、实现快捷,是一种有效可行的电力变压器可靠性研究方法,其分析结果可为制定电力变压器的维护与维修策略以及状态检修工作提供依据。     

基于灰色理论和神经网络的边坡位移预测

边坡位移的发展受地质条件、天气环境和人类活动等众多因素的影响,变化趋势复杂,很难建立一个准确的经典数学模型对其进行全面的描述。为了得到边坡位移较准确的估计,采用多模型信息融合技术对边坡位移进行了预测。首先,将边坡这类影响因素复杂的系统看成是一个灰色系统,分别采用GM（1,1）模型、Verhulst模型和DGM（2,1）模型对位移值进行预测。其次,考虑到神经网络的高速并行计算能力和类似人类思维活动的处理机制,利用神经网络的办法对不同的灰色预测模型进行组合,生成灰色神经网络模型,该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适用性信息处理能力相融合,通过反复训练、学习,自动调节,可以得出各模型在组合模型中的合理权重,从而输出满意的结果。通过对比发现,利用组合灰色神经网络模型预测的位移值,比单独的灰色模型预测的位移值具有更高的精度。