杨永波
- 作品数：22 被引量：183H指数：8
- 供职机构：中国科学院武汉岩土力学研究所更多>>
- 相关领域：建筑科学天文地球自动化与计算机技术理学更多>>
- 基于灰色系统理论的锚杆极限抗拔力预测方法
- 本文利用有限的实测数据准确地预测锚杆的极限抗拔力具有重要的现实意义,根据灰色理论建立了锚杆的拉拔荷载-位移关系的GM(1,1)模型.介绍了运用灰色理论在有限的实测数据条件下预测锚杆极限抗拔力以及完整的拉拔荷载-位移关系的...
- 刘明贵杨永波岳向红李祺
- 关键词：岩土力学锚杆极限承载力灰色预测GM(1,1)模型
- 文献传递
- 边坡监测系统与方法研究
- 本文在指出边坡监测的重要意义后,系统地对边坡监测研究情况进行了讨论。首先总结了边坡监测的目的和作用。在对国内外边坡监测研究成果分析的基础上,分门别类地总结了边坡监测的主要方法。同时提出了智能化边坡监测系统的设计思路,并给...
- 李祺杨永波
- 关键词：边坡监测智能监测系统
- 文献传递
- 岩石锚杆拉拔实验的数值分析
- 采用数值模拟软件FLAC3D对全长粘结式锚杆在拉拔试验时的受力状况进行数值分析。假设围岩是均质的,在拉拔试验荷载下,如果荷载较小,锚杆的变形是协调一致的,锚杆轴向应力和砂浆剪力随着锚杆位移增大而变大;当锚杆-砂浆交界面的...
- 刘明贵岳向红杨永波李祺
- 关键词：锚杆拉拔试验数值模拟应力
- 文献传递
- 信息融合技术在边坡监测与预报系统中的应用被引量：28
- 2005年
- 刘明贵杨永波
- 关键词：信息融合边坡
- 锚杆极限抗拔力的灰色预测方法被引量：4
- 2007年
- 根据灰色理论建立了锚杆的拉拔荷载—位移关系的GM(1,1)模型。介绍了运用灰色理论在有限的实测数据条件下预测锚杆极限抗拔力以及完整的拉拔荷载—位移关系的方法。通过工程实例的分析计算,说明了该法具有良好的预测精度,满足工程实际需要。
- 杨永波刘明贵岳向红
- 关键词：锚杆极限承载力灰色预测
- 空心圆柱结构及板型结构中的导波检测理论研究
- 金属管道、管桩等空心圆柱结构及楼板、路面、防渗墙(或地下连续墙)等板型结构的质量好坏严重影响了其运行期间的安全。金属管道的传统无损检测常采用超声波方法，然而传统的超声检测是单点检测，在长距离、大面积检测时遇到了很大的困难...
- 杨永波
- 关键词：金属管道空心管桩混凝土板频散特性无损检测
- 文献传递
- 基于Sym小波和BP神经网络的基桩缺陷智能化识别
- 为提高基桩低应变动测信号的分析水平,采用一种新的时频域分析方法——小波分析。利用Sym小波对基桩速度响应时程曲线进行小波分解,对指定频带上的信号分量进行特征值提取,提取的特征值为反映各频带范围内体现能量分布的功率谱均值,...
- 刘明贵岳向红杨永波李祺
- 关键词：桩基工程小波分析神经网络数值模拟
- 文献传递
- 基于Sym小波和BP神经网络的基桩缺陷智能化识别被引量：12
- 2007年
- 为提高基桩低应变动测信号的分析水平,采用一种新的时频域分析方法——小波分析。利用Sym小波对基桩速度响应时程曲线进行小波分解,对指定频带上的信号分量进行特征值提取,提取的特征值为反映各频带范围内体现能量分布的功率谱均值,提取的特征值可构成反映信号特征的特征向量,同时利用BP人工神经网络的非线性映射特性建立特征向量和基桩缺陷类别之间的一种对应关系。通过数值模拟的方法可以得到大量不同缺陷类型的基桩的桩顶速度响应时程曲线,对这些数值模拟信号进行小波分解得到的特征向量为神经网络的学习提供大量训练样本。最后,利用实测信号小波分解后得到的特征向量对训练过的神经网络进行检验,其识别结果表明,训练后的神经网络能根据实测信号的特征向量对基桩缺陷进行智能化的识别。
- 刘明贵岳向红杨永波李祺
- 关键词：桩基工程基桩缺陷小波分析神经网络数值模拟
- 松软地层浅埋暗挖公路隧道现场监测分析研究
- 针对浅埋暗挖公路隧道的特点,对厦门高崎互通下穿嘉禾路隧道进行地表下沉、拱项下沉、洞内收敛、支撑应力等项目的监测工作.基于监测结果,分析了该隧道围岩和支护系统的变形及受力特点,指出了松软地层中浅埋暗挖隧道开挖影响的时空范围...
- 岳向红杨永波李祺张杰
- 关键词：隧道工程浅埋暗挖监测管理
- 基于灰色理论和神经网络的边坡位移预测被引量：13
- 2008年
- 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。
- 杨永波刘明贵岳向红李祺
- 关键词：边坡位移
