国家自然科学基金(51109028)
- 作品数：5 被引量：14H指数：2
- 相关作者：康飞李俊杰李红军李守巨许青更多>>
- 相关机构：大连理工大学中国水利水电科学研究院东北电力设计院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金国家留学基金更多>>
- 相关领域：水利工程建筑科学天文地球更多>>
- 边坡系统可靠度分析智能响应面法框架被引量：7
- 2016年
- 多失效模式情况下,边坡体系可靠性分析较为复杂.提出了基于计算机试验结合机器学习理论建立边坡系统(体系)可靠度分析智能响应面法的一般框架.边坡体系可靠性分析智能响应面法步骤包括:样本生成、模型参数优化、智能响应面建立、蒙特卡罗模拟计算失效概率.对支持向量机、高斯过程等多种智能机器学习理论用于建立智能响应面的性能进行了对比分析.通过典型边坡的体系可靠度分析,验证了小样本情况下智能响应面法在边坡体系可靠性分析中的可行性和优越性.
- 康飞李俊杰李守巨李红军
- 关键词：边坡稳定人工蜂群算法高斯过程支持向量机最小二乘支持向量机
- 改进的SSOR-PCG快速求解法在高面板堆石坝求解效率和节约内存中的实践
- 2014年
- 针对大型高面板堆石坝有限元计算中常用的直接法存在存储空间大、计算时间长的问题,根据刚度矩阵稀疏性特点,采用对称逐步超松弛预处理共轭梯度法(SSOR-PCG法)的改进算法求解线性方程组,并提出了与该算法相适应的有限元刚度矩阵压缩存储的新方法,以典型面板堆石坝为例,将快速求解法和一维半带宽直接法在计算精度、内存占用、计算耗时三方面进行了比较分析。结果表明,快速求解法具有精度高、速度快、占用内存少的优点,可应用于大规模土石坝有限元分析中。
- 杨春雨李俊杰
- 关键词：面板堆石坝共轭梯度法
- 基于人工蜂群算法-逐步回归模型的大坝变形监测被引量：5
- 2013年
- 在大坝变形监测统计模型研究的基础上,针对传统大坝变形监测回归模型存在的不足,将逐步回归模型与智能优化算法相结合,提出了一种基于人工蜂群算法-逐步回归分析的大坝变形监控模型。该模型以逐步回归方法为基础,利用相关性分析、多重共线性分析等方法对观测数据进行处理,进而对大坝回归模型的荷载集变量进行筛选和评价,并将改进的人工蜂群算法引入回归模型分析,对荷载集系数进行优化和重新评估。人工蜂群算法是一种新型的群体智能优化方法,具有全局智能性搜索、鲁棒性强等优点,将其引入大坝安全监控建模领域,同时为改进人工蜂群算法的局部搜索性能,引入了单纯形操作算子。实例分析表明,与同类模型相比,所提出模型在一定程度上改善了拟合效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的。
- 梅泽宇许青康飞
- 关键词：大坝变形监测单纯形法
- 基于剪切波速与神经网络的砂砾土地震液化判别被引量：1
- 2014年
- 目前对于土层地震液化问题,多关注于砂土液化现象及判别方法研究,而砂砾土液化问题研究较少。基于砂土震害资料建立的剪切波速液化判别方法不能满足砂砾土液化判别的需要,往往会给出偏于危险的判别结果。在分析砂砾土液化主要影响因素的基础上,将神经网络引入砂砾土液化判别领域,建立了一种基于剪切波速和神经网络的砂砾土地震液化判别模型。将汶川地震中获取的砂砾土液化样本数据用于模型的训练和测试,实现了砂砾土液化与各影响因素之间的非线性映射。将所建立的模型用于汶川地震砂砾土液化判别分析,并和已有方法进行了对比,表明所提出的砂砾土液化判别方法具有判别准确率高的特点。
- 康飞彭涛杨秀萍
- 关键词：液化判别神经网络剪切波速汶川地震
- 基于径向基网络模型的面板堆石坝坝顶沉降量预测被引量：1
- 2014年
- 随着国家在水利基础建设方面的大力投入以及面板堆石坝自身的优越性,近几年该坝型逐步向超高坝型发展,同时坝体变形的预测也面临着诸多困难。本文提出了一种基于径向基(RBF)网络的面板堆石坝的变形预测模型。该模型充分利用了径向基网络的非线性映射能力,利用收集的历史样本信息,即可预测出面板堆石坝沉降。以水布垭面板堆石坝为例,预测得到的竣工期和满蓄5年后的沉降位移分别为2.156m和2.491m,与实测位移基本一致,相对误差分别为0.748%和0.400%。结果表明预测位移在设计允许范围之内,RBF网络模型具有建模速度快、预测精度高的特点。
- 韩少玄康飞
- 关键词：面板堆石坝径向基网络水布垭
