学位论文 > 优秀研究生学位论文题录展示

黑河水库水门沟滑坡稳定性分析

作　者: 李捷斌
导　师: 张勤
学　校: 长安大学
专　业: 大地测量学与测量工程
关键词: 滑坡 GPS监测稳定性分析神经网络卡尔曼滤波动态预测
分类号: TV221.2
类　型: 硕士论文
年　份: 2009年
下　载: 139次
引　用: 0次
阅　读: 论文下载

内容摘要

滑坡是一种自然地质体灾害,一旦滑动,危及人们生命财产安全。为了减少滑坡灾害对人民生命财产安全造成的损失,对滑坡进行变形监测,利用监测数据对滑坡进行预测预报,进而进行稳定性研究,具有重要的理论与实际意义。本文根据陕西省黑河水库库区G108国道水门沟滑坡为工程背景,采用GPS定位技术以及精密水准测量方法,定期监测滑坡体的水平位移和垂直位移,对变形数据进行分析处理,并结合水库蓄水、水门沟滑坡的地质特征及地质条件,对水门沟地质灾害的变形机理、产生原因、破坏模式及影响因素进行了系统性的分析总结。通过对GPS监测资料进行分析,结合监测结果,研究了库区水位变化对滑坡体稳定性影响的关系;采用有限元法对主滑剖面进行应力、应变分析,并结合极限平衡法和神经网络方法计算其稳定性,对滑坡的整体稳定进行综合评价,并对滑坡稳定性影响因素进行了敏感性分析。研究了卡尔曼滤波模型和动态神经网络模型在滑坡变形预测中的应用,并在二者的基础上提出了一种基于卡尔曼滤波算法的BP神经网络模型,这种模型能够综合二者的优点,预测精度有了很大的提高。结合滑坡位移动力学分析方法,研究了动力学滑坡位移预测模型,使模型在预测过程中充分考虑到滑坡体本身的运动机理,与传统预测模型比较,使该模型在具有几何意义的基础上,兼具有了物理意义,并应用于水门沟滑坡位移预测,取得了较好的结果,为滑坡预测提供了新的思路。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-13
  1.1 课题的研究背景及意义  10
  1.2 国内外滑坡稳定性研究的现状  10-11
  1.3 滑坡稳定性研究存在的问题  11-12
  1.4 本文研究的内容  12-13
    1.4.1 课题来源  12
    1.4.2 主要内容及成果  12-13
第二章水门沟滑坡工程地质概况  13-17
  2.1 工程概况  13
  2.2 水门沟滑坡区工程地质条件  13-14
    2.2.1 地形地貌  13
    2.2.2 地层  13
    2.2.3 地质结构特征  13-14
    2.2.4 水文地质条件  14
  2.3 水门沟滑坡区工程地质特征  14-16
  2.4 水门沟滑坡机理及影响因素分析  16
    2.4.1 水门沟滑坡机理分析  16
    2.4.2 水门沟滑坡稳定性影响因素分析  16
  2.5 本章小结  16-17
第三章水门沟滑坡稳定性分析  17-38
  3.1 水门沟滑坡变形监测系统概述  17-21
    3.1.1 变形监测系统的建立  17
    3.1.2 滑坡监测坐标系  17-18
    3.1.3 监测资料分析  18-21
  3.2 基于有限元数值法的滑坡稳定性分析  21-25
    3.2.1 有限元计算原理  21-22
    3.2.2 有限元法基本方程  22-23
    3.2.3 有限元模型的建立  23
    3.2.4 有限单元分析计算  23-25
  3.3 基于神经网络技术的稳定性分析  25-32
    3.3.1 人工神经网络概述  25-26
    3.3.2 人工神经网络基本原理  26-27
    3.3.3 BP网络算法  27-30
    3.3.4 BP神经网络稳定性分析模型的建立  30-32
  3.4 水门沟滑坡稳定性极限平衡法分析计算  32-34
    3.4.1 传递系数法计算原理  33-34
    3.4.2 计算成果及分析  34
  3.5 稳定性影响因素分析  34-36
  3.6 本章小结  36-38
第四章滑坡形变的预测方法的研究  38-57
  4.1 滑坡位移预测神经网络模型  38-39
    4.1.1 滑坡位移预测的动态BP神经网络模型  38-39
    4.1.2 样本数据的预处理及网络的设计  39
  4.2 基于卡尔曼滤波的动态BP神经网络预测模型  39-42
    4.2.1 滑坡变形预测的卡尔曼滤波模型  40-42
    4.2.2 基于卡尔曼滤波的动态BP神经网络的思想  42
  4.3 水门沟滑坡的变形预测的研究  42-47
    4.3.1 卡尔曼滤波络模型在水门沟滑坡变形预测中的应用  44-46
    4.3.2 神经网络模型在水门沟滑坡变形预测中的应用  46-47
  4.4 基于Kalman滤波的BP神经网络的在水门沟变形预测中的应用  47-50
  4.5 基于动力学机制的边坡变形预测  50-55
    4.5.1 滑坡位移过程中的非线性动力学特征  50-51
    4.5.2 基于动力学的卡尔曼滤波模型  51-54
    4.5.3 基于动力学的卡尔曼滤波模型在水门沟滑坡变形预测中的应用  54-55
  4.6 滑坡位移监测在滑坡稳定性评价及预测中的应用  55-56
  4.7 本章小结  56-57
结论  57-59
参考文献  59-63
攻读学位期间取得的研究成果  63-64
致谢  64

黑河水库水门沟滑坡稳定性分析

内容摘要

全文目录

相似论文