教学课程资源库 更多>>

关键词： 盾构隧道   地震响应   地震易损性   裂隙   风化花岗岩  

摘要： 以穿越风化花岗岩地层的广州市轨道交通五号线盾构区间隧道为工程背景,建立裂隙-双隧道非线性时程分析模型,采用增量动力时程分析方法,探究裂隙角度、长度及注浆填充组合工况下的隧道衬砌易损性曲线的变化规律。采用弯矩比作为衬砌损伤指标,采用地表峰值加速度和地表峰值速度作为地震强度指标,得到隧道衬砌的易损性曲线,阐明裂隙对隧道衬砌的抗震性能影响。结果表明:衬砌损伤概率会随裂隙在震动方向上投影长度增大而提高;衬砌损伤概率与裂隙长度呈正相关关系;对裂隙进行C25砂浆填充之后,隧道衬砌的地震损伤概率降低,表明工程实践中对裂隙进行填充的操作既可以提高围岩静稳定性,也可以提高隧道衬砌抗震性能。节理裂隙对围岩的局部劣化作用导致隧道衬砌地震损伤概率增加,效果与隧道场地剪切波速降低后相近。

关键词： 随掘地震   时差校正   实时采集   互相关  

摘要： 【目的】随掘地震数据通常采用多台采集分站进行数据采集,各分站拥有多个采集通道,由于井下缺少GPS信号,同时现有的各种网络同步技术受井下网络延迟问题影响,从而使得接收到的随掘数据各分站之间经常会存在同步时差。而时间同步精度直接影响数据的处理及成像质量。因此,随掘地震实时采集数据的同步时差校正对于随掘地震的探测准确性至关重要。【方法】由于当前地面高精度授时系统尚无有效解决井下信号丢失问题的方法,提出了一种基于随掘地震数据的自适应时差校正方法。以各分站独立扫描、综合分析的自适应速度分析方法,解决了各分站的同步时差对速度分析的影响;通过速度分析结果,计算各分站模型道,进而求取得到各分站的同步时差,实现随掘地震数据同步时差的自动校正。【结果和结论】理论模型测试结果表明:该方法所得到的同步时差具有较高精度,并且受噪声影响较小。将其用于煤矿工作面实测随掘地震相干单炮记录,校正后的随掘地震记录各分站之间的时差被消除,且在信噪比较低的各道之间也未受到噪声影响,具有较好的自适应性。地震波传播的时间是随掘记录中的关键属性,通过精确校正时差,确保了各分站记录的随掘数据在时间上的一致性,从而显著提升了数据的准确性。

关键词： 低信噪比   动校拉伸   VD-Seislet加权叠加   高分辨率  

摘要： 地震数据叠加充分利用多次覆盖观测系统的优势,能够有效提高地震数据的信噪比(SNR),然而,经典动校正叠加中的动校拉伸现象会引入低频假象,降低叠加剖面的分辨率,而常规切除处理往往导致浅层覆盖次数减少.Seislet变换是一种特殊针对地震数据特点的压缩技术,可直接沿同相轴方向进行压缩叠加,通过避免动校正过程提高叠加分辨率,但其难以解决低信噪比数据叠加问题.本文提出一种新的VD-Seislet加权叠加(VDSWS)方法,系统构建了Seislet加权叠加的理论框架并设计相应的权系数组合方法,在Seislet叠加方法中引入速度相关(VD)倾角以及高阶Seislet权系数,对低信噪比数据同相轴时空轨迹进行准确的预测,保证加权叠加的高分辨率特征;选取处理道与标准道的局部相似性作为权系数,重新分配数据权重来实现高信噪比叠加功能;对不同深度下反射同相轴的覆盖次数进行动态统计,计算归一化有效权系数来实现Seislet加权叠加结果的振幅保真性.通过理论模型和实测数据的处理,并与传统等权动校正叠加及加权叠加结果对比,验证了VD-Seislet加权叠加技术能够合理地恢复低信噪比数据浅中深部反射层位信息,获得兼顾高分辨率、高信噪比和高保真度的叠加剖面,最终实现低信噪比地震数据的高分辨率叠加.

关键词： 泥石流   同德盆地   河流下切   地震动信号   功率谱密度  

摘要： 黄河主流的下切导致同德盆地侵蚀基准面下降,促使同德盆地由古沉积区转化为侵蚀区,泥石流灾害频发,其形成运动过程的监测有利于保障河谷底部牧民的生命财产安全。运用带通滤波器、快速傅里叶变换、功率谱密度等地震动信号处理方法,揭示泥石流运动过程中的时频特征和能量特征;结合视频、泥位计、流速计、压力传感器等监测设备分析了泥石流动力学参数与震动信号之间的关系。结果表明:短时长时能量比法(short-term average/long-term average,STA/LTA)比值能够响应泥石流事件,龙头的STA/LTA比值远大于龙身,当泥石流呈现阵性流时,STA/LTA比值有激增现象,而且监测值比实际值要提前;功率谱密度能反映泥石流的不稳定运动过程,中、高频率的功率谱密度与低频率相比包含着更多的泥石流动力学信息;以单一能量阈值去区分泥石流和山洪并不可行,其能量阈值受到泥石流不稳定运动过程中沿岸崩滑物质加入的影响;地震动信号与泥石流泥位、流量、流速等单一运动参数的响应关系差,与质量流的响应关系最好。

关键词： 综合物探技术   环境地质监控   地质灾害预警   数据处理效率   风险评估模型  

摘要： 文章就环境地质监控综合物探技术的现状、问题和创新性解决方案进行论述。采用实证研究的方法,对探测精度、数据处理效率、监测覆盖范围、预警准确率以及成本效益比这几个关键指标进行分析。研究表明综合物探技术对于提高地质灾害预警的精度和扩大监测覆盖范围有显著优势,同时面临着预警准确率不够高和成本效益相对较低的挑战。提出地质异常体自动识别和分类技术,地质灾害风险评估模型的构建,实时在线监测和预警系统的研制的创新解决方案,希望能够对环境地质监控工作提供更加科学、高效的技术支撑。

关键词： 土壤微生物   植被恢复   岩溶   理化性质   土壤动物  

摘要： 土壤微生物在岩溶生态系统中扮演着重要角色,其通过参与营养物质循环对生态系统的功能提升产生深远影响。该文重点梳理了植被恢复、地质背景、土壤性质以及土壤动物对土壤微生物群落的影响,阐明了岩溶植被-土壤-微生物之间的关系。此外,该文还指出了当前研究中亟待解决的关键问题,即岩溶土壤团聚体层面微生物分布规律、凋落物对土壤微生物功能的影响、土壤动物与微生物之间的耦合关系、土壤微生物在碳氮循环中的作用、土壤微生物资源的开发与利用。通过以上问题的研究,将为深入理解岩溶微生物地球化学循环过程和制定有效的生态恢复策略以及土壤管理措施提供科学依据。

关键词： 地震类型   空间分布特征   震级均值   最大余震震级  

摘要： 本文梳理了河北及邻区(京津冀地区)1970年至2022年M_(S)≥3.5地震目录,对M_(S)≥3.5主震进行地震类型判定。研究发现,在该地震目录中,主余型地震66次,多震型地震24次,孤立型地震58次。本文对研究区内地震类型及其空间分布特征进行分析,并利用震级均值特性计算地震序列的最大余震震级,结果表明:(1)研究区域内的地震类型以主余型为主(45%),孤立型次之(39%),多震型最少(16%)。9次M_(S)≥5.0主震中,主余型3次,孤立型6次。随着震级增大,主余型地震所占比例也随之增加。(2)主余型地震序列和多震型地震序列中,最大余震在震后1 d内发生的占比最大。(3)地震类型的空间分布显示,3种类型的地震,沿着张家口—渤海地震带和河北平原地震带分布。孤立型地震在这2个条带上分布比较均匀;主余型地震主要分布在张家口、唐山、邢台一带;多震型地震与主余型地震分布情况基本相同。(4)利用震级均值特性,计算该区M_(S)≥5.0主震(主余型)的最大余震震级,发现3个研究震例计算得到的最大余震震级与实际记录比较相近,可以用此方法预估河北地区未来中强震的最大余震,为震后强余震的判断提供参考方法。

关键词： GIS   BP神经网络   滑坡地质灾害   易发性评价   南丰县  

摘要： 地质灾害的预测与评估对于灾害预防和减轻具有重要的实际意义。以江西省南丰县为研究区域,采用地理信息系统(GIS)和反向传播神经网络算法,构建了滑坡地质灾害易发性评价模型。首先收集并利用GIS技术处理了包括坡度、坡向、剖面曲率、降雨量、地貌类型、断层线密度和水系线密度等多种地理和气象数据;然后通过这些数据训练并优化BP神经网络,以提升模型的预测精度;最终模型的预测效果通过接受者操作特征曲线(ROC)的面积(AUC值)进行评价,得到了0.829的结果,显示了较高的预测准确性。利用优化后的模型进行滑坡易发性的空间预测,并绘制了易发性区域分布图。研究发现,高易发区往往集中在坡度25°~45°、坡向朝南或东南方向、年降雨量较大(尤其是集中降雨期间)、水系线密度较大的区域。研究结果可为南丰县的滑坡防治提供科学依据,并指导相关地区的防灾减灾规划和管理工作。

关键词： 岩溶隧道   围岩变形   溶洞角度  

摘要： 本文研究了岩溶区溶洞与隧道之间的相对角度对隧道围岩变形的影响,采用Abaqus有限元软件进行模拟,通过设置溶洞与隧道的相对夹角为不同角度,分析了隧道爆破开挖过程中围岩的变形特征。结果表明,当溶洞位于隧道上侧时,围岩的主位移呈现出先增大后减小的趋势,但当溶洞与隧道之间存在夹角时,围岩变形的最大值和塑性应变集中区域会发生偏移。这表明溶洞与隧道的相对位置对隧道围岩的稳定性有显著影响,需要根据具体情况采取相应的支护。研究结论为复杂岩溶条件下隧道的设计和施工提供了理论支撑。

关键词： 边坡工程   阶跃型滑坡   蠕滑趋势   PSO-VMD模型   傅里叶波动函数   GA特征优化算法   CNN-SEGRU模型   KDE-GWO-ELM模型  

摘要： 在滑坡位移预测模型构建过程中,为了清晰地分离出各类特征影响的滑坡位移部分,增强位移预测模型的力学可解释性与泛化能力,提出一种基于蠕滑趋势影响和特征优化算法的阶跃型滑坡位移预测模型。该预测模型首先运用粒子群算法优化变分模态分解(PSO-VMD)方法将训练数据分解为具有西原蠕变特征的趋势项位移及其他数据曲线;然后,综合选取滑坡位移的外界影响特征,对其他数据曲线运用遗传特征优化算法(GA)分离重构得到具有傅里叶波动特征的波动项位移及最大化与外界影响特征间相关性的影响项位移;分别运用西原蠕变泰勒展开多项式模型,傅里叶波动模型及卷积神经网络-挤压激励注意力模块-门控循环单元模型(CNN-SE-GRU)对趋势项位移,波动项位移及影响项位移进行预测;令各项位移训练时的误差为随机项位移,运用核密度区间估计约束下灰狼算法优化极限学习机(KDE-GWO-ELM)模型对该位移进行预测;最终,各项位移预测值叠加后实现对阶跃型滑坡位移的预测。以阶跃型滑坡——白水河滑坡为例,选取ZG118与ZG93监测点2005年11月~2009年10月累积水平位移数据为训练数据,2009年11月~2010年7月累积水平位移数据为预测数据进行研究。结果表明,预测模型下ZG118与ZG93监测点的均方根误差RMSE分别为5.85与10.61 mm,平均绝对百分比误差MAPE分别为0.27%与0.43%,与CNN-SE-GRU/LSTM模型、GWO-ELM模型、VMD-GWO-ELM模型及EEMD-CNN-GRU模型相比,该模型不仅预测精度有所提升,且清晰地解释了时间特征、外界影响特征及误差特征对预测模型的影响,具有较好的可解释性与泛化能力。