冰川是最重要的淡水储存库之一,精确识别冰川和监测冰川的变化对于了解气候变化和水资源管理具有重要意义。基于Landsat 8影像,以喀喇昆仑区域为研究对象,利用单波段阈值法、雪盖指数法、非监督分类、监督分类和U-Net卷积神经网络提取冰川边界,并以交并比和混淆矩阵对冰川边界提取结果进行精度评定。结果表明,非监督分类和单波段阈值法对于表碛覆盖型冰川以及阴影中冰川存在严重的漏分现象,易将薄雪覆盖的山地错分为冰川,K-means的提取效果最差,交并比为57.69%,Kappa系数为0.57。监督分类方法对于表碛覆盖型冰川的提取效果有明显改善,但对于阴影中的冰川的提取效果不佳,提取结果的Kappa系数均为0.70以上。雪盖指数法可以有效提取阴影中的冰川,但易将大面积冰川中的非冰川区域错分为冰川,交并比为74.49%,Kappa系数为0.76。U-Net卷积神经网络能够较完整地提取冰川边界,精度要明显高于其他分类方法,重叠面积最接近地面真值面积,其交并比为88.57%,Kappa系数为0.90。U-Net卷积神经网络虽然表现较好,但是对于极小面积冰川仍存在漏分,后续研究可通过改进网络结构来提高精度...

为了探究不同低温不利条件下再生微粉ECC材料力学性能的影响,本文采用控制变量法,以再生微粉种类和取代率为研究变量,探究了再生微粉ECC在冻融循环和恒低温两种低温不利条件下的抗压和抗折强度试验。分析了再生微粉种类、再生微粉取代率、冻融循环次数、恒低温温度对再生微粉ECC力学性能的影响。最后基于BP神经网络,建立了3-6-1的冻融循环和3-3-1的恒低温BP神经网络结构抗压强度预测模型。研究结果表明:在相同的冻融循环条件下,再生混凝土微粉ECC的力学性能要高于再生砖粉ECC,且均随再生微粉取代率的增加先小幅度下降后剧烈下降,在经历150冻融循环后力学性能损失20%左右。而经历恒低温保温后的再生微粉ECC力学性能呈现出相反的变化趋势,随着低温保温温度的降低再生微粉ECC的力学强度反而呈现上升趋势,从常温到-40℃恒低温状态下力学性能提高22%左右。建立的两个低温不利条件下BP神经网络预测模型,平均相对误差分别为1.43%、1.28%,并以质量损失率和相对动弹模量为评判标准,预测试验范围内不同配合比的再生微粉ECC可经受的最大冻融循环次数。

与一般跨区间无缝线路相比，高原铁路面临阳光辐射强、日轨温差和时变率大等问题，为提升青藏铁路等高原铁路道岔的长期安全服役性能，对高原铁路铺设跨区间无缝线路可行性进行分析。梳理和总结高原铁路及高温差铁路沿线40年的气温分布规律，并基于最速下降法的神经网络算法完成海拔、气温和纬度等复杂条件下的轨温预测，开展高原铁路无缝道岔工程实践与理论检算。结果表明：高原铁路岔区接头处病害突出，实现跨区间无缝线路具有强烈的现实需求；从年、日轨温差分析，青藏铁路铺设跨区间无缝线路的环境与已完成跨区间无缝化的兰新铁路、滨洲铁路接近；高原铁路道岔尖轨伸缩量满足规范要求，道岔工电设备基本适应高原铁路跨区间无缝线路运营环境，高原铁路铺设跨区间无缝线路是可行的。最后提出高原铁路跨区间无缝化试验方案。

选取内蒙古锡林郭勒盟与积雪有关的雪灾致灾指标,以气温、风速为气象条件孕灾环境指标,坡度、植被盖度为下垫面孕灾环境指标,人口密度、牧民纯收入、人均GDP、牲畜超载率等数据为承灾体脆弱性指标,基于BP方法、层次分析法、建立了内蒙古锡林郭勒盟白灾综合风险评价体系,并对其进行了风险评价与区划。为提高灾害评估的准确率,白灾的灾害等级是以月为尺度进行评定,选取的气象指标多数都是以月为尺度的指标。研究表明:白灾与积雪因子高度相关,是气候灾害,积雪、低温、大风等气象因子长期作用的结果。对白灾尝试用BP神经网络法进行风险评估,评估的灾害等级和实际灾害等级十分吻合,用训练好的神经网络对各个旗县(1980-2015年)的白灾进行了风险评估,评估效果理想。因此,可以通过数值预报产品、气候预测产品获取相关评价因子,采用BP方法形成白灾风险预评估产品,进而应用于雪灾风险评估业务中,为相关部门提供决策依据。

目前,基于BP神经网络法进行冻土路基变形预测的可行性和有效性仍少有学者对其进行研究。运用MATLAB编制BP神经网络程序,并应用于青藏铁路预测路基变形的工程实例。在此基础上,又采用COMSOL有限元软件的多场耦合模块分析了同一路基的变形场、水热场。通过对比两种方法,验证了前者的科学性和有效性。进而提出了一种新的可靠度计算方法(INNRS法),这种方法将神经网络法和响应面法有机结合起来,只需一次迭代即可形成较准确的功能函数,使得计算可靠指标的效率大大提高。应用INNRS法,对路基变形的可靠度指标和失效概率进行了评价。

构建人工冻土BP神经网络本构模型,利用冻土三轴实验数据对神经网络模型进行训练,并2次开发有限元本构程序。用BP神经网络本构模型能很好的反映人工冻土非线性,人工冻土三轴数值模拟值和实验值误差在2.43%范围内。通过深井冻结工程数值模拟表明:人工冻土BP神经网络本构模型能较好的描述复杂应力路径变形特征,数值结果和现场实测规律一致,且和实测位移误差在5.0%;应用BP神经网络冻土本构模型准确预测预报人工冻土帷幕应力场和变形场,为冻结工程设计与施工提供参考。

以提高季节性冻土区农业冬春储水灌溉质量为研究目的,基于田间冻土入渗试验资料,建立了以冻融土壤基本理化参数为输入变量,Kostiakov累积入渗量模型参数为输出变量的BP预测模型。所建参数模型对入渗系数K和入渗指数α预测值的平均相对误差在4%以下,在可接受范围之内。结果表明,选择土壤黏粒量、体积质量、体积含水率、地表土壤温度和灌溉水温作为冻融土壤入渗参数BP预报模型的输入因子是合理的,建立的冻融土壤入渗参数BP预报模型是可靠的。

为解决BP(back propagation)神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系.基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP模型更接近实测结果.

为了研究人工凿井冻结法施工中冻结壁解冻融沉效应的产生而导致井筒壁后附加力的变化,以徐州黏土冻融为研究对象,通过人工冻结土融沉特性试验,分别开展了人工冻土不同含水率、不同单向冻结温度梯度、不同外荷载的冻融特性分析。结果表明:试验系统补水情形下,相同干密度的黏土单向冻结温度梯度为1.4℃/cm时融沉量值为0.98 mm,大于2.0℃/cm融沉量值0.61 mm,增大幅值约60.6%;相同单向冻结温度梯度下,随着外载荷的增大融沉量随之增大,两者增长趋势一致,但幅度不一致。基于对冻土融沉特性受多因素综合影响的认识,采用改进的人工神经网络方法,建立了多样本、多因素影响下的融沉系数关系数据库,误差分析表明,改进的预测算法具有较好的精度。

我国的北方大部分地区为典型的冻土区。冻土因为含有不稳定的冰,其结构性能极不稳定,一旦外界季节温度发生变化,建立在冻土基础上的建筑就极易发生冻胀和沉降现象,极大地影响建筑的安全性能,给人们造成很大的损失。为了提高建设在冻土基础上的工程建筑各项性能,需要针对冻土的特性,深入分析冻土内水分的冻结和融化对土壤各项性能和指标的影响。