检索结果-南通市图书馆

A Comprehensive Study on the Consequences of Gap-Graded Sands Considering the Loss of Fine Particles

Journal of Earth Science 2024年第2期35卷 597-612页

作者： Weiping Liu Yu Gan Yunwei Cui faming huang Lina Hu School of Civil Engineering and Architecture Nanchang UniversityNanchang330031China

Water and sand leakage disasters are likely to occur during construction in water-rich sand layer areas,resulting in ground *** stress-strain action characteristics of discontinuous graded sand under different internal erosion degrees,and the evolution mechanism of water and sand leakage disasters caused by the internal erosion need to be further ***,this paper takes the discontinuous graded sand in a water rich sand layer area in Nanchang City of China as the research *** the influence of different fine particle losses(0,10%,20%and 30%)under the internal erosion of sand,the salt solution method is used to realize the specified loss of fine particles in the internal *** stress-strain behavior after the loss of fine particles due to internal erosion is studied by triaxial shear ***,the physical model test and PFC-CFD method are both used to study the evolution rules of water and sand leakage disaster considered the influence of internal erosion *** show that:(1)under the same confining pressure,the peak failure strength of sand samples decreases along with the increase of fine particle loss.(2)In the water and sand leakage test of saturated sand,a natural filter channel is formed above the observed soil *** greater the loss of fine particles,the steeper and wider the collapse settlement area.(3)The relationship between the cumulative amount of water and sand leakage and time is *** total mass loss of sand increases along with the increase of internal erosion degree.(4)After the soil arch is formed around the damaged opening,the sand continues to converge above the soil arch under the action of water flow,resulting in the dense convergence of contact force chains.

关键词： sandy soil internal erosion stress and strain water and sand leakage PFC3D engineering geology

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Uncertainties of landslide susceptibility prediction: Influences of random errors in landslide conditioning factors and errors reduction by low pass filter method

引用

Journal of Rock Mechanics and Geotechnical Engineering 2024年第1期16卷 213-230页

作者： faming huang Zuokui Teng Chi Yao Shui-Hua Jiang Filippo Catani Wei Chen Jinsong huang School of Infrastructure Engineering Nanchang UniversityNanchang330031China State Key Laboratory of Geohazard Prevention and Geoenvironment Protection Chengdu University of TechnologyChengdu610059China Department of Geosciences University of PadovaPadovaItaly College of Geology and Environment Xi’an University of Science and TechnologyXi’an710054China Discipline of Civil Surveying and Conditioning EngineeringPriority Research Centre for Geotechnical Science and EngineeringUniversity of NewcastleNewcastleNSWAustralia

In the existing landslide susceptibility prediction(LSP)models,the influences of random errors in landslide conditioning factors on LSP are not considered,instead the original conditioning factors are directly taken as the model inputs,which brings uncertainties to LSP *** study aims to reveal the influence rules of the different proportional random errors in conditioning factors on the LSP un-certainties,and further explore a method which can effectively reduce the random errors in conditioning *** original conditioning factors are firstly used to construct original factors-based LSP models,and then different random errors of 5%,10%,15% and 20%are added to these original factors for con-structing relevant errors-based LSP ***,low-pass filter-based LSP models are constructed by eliminating the random errors using low-pass filter ***,the Ruijin County of China with 370 landslides and 16 conditioning factors are used as study *** typical machine learning models,*** perceptron(MLP),support vector machine(SVM)and random forest(RF),are selected as LSP ***,the LSP uncertainties are discussed and results show that:(1)The low-pass filter can effectively reduce the random errors in conditioning factors to decrease the LSP uncertainties.(2)With the proportions of random errors increasing from 5%to 20%,the LSP uncertainty increases continuously.(3)The original factors-based models are feasible for LSP in the absence of more accurate conditioning factors.(4)The influence degrees of two uncertainty issues,machine learning models and different proportions of random errors,on the LSP modeling are large and basically the same.(5)The Shapley values effectively explain the internal mechanism of machine learning model predicting landslide *** conclusion,greater proportion of random errors in conditioning factors results in higher LSP uncertainty,and low-pass filter can effectively reduce these random e

关键词： Landslide susceptibility prediction Conditioning factor errors Low-pass filter method Machine learning models Interpretability analysis

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

考虑渗透系数空间变异性的降雨作用下边坡大变形破坏特征

引用

应用基础与工程科学学报 2024年第1期32卷 72-84页

作者：李剑平蒋水华黄发明黄劲松南昌大学工程建设学院江西南昌330031

合理评估降雨作用下边坡破坏特征是滑坡灾害防控及预警的重要前提.为了揭示土体渗透系数空间变异性对降雨作用下边坡大变形破坏特征的影响规律,综合利用极限平衡方法计算效率高和物质点法可模拟边坡大变形的优势,提出了随机极限平衡-物... 详细信息

合理评估降雨作用下边坡破坏特征是滑坡灾害防控及预警的重要前提.为了揭示土体渗透系数空间变异性对降雨作用下边坡大变形破坏特征的影响规律,综合利用极限平衡方法计算效率高和物质点法可模拟边坡大变形的优势,提出了随机极限平衡-物质点耦合分析方法(RLE-MPM),并开发了MATLAB-HYDRUS-Anura 3D这3个软件的接口实现程序.首先,利用HYDRUS模拟边坡降雨入渗过程,得到每个土层单元的含水率及孔隙水压力分布特征;其次,采用局部抗剪强度法更新每个物质点的等效抗剪强度及重度;最后,利用随机物质点法(RMPM)进行降雨作用下边坡大变形破坏概率计算、破坏模式识别及大变形破坏特征评估.研究结果表明:RLE-MPM方法可模拟日本Tokai-Hokuriku降雨型滑坡水-力耦合过程,模拟得到的滑坡最终堆积形态与现场调查结果基本一致.相较于RMPM,RLE-MPM方法计算边坡失效概率的效率更高,并且能够有效识别降雨作用下3种边坡破坏模式,即完全破坏模式、剪切带破坏模式、渐进式破坏模式.此外,降雨历时对非均质边坡大变形破坏模式及其特征均具有重要的影响.

关键词：降雨诱发滑坡边坡失稳空间变异性大变形破坏模式破坏特征

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

暴雨及水位骤降条件下渗流参数空间变异的水库滑坡概率分析

引用

地球科学 2024年第5期49卷 1679-1691页

作者：蒋水华熊威朱光源黄卓涛林列黄发明江西省水利科学院江西省水工安全工程技术研究中心江西南昌330029 南昌大学工程建设学院江西南昌330031 南昌大学设计研究院江西南昌330029

传统滑坡概率分析没有合理考虑滑坡体渗透系数空间变异性的影响.为有效表征滑坡体渗透系数空间变异性对滑坡概率的影响,提出基于反向传播神经网络(BPNN)的参数空间变异性边坡可靠度分析方法,其中采用Karhunen-Loève级数展开方法离散滑... 详细信息

传统滑坡概率分析没有合理考虑滑坡体渗透系数空间变异性的影响.为有效表征滑坡体渗透系数空间变异性对滑坡概率的影响,提出基于反向传播神经网络(BPNN)的参数空间变异性边坡可靠度分析方法,其中采用Karhunen-Loève级数展开方法离散滑坡体饱和渗透系数非高斯随机场,基于BPNN构建边坡稳定系数代理模型.以白水河滑坡为例,分别进行暴雨和库水位骤降条件下滑坡概率分析,并与其他方法对比验证了提出方法的有效性.结果表明:提出方法不仅可有效考虑渗透系数空间变异性对滑坡概率的影响,而且具有较高的计算效率,可为实际复杂水库滑坡概率计算提供一种有效的工具.考虑滑坡体渗透系数空间变异性的作用,白水河滑坡在连续5 d暴雨作用下有19.5%的可能性发生局部失稳破坏,而在水位骤降条件下发生局部失稳破坏的可能性很小.

关键词：滑坡灾害滑坡概率空间变异性渗透系数反向传播神经网络暴雨水位骤降

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

滑坡易发性预测建模的不确定性:不同“非滑坡样本”选择方式的影响

引用

工程科学与技术 2024年第1期56卷 169-182页

作者：黄发明曾诗怡姚池熊浩文范宣梅黄劲松南昌大学工程建设学院江西南昌330031 成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059 纽卡斯尔大学岩土科学与工程卓越研究中心纽卡斯尔2287

滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律,拟用5种方式,即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量(IV)法、半监督法来选择出与滑坡等比例的非滑坡样本... 详细信息

滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律,拟用5种方式,即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量(IV)法、半监督法来选择出与滑坡等比例的非滑坡样本;进一步将各选择方式与随机森林(RF)耦合构建随机RF、低坡度RF、缓冲区RF、IV–RF及半监督RF等模型。以江西南康区为例,获取高程、岩性、公路密度等19种环境因子和233个滑坡编录,将滑坡编录划分为2598个滑坡栅格单元构建上述耦合模型的输入–输出数据集。再采用预测精度和易发性指数分布等指标分析其建模不确定性。进一步针对耦合模型预测的滑坡易发性指数分布不合理等问题,在半监督RF建模时采用滑坡与非滑坡比例为1∶2的样本集开展建模并与1∶1等比例样本集工况作对比。结果表明:1)低坡度RF、缓冲区RF、IV–RF和半监督RF等模型的预测精度均大幅优于随机RF模型,可见准确选择非滑坡样本对易发性建模至关重要;2)半监督RF模型选择非滑坡样本的建模性能最优,且半监督RF在滑坡∶非滑坡=1∶2比其在1∶1时预测的易发性指数分布规律更准确可信。后续研究中有必要更深入探索滑坡与非滑坡样本的比例问题。

关键词：滑坡易发性预测非滑坡样本选择半监督机器学习信息量随机森林

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于知识图谱的滑坡易发性评价文献综述及研究进展

引用

地球科学 2024年第5期49卷 1584-1606页

作者：郭飞赖鹏黄发明刘磊磊王秀娟何政宇三峡库区地质灾害教育部重点实验室(三峡大学) 湖北宜昌443002 三峡大学土木与建筑学院湖北宜昌443002 南昌大学建筑工程学院江西南昌330031 中南大学地球科学与信息物理学院湖南长沙410083 河海大学地球科学与工程学院江苏南京210098

滑坡易发性评价是滑坡风险评估的基础和核心内容,开展滑坡易发性文献计量分析可以定量化地分析其研究进展及发展趋势,为国内开展地灾风险评估工作提供参考.利用Web of Science和CNKI数据库,基于CiteSpace可视化知识图谱分析工具对1985-2... 详细信息

滑坡易发性评价是滑坡风险评估的基础和核心内容,开展滑坡易发性文献计量分析可以定量化地分析其研究进展及发展趋势,为国内开展地灾风险评估工作提供参考.利用Web of Science和CNKI数据库,基于CiteSpace可视化知识图谱分析工具对1985-2022年已发表的滑坡易发性文献进行计量分析,并对摘要部分进行了LDA分析,来细分该领域内的研究.结果表明:(1)滑坡易发性评价仍然是当前的研究热点,中国是滑坡易发性研究较为活跃的国家且国际间合作较多;(2)滑坡易发性领域发文量前10的作者中4位来自中国,中国科学院成为发文最多的机构,接收易发性评价类文章最多的中英文期刊分别是《中国地质灾害与防治学报》和《Natural Hazard》,中国国家自然科学基金和国土资源大调查项目大力资助了滑坡易发性课题的研究;(3)近5年来,机器学习模型(包括深度学习等)在滑坡易发性的应用快速增长,已成为最热门的研究方法;(4)为了实现滑坡易发性建模的精简化和智能化,并进一步提高滑坡易发性评价结果的精度和实用性,滑坡易发性在滑坡编目、指标体系、评价单元、评价模型、联接方法和精度评价等方面还需开展深入探索.

关键词：滑坡易发性 CiteSpace 知识图谱计量分析 LDA主题模型灾害工程地质

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

不同分级方法对区域滑坡易发性区划的影响

引用

工程科学与技术 2024年第1期56卷 148-159页

作者：黄发明张崟琅郭子正范宣梅周创兵南昌大学工程建设学院江西南昌330031 中国瑞林工程技术股份有限公司江西南昌330031 河北工业大学土木与交通学院天津300401 成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059

易发性分区是开展区域地质灾害风险评价的基础步骤,选取合理的分级方法对有效绘制区域滑坡易发性图意义显著,但鲜有研究对比了各易发性分级方法的优缺点,尤其是未能将历史滑坡与预测出的易发性指数相联接。针对该问题,以陕西省延长县为... 详细信息

易发性分区是开展区域地质灾害风险评价的基础步骤,选取合理的分级方法对有效绘制区域滑坡易发性图意义显著,但鲜有研究对比了各易发性分级方法的优缺点,尤其是未能将历史滑坡与预测出的易发性指数相联接。针对该问题,以陕西省延长县为例采用3种机器学习模型计算滑坡易发性指数,即分类和回归树、随机森林和径向基函数;设计了5种易发性分级方法,划分不同的滑坡易发性等级,包括4种常规的基于地理信息系统的分级方法(自然断点、等间隔、分位数和几何间隔),同时考虑了滑坡与易发性指数间的非线性关联性的频率比阈值法。结果表明:3种模型的受试者工作特征(ROC)曲线下面积均大于0.75,但划分的易发性分级图分布模式却存在较大差异,使用几何间隔和分位数法的易发性图能在极高易发区中识别出更多滑坡,但这两种方法划分的极高和高易发区的总面积过大;使用等间隔法和频率比阈值法在极高和高易发区中的滑坡比率更大,说明识别出的滑坡更为集中。本文提出的频率比阈值法用于滑坡易发性分级,能为易发性的准确分区提供思路,为边坡稳定性较差区域的工程选址以及土地利用规划提供科学参考,提高地质安全评估及应急管理能力。

关键词：滑坡易发性易发性分级频率比阈值法机器学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

考虑机器学习建模中训练/测试集时空划分原则的滑坡易发性预测建模

引用

地球科学 2024年第5期49卷 1607-1618页

作者：黄发明欧阳慰平蒋水华范宣梅连志鹏周创兵南昌大学工程建设学院江西南昌330031 成都理工大学地质灾害防治与地质环境保护国家重点实验室四川成都610059 中国地质调查局武汉地质调查中心湖北武汉430205

滑坡易发性预测时大多按空间随机来划分模型训练/测试数据集,但随机划分方式难免将不确定性因素引入建模中.因为理论上滑坡易发性是基于过去的滑坡来预测将来发生滑坡的空间概率,具有显著的时间顺序特征而非单纯的空间随机,可见有必要... 详细信息

滑坡易发性预测时大多按空间随机来划分模型训练/测试数据集,但随机划分方式难免将不确定性因素引入建模中.因为理论上滑坡易发性是基于过去的滑坡来预测将来发生滑坡的空间概率,具有显著的时间顺序特征而非单纯的空间随机,可见有必要探索基于滑坡发生的时间顺序划分模型训练/测试集.以浙江文成县为例获取11类环境因子及128个时间准确的滑坡;之后将联接了环境因子的滑坡-非滑坡样本分别按照滑坡时间顺序和空间随机的原则,划分为两类不同训练/测试集;其划分比例分别设定为9∶1、8∶2、7∶3、6∶4和5∶5等以避免不同比例影响研究结果,由此得到10种组合工况下的训练/测试集;最后再训练测试支持向量机(SVM)、多层感知器(MLP)和随机森林(RF)等模型以预测滑坡易发性并分析其不确定性.结果表明:(1)训练/测试集按时间顺序划分的SVM、MLP和RF模型预测的滑坡易发性的不确定性略低于按空间随机性划分的模型,验证了按时间顺序划分的可行性;(2)训练/测试集按时间顺序划分实际上是其在空间随机划分下的一种更符合滑坡发生实际情况的“确定性”特征,当然对缺乏滑坡发生时间的数据集开展空间随机划分也是可行的.

关键词：滑坡滑坡易发性时间顺序训练/测试集比例机器学习工程地质

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

环境因子筛选及组合方法对滑坡易发性预测的影响规律

引用

应用基础与工程科学学报 2024年第1期32卷 49-71页

作者：黄发明刘科技曾子强田钦蒋水华杨阳周创兵南昌大学工程建设学院江西南昌330031

采用不同筛选方法从滑坡环境因子中获取各种因子组合,将其作为滑坡易发性预测模型的输入变量,用以研究不同环境因子筛选及组合下的建模规律,对准确可靠地预测滑坡易发性具有重要的理论和实践参考价值.以三峡库区万州区为例,首先,选取23... 详细信息

采用不同筛选方法从滑坡环境因子中获取各种因子组合,将其作为滑坡易发性预测模型的输入变量,用以研究不同环境因子筛选及组合下的建模规律,对准确可靠地预测滑坡易发性具有重要的理论和实践参考价值.以三峡库区万州区为例,首先,选取23种环境因子,如地形、水文、岩性等;然后,用相关系数(Coefficient Analysis, CA)、线性回归(Linear Regression, LR)、主成分分析(Principal Component Analysis, PCA)、神经网络(Artificial Neural Network, ANN)和粗糙集(Rough Set, RS)等筛选方法来优化环境因子组合,将其作为支持向量机(Support Vector Machine, SVM)、多层感知器(Multi-layer perceptron, MLP)等典型机器学习模型的输入变量,构建CA-SVM、CA-MLP等耦合模型,预测滑坡易发性,并与未进行环境因子筛选的全部因子耦合机器学习模型作对比;最后,用受试者操作特征曲线下面积(Area under receiver operating characteristic curve, AUC)精度、易发性指数的均值和标准差等指标探讨建模规律.研究结果表明:(1)全部环境因子耦合的滑坡易发性预测精度总体上优于考虑环境因子筛选的机器学习模型,可见环境因子筛选对提升易发性预测精度并不理想;(2)滑坡易发性精度对不同环境因子筛选方法的敏感度略低于不同机器学习模型,显示开展环境因子筛选是不必要的,且其将导致建模过程更复杂,当然仍需避免采用相关性太高、且作用机制类似的环境因子.总之,可依据数据准确、类型齐全、意义明确、操作可行和主次清晰等原则,构建出完善的滑坡环境因子组合体系.

关键词：滑坡易发性预测环境因子筛选机器学习不确定性因素敏感度分析

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

Uncertainties of landslide susceptibility prediction considering different landslide types

引用

Journal of Rock Mechanics and Geotechnical Engineering 2023年第11期15卷 2954-2972页

作者： faming huang Haowen Xiong Chi Yao Filippo Catani Chuangbing Zhou Jinsong huang School of Infrastructure Engineering Nanchang UniversityNanchang330031China Jiangxi Provincial Key Laboratory of Interdisciplinary Science Nanchang UniversityNanchang330031China Department of Geosciences University of PadovaPadovaItaly Discipline of Civil Surveying and Environmental EngineeringPriority Research Centre for Geotechnical Science and EngineeringUniversity of NewcastleNSW2287Australia

Most literature related to landslide susceptibility prediction only considers a single type of landslide,such as colluvial landslide,rock fall or debris flow,rather than different landslide types,which greatly affects susceptibility prediction *** construct efficient susceptibility prediction considering different landslide types,Huichang County in China is taken as ***,105 rock falls,350 colluvial landslides and 11 related environmental factors are *** four machine learning models,namely logistic regression,multi-layer perception,support vector machine and C5.0 decision tree are applied for susceptibility modeling of rock fall and colluvial ***,three different landslide susceptibility prediction(LSP)models considering landslide types based on C5.0 decision tree with excellent performance are constructed to generate final landslide susceptibility:(i)united method,which combines all landslide types directly;(ii)probability statistical method,which couples analyses of susceptibility indices under different landslide types based on probability formula;and(iii)maximum comparison method,which selects the maximum susceptibility index through comparing the predicted susceptibility indices under different types of ***,uncertainties of landslide susceptibility are assessed by prediction accuracy,mean value and standard *** is concluded that LSP results of the three coupled models considering landslide types basically conform to the spatial occurrence patterns of landslides in Huichang *** united method has the best susceptibility prediction performance,followed by the probability method and maximum susceptibility *** cases are needed to verify this result *** considering different landslide types is superior to that taking only a single type of landslide into account.

关键词： Landslide susceptibility Landslide type Rock fall Colluvial landslides Machine learning models

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：