公路软土地基处理关键技术智能信息化研究
|
摘要
公路软土地基处理是一项复杂的系统工程,在地基处理整个过程中,正确认识软土的特性、选择合适的地基处理方案并对路堤沉降与稳定进行动态监测是需要研究的关键问题。鉴于当前公路软土地基处理中的相关决策依靠的还主要是决策者的知识和经验,科学性和可靠性不够,本文以公路软土地基处理关键技术为线索,以关键技术智能信息化为核心,结合公路软土地基处理的知识特点,运用人工智能、知识工程、数理统计、模糊数学、神经网络、灰色理论和信息技术等理论,对公路软土地基处理关键技术的智能化和信息化进行了研究,取得了以下主要成果：
1.采用数理统计方法,分析了天津软土物理力学指标的变化范围、均值和变异性,建立了天津地区软土土性指标相互关系和概率特性的区域资料；并分析了直剪试验、三轴试验、十字板剪切试验3种不同方法抗剪强度试验结果的相互关系,提出了利用随机因子分析法对试验方法不确定性进行概率评定。
2.针对公路软基处理方案决策中,影响因素多,存在大量不确定性知识的特点,采用模糊多属性决策方法,构建了公路软基处理方案决策的模糊综合评判决策模型,确定了模型中各影响因素不同等级评语的隶属度和权重,并采用加权平均型算子和多层次分析对决策模型进行了两方面的改进,实现了对公路软基处理方案的模糊推理和优化评判,弥补了公路软基处理方案主要依靠经验确定的不足,提高了相关决策的可靠性。
3.建立了基于BP神经网络的公路软基处理方案决策模型,在具体工程软基处理设计资料的基础上,构造出大量样本训练确定了网络模型的参数、算法等。所建模型对输入参数作了比较细致的定量划分,得出的方案具体,推理精度较高,能够满足公路软基处理方案设计与决策的需要。
4.针对公路软基处理方案影响因素不确定性、未知性的特点,提出了基于灰色理论的公路软基处理方案决策模型,确定了模型的经济技术指标。利用灰色关联分析技术,通过计算公路软基处理比选方案与理想方案的关联度,实现了对公路软基处理方案的优化评判,成功地解决了多因素影响下的软基处理方案优选问题。
5.开发了不干扰施工和交通、能实现远程监测与管理的路堤沉降无线监测系统,提出了综合应用监控预报模型、监测指标、监测关系曲线作为判断路堤沉降与稳定监测噪音异常数据和真实异常数据的评判准则,为软土地基路堤沉降与稳定监测提供了信息化、智能化较高的观测方法和数据分析技术。
6.结合实际路堤沉降观测资料,分析了双曲线法、星野法、浅岗法表达式中拟合参数对沉降预测结果的影响,通过增加时间因子指数改进了费尔哈斯曲线模型,训练了比较可靠的软土地基路堤沉降预测的BP神经网络模型,基本解决了软土地基路堤的沉降预测问题。
The soft ground improvement of highway is a complicated system engineering, in the course of ground improvement, the key issues are as follows:correct understanding of the characteristics of soft soil, select the appropriate treatment scheme, monitor the settlement and stability of embank. Today, the decision for soft ground improvement is mainly rely on the knowledge and experience of people, the science and reliability is not enough. In order to better solve the key issues and enhance the science and reliability for soft ground improvement, combined with the feature of soft ground improvement knowledge, and based on the theory of artificial intelligence, knowledge engineering, mathematical statistics, fuzzy mathematics, neural net, grey theory, information technology etc, the intelligent and informationization technique for key issues in highway soft ground improvement is studied. The main content of this paper including the followings six aspects:
1.Based on analyzing the change confines, average value, variability, relationship, probabilistic distribution characteristics for physical and strength indexes of Tianjin soft soil, the district empirical relationship formulas and probabilistic distribution models of soil parameters are estabilshed for Tianjin soft soil. At the same time, the correlation of shear strength results by straight shear test, triaxial test, vane shear test are studied, and a method for using random factor to evaluate the uncertainty involved in different test methods of soft soil parameter is proposed.
2.Aimed at existing various influential factors, massive indeterminacy knowledge in the highway soft ground improvement, the fuzzy reasoning model about scheme decision of soft ground improvement is confirmed. The comment membership of different grades and the weight values of various influencing factors are determined. Moreover, uses the average weighting operator and the multi-layer fuzzy synthetic decision model to optimize the model, all of these have realized effectively reasoning and evaluation for schemes decision of highway soft ground improvement, which make up the weak point about experience decision, and improve the reliability level of decision.
3.The paper established BP neural network model for the scheme decision of highway soft ground. Based on the design information, the parameters, algorithm, weitht of network are confirmed by training with massive data. Because the network model input parameter's indexes were divided into multiple levels, so the reasoning ground improvement scheme is specific. The result shows the model is reliable, can meet the needs of design and decision for soft soil ground improvement.
4.Aimed at existing massive indeterminacy and unknown in the improvement of highway soft ground, the model based on grey theory for the scheme decision of highway soft ground improvement is proposed, uses grey analysis method, by calculating the ratio of the correlation between the alternative scheme and the ideal scheme, the best soft soil ground improvement scheme can be obtained, and the scheme optimization of soft ground improvement under the multiple factors is solved also.
5.In this paper, a long distance monitor and manage system for embank settlement is developed, which does not interfere with construction and traffic. At the same time, the distinguishing rule with monitoring index, monitoring prediction model, monitoring curve for the noise and real exceptional monitored data of the settlement is confirme. All of these have provided better informationization and intelligent technology of settlement and stablity monitoring for soft soil ground embank.
6.Based on the embank settlement dataes, the influence of expression fitting parameters of hyperbola method, Xingye method, Asaoka method to settlement prediction results are discussed, by adding the time factor index to modify verhulst curve model, and has trained reliable neural network model of settlement prediction for soft ground improvement embank. All the results have solved the settlement prediction question in soft ground improvement embank.
1.采用数理统计方法,分析了天津软土物理力学指标的变化范围、均值和变异性,建立了天津地区软土土性指标相互关系和概率特性的区域资料；并分析了直剪试验、三轴试验、十字板剪切试验3种不同方法抗剪强度试验结果的相互关系,提出了利用随机因子分析法对试验方法不确定性进行概率评定。
2.针对公路软基处理方案决策中,影响因素多,存在大量不确定性知识的特点,采用模糊多属性决策方法,构建了公路软基处理方案决策的模糊综合评判决策模型,确定了模型中各影响因素不同等级评语的隶属度和权重,并采用加权平均型算子和多层次分析对决策模型进行了两方面的改进,实现了对公路软基处理方案的模糊推理和优化评判,弥补了公路软基处理方案主要依靠经验确定的不足,提高了相关决策的可靠性。
3.建立了基于BP神经网络的公路软基处理方案决策模型,在具体工程软基处理设计资料的基础上,构造出大量样本训练确定了网络模型的参数、算法等。所建模型对输入参数作了比较细致的定量划分,得出的方案具体,推理精度较高,能够满足公路软基处理方案设计与决策的需要。
4.针对公路软基处理方案影响因素不确定性、未知性的特点,提出了基于灰色理论的公路软基处理方案决策模型,确定了模型的经济技术指标。利用灰色关联分析技术,通过计算公路软基处理比选方案与理想方案的关联度,实现了对公路软基处理方案的优化评判,成功地解决了多因素影响下的软基处理方案优选问题。
5.开发了不干扰施工和交通、能实现远程监测与管理的路堤沉降无线监测系统,提出了综合应用监控预报模型、监测指标、监测关系曲线作为判断路堤沉降与稳定监测噪音异常数据和真实异常数据的评判准则,为软土地基路堤沉降与稳定监测提供了信息化、智能化较高的观测方法和数据分析技术。
6.结合实际路堤沉降观测资料,分析了双曲线法、星野法、浅岗法表达式中拟合参数对沉降预测结果的影响,通过增加时间因子指数改进了费尔哈斯曲线模型,训练了比较可靠的软土地基路堤沉降预测的BP神经网络模型,基本解决了软土地基路堤的沉降预测问题。
The soft ground improvement of highway is a complicated system engineering, in the course of ground improvement, the key issues are as follows:correct understanding of the characteristics of soft soil, select the appropriate treatment scheme, monitor the settlement and stability of embank. Today, the decision for soft ground improvement is mainly rely on the knowledge and experience of people, the science and reliability is not enough. In order to better solve the key issues and enhance the science and reliability for soft ground improvement, combined with the feature of soft ground improvement knowledge, and based on the theory of artificial intelligence, knowledge engineering, mathematical statistics, fuzzy mathematics, neural net, grey theory, information technology etc, the intelligent and informationization technique for key issues in highway soft ground improvement is studied. The main content of this paper including the followings six aspects:
1.Based on analyzing the change confines, average value, variability, relationship, probabilistic distribution characteristics for physical and strength indexes of Tianjin soft soil, the district empirical relationship formulas and probabilistic distribution models of soil parameters are estabilshed for Tianjin soft soil. At the same time, the correlation of shear strength results by straight shear test, triaxial test, vane shear test are studied, and a method for using random factor to evaluate the uncertainty involved in different test methods of soft soil parameter is proposed.
2.Aimed at existing various influential factors, massive indeterminacy knowledge in the highway soft ground improvement, the fuzzy reasoning model about scheme decision of soft ground improvement is confirmed. The comment membership of different grades and the weight values of various influencing factors are determined. Moreover, uses the average weighting operator and the multi-layer fuzzy synthetic decision model to optimize the model, all of these have realized effectively reasoning and evaluation for schemes decision of highway soft ground improvement, which make up the weak point about experience decision, and improve the reliability level of decision.
3.The paper established BP neural network model for the scheme decision of highway soft ground. Based on the design information, the parameters, algorithm, weitht of network are confirmed by training with massive data. Because the network model input parameter's indexes were divided into multiple levels, so the reasoning ground improvement scheme is specific. The result shows the model is reliable, can meet the needs of design and decision for soft soil ground improvement.
4.Aimed at existing massive indeterminacy and unknown in the improvement of highway soft ground, the model based on grey theory for the scheme decision of highway soft ground improvement is proposed, uses grey analysis method, by calculating the ratio of the correlation between the alternative scheme and the ideal scheme, the best soft soil ground improvement scheme can be obtained, and the scheme optimization of soft ground improvement under the multiple factors is solved also.
5.In this paper, a long distance monitor and manage system for embank settlement is developed, which does not interfere with construction and traffic. At the same time, the distinguishing rule with monitoring index, monitoring prediction model, monitoring curve for the noise and real exceptional monitored data of the settlement is confirme. All of these have provided better informationization and intelligent technology of settlement and stablity monitoring for soft soil ground embank.
6.Based on the embank settlement dataes, the influence of expression fitting parameters of hyperbola method, Xingye method, Asaoka method to settlement prediction results are discussed, by adding the time factor index to modify verhulst curve model, and has trained reliable neural network model of settlement prediction for soft ground improvement embank. All the results have solved the settlement prediction question in soft ground improvement embank.
引文
[1]张留俊.公路软土地基处理专家系统研究[D]:[博士学位论文].南京：东南大学,2007.
[2]熊从博.软基处理方法的优化选择及地基沉降的可靠性研究[D]:[硕士学位论文].青岛：中国海洋大学,2005.
[3]吴旭君,郑平.淤泥质土土性指标的概率模型及其应用[J].工业建筑,1999,29(4)：53～57.
[4]Cornell C A.First-order Uncertainty analysis of soils, deformation and stability. Proc 1st ICASP. Hong Kong,1971:129-144.
[5]Vanmarcke E H. Probabilistic modeling of soil profiles. Journal of the Geotechnical Engineering Division, ASCE,1977,103(11):1227-1246.
[6]Li K S, Lump P. Probability approaches to slope design[Ph D thesis]. Department of civil engineering, The Univesity of New South Wales,1987.
[7]高大钊.静力触探实验结果的可靠性分析[J].工程勘察,1981(2)：9～14.
[8]高大钊.岩土测试中经验公式的误差估计[J].工程勘察,1982(3)：73～77.
[9]高大钊.地基土力学性质指标的可靠性分析与取值[J].同济大学学报,1985(4)：59～67.
[10]高大钊,魏道垛.上海软土工程性质的概率统计特征[A].第四届土力学及地基基础学术会议论文选集[C].北京：中国建筑工业出版社,1986a：167-182.
[11]Soulie M, Montes P,Silvestri V. Modeling spatial variability of soil parameters. Canadian Geotech,1990(27):617-630.
[12]张维秀,盛崇文.地基土抗剪强度指标统计的方差分离法[J].岩土工程学报,1992,14(2)：55～60.
[13]闫澍旺,邓卫东.土性剖面随机场模型的平稳性和各态历经性验证[J].岩土工程学报,1995,17(3)：1-9.
[14]阮波,冷伍明.粘性土物理力学指标的统计分析[J].大坝观测与土工测试,1998,22(1)：5-7.
[15]李小勇,张瑞婷,侯晓文.太原粉质粘土工程性质指标概率特征的分析与研究[J].太原理工大学学报,2000,31(3)：254～258.
[16]李小勇.土工参数空间概率特性及软粘土地基固结概率分析[D]:[博士学位论文].杭州：浙江大学,2001.
[17]徐雷云.土体物理力学参数的数据库开发及其相关性和概率统计分析[D]:[硕士学位 论文].南京：河海大学,2006.
[18]林慧常,陈伟坚.茂名地区粉质粘土的土性指标概率特征分析[J].广东土木与建筑,,2007(4).
[19]陈晓平,黄国怡,梁志松.珠江三角洲软土特性研究[J].岩石力学与工程学报,2003,22(1)：137～141.
[20]陈延猛,夏银飞.软土物理力学指标的统计关系研究[J].国外建材科技,2007,28(2)：106～108.
[21]阙金声,陈剑平,石丙飞.广州大学城软土的工程地质性质统计分析[J].煤田地质与勘探,2007,35(1)：49-52.
[22]夏银飞,吴代华,文建华.珠江三角洲软土物理力学指标统计分析[J].公路交通科技,2008,25(1)：47～50.
[23]Erickson H.H,Mulvey J.M, Vanmarcke E.H. Integrating expert systems and mathematical programming:an example in infrastructure management. Annals of Operations Research, v21, n 1-4, Nov.1989, p 275-99.
[24]Jamsa, Heikki, ed.OECD Workshop on knowledge-based expert systems in transportation. VTT Symposium (Valtion Teknillinen Tutkimuskeskus), v1, n 116,1990,423p.
[25]Prechaverakul, Sakchai, Hadipriono, Fabian C. Using a knowledge-based expert system and fuzzy logic for minor rehabilitation projects in Ohio.Transportation Research Record, n 1497, Jul,1995, p19-26.
[26]Kaur, D, Tekkedil, D. Fuzzy expert system for asphalt pavement performance prediction. ITSC2000.2000 IEEE Intelligent Transportation Systems. Proceedings (Cat. No.00TH8493),2000, p 428-33.
[27]刘建兰.沥青路面施工专家系统设计与实现[D]：[硕士学位论文].西安：长安大学,2003.
[28]彭挺.高速公路沥青路面养护维修专家系统研究[D]：[硕士学位论文].西安：长安大学,2004.
[29]Shyu, Gwo-Ching; Hryciw, Roman D. A knowledge-based soil liquefaction potential evaluation system. Geotechnical Special Publication, v 1, n 27,1991, p 403-412.
[30]Al-Homoud AS, Al-Masri GA. CSEES:An expert system for analysis and design of cut slopes and embankments. ENVIRONMENTAL GEOLOGY 39 (1) p75-89 NOV 1999.
[31]王家鼎.砂土震动液化势评价中的模糊数学方法[J].西北地震学报,1985,7(3).
[32]王家鼎.模糊数学在西北地区场地震害预测中的应用[J]_西北地震学报,1988,10(1).
[33]王家鼎.饱和土震动液化势影响因素的灰色理论分析[J].甘肃科学学报,1990,2(1).
[34]王家鼎等.黄土斜坡稳定性的模糊信息分析法[J].山地研究,1991,9(1).
[35]黄崇福等.震害预测的模糊贴近类比方法[J].地震工程与工程振动,1988,8(3).
[36]李正农,管昌生.结构物震害预测的灰色贝叶斯方法[J].自然灾害学报,1995,4(4)：41～46.
[37]于山.基于GDP的城市抗震减灾资源配置研究[D]：[博士学位论文].天津：天津大学,2005.
[38]刘国.用模糊数学方法选择软土地基加固方案[J].水文地质工程地质,2000,4：17～19.
[39]冯仲仁.高速公路软基处理智能决策支持技术研究[D]：[博士学位论文].武汉：武汉理工大学,2004.
[40]韩冰.高速公路软基处理决策问题智能化技术的研究[D]:[硕士学位论文].武汉：武汉理工大学2004.
[41]陈向阳,冯仲仁,鄢恒珍.基于模糊相似优先的软基处理决策模型[J].中外公路,2005,25(6).
[42]董秀坤,折学森,高世君.基于熵权的模糊物元模型在软基处理方案评价中的应用[J].南昌大学学报,2007,29(2)：168～170.
[43]陈向阳,夏元友,鄢恒珍.基于ART网络的高速公路软基处理决策模型[J].武汉理工大学学报,2007,29(2)：104～106.
[44]罗君君,郑俊杰,孙玲.基于语言变量和熵权的公路软基处理方案模糊物元决策分析法[J].公路交通科技,2009,26(5)：12～16.
[45]冯仲仁,朱瑞庚,姚爱民.高速公路软基处理方案的多层次模糊决策[J].岩石力学与工程学报,2002,21(6)：915～918.
[46]刘挺,蔡升华.层次分析法在地基处理方案优化中的应用[J].电力勘测,2002(3)：31～35.
[47]王岭.珠江三角洲地区大面积软土地基处理方法的研究[D]：[硕士学位论文].广州：广东工业大学,2005.
[48]张彩江,沈岐平.基于层次分析(AHP)的深层软基处理方案优化选择研究：一个案例[J].系统工程,2006,24(9)：121～125.
[49]张留俊,黄晓明,尹利华.公路软基处理方案多层次模糊综合评判方法研究[J].公路交通科技,2007,24(3)：35～38.
[50]康洪,彭振斌.软土地基处理方案多层次模糊综合评判[J].湖南师范大学自然科学学报,2009,,32(3)：120～124.
[51]徐泽中,何良德等.沪宁高速公路软基路堤沉降动态控制方法研究[J].水利水电科技进展,1998,18(2)：31～35.
[52]白忠良,徐泽中等.高速公路软基沉降观测的精度指标及观测规范化问题[J].水利水电科技进展,1998,,18(2)：27～30.
[53]田林亚,李浩等.高速公路施工期沉降观测问题分析.工程勘察[J].2002,(4)：51～53.
[54]刘晓明.基于软土地基下的变形观测数据精度与可靠性分析[D]:[硕士学位论文].大连：大连理工大学,2003.
[55]成小峰.高速公路路堤沉降观测数据的可靠性分析及应用研究[D]:[硕士学位论文].南京:河海大学,2004.
[56]伊晓东,周国成,孙炜.基于软地基下的变形观测数据精度与可靠性分析[J].测绘与空间地理信息,2007,30(3)：154～158.
[57]罗建彬.排水板堆载预压处理高速公路软土地基路堤施工控制研究[D]：[硕士学位论文].西安：长安大学,2008.
[58]中华人民共和国行业标准.公路软土地基路堤设计与施工技术规范(JTJ 017-96)[S].北京：人民交通出版社,1997.
[59]Terzaghi k. Erdanmechanik and Bodenphy Sikalischer Grnundlage, Lp2.Deutiche, 1925:5-70
[60]曾国熙.砂井地基沉陷分析[J].浙江大学学报,1959,(1)：58～59.
[61]曾国熙.地基处理手册[M].北京：中国建筑工业出版社,1998.
[62]中华人民共和国行业标准.建筑地基处理技术规范(JGJ 79-91)[S].北京：中国计划出版社,1998.
[63]Asaoka A. Observational Procedure of Settlement of Prediction. Soils and foundations, 1978,18(4):87-101.
[64]邓聚龙.灰色控制系统[M].武汉：华中理工大学出版社,1988.
[65]McCulloch W S, Pitts W. A Logical Calculus of The Ideas Immanent in Nervous Activity. Bull Math Biophysics,1943,Vol.5:115-133.
[66]Hebb D.O. The Organization of Behavior. Wiley,1949.
[67]Hecht-Nielsen R. Counter Propagation Networks. Applied Options,1987,(26):4979-4984.
[68]Karanagh K, Clough R W. Finite Element Application in The Characterization of Elastic Solids. Int.J. Solids Structures,1971,7:11-13.
[69]谭昌明,周建,黄广龙.多层软土地基沉降的分层迭代反演综合预测法[J].中国公路学报,2001,14(4)：28～32.
[70]付宏渊.高速公路路堤沉降预测及施工控制[M].北京：人民交通出版社,2007.
[71]国际标准.结构可靠性总原则(IS02394)[S].1996.
[72]张庆华.土工实验数据整理和分析方法研究[J].人民长江,1996,27(7)：38～40.
[73]高大钊.岩土工程设计安全度指标及其应用[J].工程勘察,1996,(1)：1-6.
[74]中华人民共和国行业标准.公路软土地基路堤设计与施工技术细则(报批稿)[S]2006.
[75]钱国超等.高速公路海相软土地基水泥土搅拌桩加固技术[M].北京：人民交通出版社,2008.
[76]汪荣鑫.数理统计[M].西安：西安交通大学出版社,1986.
[77]张博庭.用有限比较法进行拟合优度检验[J].岩土工程学报,1991,13(6)：84～91.
[78]沈珠江,魏汝龙,盛崇文.软土力学性质的现场测试技术及其分析[A].软土地基学术讨论会论文选集[C].北京：水利出版社,1980：53～69.
[79]La Rochelle, P. Field measurements of cohesive in Champlain clays. V I.r,229.
[80]Torstensson, B.A. Time-dependent effects in the field vane test,387.
[81]Baguelin, F. Self-boring placement method of soil characteristics measurement,312.
[82]Torstensson, B.A. Time-dependent effects in the field vane test,387.
[83]Ronold K O, Bjerager P. Model uncertainty representation in geotechnical reliability analysis. ASCE, J Geotech Engrg,1992,118(3):394-405.
[84]Zadeh L A. Fuzzy sets. Information and control,1965,8(3):338-353.
[85]徐玖平,吴巍.多属性决策的理论与方法[M].北京：清华大学出版社,2006.
[86]谢季坚,刘承平.模糊数学方法及其应用(第2版)[M].武汉：华中科技大学出版社,2000.
[87]张留俊,黄晓明,尹利华.基于可信度的不确定性推理在公路软基处理专家系统中的应用[J].交通运输学报,2007,7(3)：80-85.
[88]张留俊.高路堤下软土硬壳层工程性质的研究[J].公路,1999(7)：5-8.
[89]陈建勋,傅升.探索德尔菲法的知识自增值机制及其改造[J].软科学,2005,19(1)：9～11.
[90]王国正.公路软土地基处理技术决策专家系统研究[D]:[硕士学位论文].西安：长安大学, 2007.
[91]Timothy J Ross著.钱同惠,沈其聪,葛晓滨等译.模糊逻辑及其工程应用[M].北京：电子工业出版社,2001.
[92]Saaty T L. Modeling unstructured decision problems:a theory of analytical hierarchies. Proceedings of the first International Conference on Mathematical Modeling, Vol.1.59-77. University of Missoure Rolla,1997.
[93]Satty T L. Fundamentals of the Analytic Hierarchy Process. Pittsburgh, Pennsylvania: RWS Publications,2000.
[94]许树柏.层次分析法原理[M].天津：天津大学出版社,1988.
[95]Saaty T L.The Analytic Hierarchy Process.New York:McGraw-Hill Inc,1980.
[96]巍世孝,周献中.多属性决策理论方法及其在C3I系统中的应用[M].北京：国防工业出版社,1998.
[97]张留俊.公路软基处理方案决策的人工神经网络模型[A].工程排水与加固技术理论与实践—第七届全国工程排水与加固技术研讨会论文集[C].北京：中国水利水电出版社,2008：205～211.
[98]The Mathworks Inc. Neural Network Toolbox. User's guide(Version 4).2001.
[99]Koza J R, Rice J P. Genetic generation of both the weights and architecture for a neural network. In Proc.of IEEE Int. Joint Conf Neural Networks,1991,p397-404.
[100]Forgel D B, Forgel L J, Porto V W. Evolutionary methods for training neural networks. In Proc.of IEEE.Conf Neural Networks for Oceanography Engineering. Washington, DC.p 317-327,1991.
[101]McDonnell J R, Waagen D. Evolving neural networks connectivity. In proc. IEEE ICNN 93;p 863-868,San Francisco,CA,1993.
[102]焦李成.神经网络系统理论[M].西安：西安电子科技大学出版社,1992.
[103]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社,1998.
[104]肖新平,宋中民,李峰.灰技术基础及其应用[M].北京：科学出版社,2005.
[105]Hecht-Nielsen,R. Counter propagation networks, Proc. Of IEEE first Int'l Conference on Neural Networks,VOL. Ⅱ,p 19-32,1987.
[106]Lippmann R P, Barron A R.Statistical properties of artificial neural networks. Proc.28th Conference on decision and control,1987.
[107]吴简彤,王建华.神经网络技术及其应用[M].哈尔滨：哈尔滨工程大学出版社,1998.
[108]覃光华.人工神经网络技术及其应用[D].[博士学位论文].成都：四川大学,2003.
[109]吕瑛洁,胡昌华.基于LMBP神经网络的故障预报方法及其应用[J].机械科学与技术.2006,25(1)：28-30.
[110]盛立,刘希玉,高明.一种新的全局优化BP网络[J].计算机应用研究.2006(2)：211-212.
[111]许东,吴铮等.《基于MATLAB6.X的系统分析与设计—神经网络》[M].西安：西安电子科技大学出版社,2002.
[112]陈向阳.高速公路软基处理方案智能决策模型研究[D].[硕士学位论文].武汉：武汉理工大学,2003.
[113]张留俊,王福胜,刘建都.高速公路软土地基处理技术—试验研究与工程实例[M].北京：人民交通出版社,2002.
[114]上田嘉男等著.庞俊达译.软土地盘路堤设计[M].1979.
[115]中交第一公路勘察设计研究院.吴堡至子洲高速公路软弱土地基处理试验工程动态观测及稳定沉降分析报告[R].西安：中交第一公路勘察设计研究院,2007.
[116]宇云飞,张文彤,张梅.泊松曲线在软土路堤沉降预测中的应用研究[J].河北农业大学学报,2004,27(4)：96～99.
[117]张留俊,王福胜,李刚.公路地基处理设计施工实用技术[M].北京：人民交通出版社,2004.
[118]冯炜,MATLAB-ANN系统在高速公路软土地基沉降预测中的应用,西安：长安大学硕士学位论文,2005.
[119]黄广军.地基沉降的几种预测方法的可靠性分析[A].地基处理理论与技术进展—第10届全国地基处理学术会议论文选集[C],2008.
[120]叶书麟.地基处理[M].北京：中国建筑工业出版社,1997.
[121]宰金珉,梅国雄.泊松曲线的特征及其在沉降预测中的应用[J].重庆建筑大学学报,2001,23(1)：30～35.
[122]王晓谋,袁怀宇.高等级公路软土地基路堤设计与施工技术[M].北京：人民交通出版社,2001.
[123]李天将.软基处理沉降影响因素分析与预测研究,西安：长安大学硕士学位论文,2006.
[124]张留俊,黄晓明,冯炜.人工神经网络在路堤沉降预测中的应用[J].公路交通科技,2006,23(5)：7～10.
[125]姚卫新.智能数据分析中异常数据的集成化管理方法研究[D]：[博士学位论文].复旦：复旦大学,2004.
[126]张留俊,王福胜,刘建都.高速公路软土地基处理技术—试验研究与工程实例[M].北京：人民交通出版社,2002.
[127]曹兴松,郑治.高填路堤沉降回归的一种改进计算方法—S曲线指数法[J].西南公路,2006,(1).
[2]熊从博.软基处理方法的优化选择及地基沉降的可靠性研究[D]:[硕士学位论文].青岛：中国海洋大学,2005.
[3]吴旭君,郑平.淤泥质土土性指标的概率模型及其应用[J].工业建筑,1999,29(4)：53～57.
[4]Cornell C A.First-order Uncertainty analysis of soils, deformation and stability. Proc 1st ICASP. Hong Kong,1971:129-144.
[5]Vanmarcke E H. Probabilistic modeling of soil profiles. Journal of the Geotechnical Engineering Division, ASCE,1977,103(11):1227-1246.
[6]Li K S, Lump P. Probability approaches to slope design[Ph D thesis]. Department of civil engineering, The Univesity of New South Wales,1987.
[7]高大钊.静力触探实验结果的可靠性分析[J].工程勘察,1981(2)：9～14.
[8]高大钊.岩土测试中经验公式的误差估计[J].工程勘察,1982(3)：73～77.
[9]高大钊.地基土力学性质指标的可靠性分析与取值[J].同济大学学报,1985(4)：59～67.
[10]高大钊,魏道垛.上海软土工程性质的概率统计特征[A].第四届土力学及地基基础学术会议论文选集[C].北京：中国建筑工业出版社,1986a：167-182.
[11]Soulie M, Montes P,Silvestri V. Modeling spatial variability of soil parameters. Canadian Geotech,1990(27):617-630.
[12]张维秀,盛崇文.地基土抗剪强度指标统计的方差分离法[J].岩土工程学报,1992,14(2)：55～60.
[13]闫澍旺,邓卫东.土性剖面随机场模型的平稳性和各态历经性验证[J].岩土工程学报,1995,17(3)：1-9.
[14]阮波,冷伍明.粘性土物理力学指标的统计分析[J].大坝观测与土工测试,1998,22(1)：5-7.
[15]李小勇,张瑞婷,侯晓文.太原粉质粘土工程性质指标概率特征的分析与研究[J].太原理工大学学报,2000,31(3)：254～258.
[16]李小勇.土工参数空间概率特性及软粘土地基固结概率分析[D]:[博士学位论文].杭州：浙江大学,2001.
[17]徐雷云.土体物理力学参数的数据库开发及其相关性和概率统计分析[D]:[硕士学位 论文].南京：河海大学,2006.
[18]林慧常,陈伟坚.茂名地区粉质粘土的土性指标概率特征分析[J].广东土木与建筑,,2007(4).
[19]陈晓平,黄国怡,梁志松.珠江三角洲软土特性研究[J].岩石力学与工程学报,2003,22(1)：137～141.
[20]陈延猛,夏银飞.软土物理力学指标的统计关系研究[J].国外建材科技,2007,28(2)：106～108.
[21]阙金声,陈剑平,石丙飞.广州大学城软土的工程地质性质统计分析[J].煤田地质与勘探,2007,35(1)：49-52.
[22]夏银飞,吴代华,文建华.珠江三角洲软土物理力学指标统计分析[J].公路交通科技,2008,25(1)：47～50.
[23]Erickson H.H,Mulvey J.M, Vanmarcke E.H. Integrating expert systems and mathematical programming:an example in infrastructure management. Annals of Operations Research, v21, n 1-4, Nov.1989, p 275-99.
[24]Jamsa, Heikki, ed.OECD Workshop on knowledge-based expert systems in transportation. VTT Symposium (Valtion Teknillinen Tutkimuskeskus), v1, n 116,1990,423p.
[25]Prechaverakul, Sakchai, Hadipriono, Fabian C. Using a knowledge-based expert system and fuzzy logic for minor rehabilitation projects in Ohio.Transportation Research Record, n 1497, Jul,1995, p19-26.
[26]Kaur, D, Tekkedil, D. Fuzzy expert system for asphalt pavement performance prediction. ITSC2000.2000 IEEE Intelligent Transportation Systems. Proceedings (Cat. No.00TH8493),2000, p 428-33.
[27]刘建兰.沥青路面施工专家系统设计与实现[D]：[硕士学位论文].西安：长安大学,2003.
[28]彭挺.高速公路沥青路面养护维修专家系统研究[D]：[硕士学位论文].西安：长安大学,2004.
[29]Shyu, Gwo-Ching; Hryciw, Roman D. A knowledge-based soil liquefaction potential evaluation system. Geotechnical Special Publication, v 1, n 27,1991, p 403-412.
[30]Al-Homoud AS, Al-Masri GA. CSEES:An expert system for analysis and design of cut slopes and embankments. ENVIRONMENTAL GEOLOGY 39 (1) p75-89 NOV 1999.
[31]王家鼎.砂土震动液化势评价中的模糊数学方法[J].西北地震学报,1985,7(3).
[32]王家鼎.模糊数学在西北地区场地震害预测中的应用[J]_西北地震学报,1988,10(1).
[33]王家鼎.饱和土震动液化势影响因素的灰色理论分析[J].甘肃科学学报,1990,2(1).
[34]王家鼎等.黄土斜坡稳定性的模糊信息分析法[J].山地研究,1991,9(1).
[35]黄崇福等.震害预测的模糊贴近类比方法[J].地震工程与工程振动,1988,8(3).
[36]李正农,管昌生.结构物震害预测的灰色贝叶斯方法[J].自然灾害学报,1995,4(4)：41～46.
[37]于山.基于GDP的城市抗震减灾资源配置研究[D]：[博士学位论文].天津：天津大学,2005.
[38]刘国.用模糊数学方法选择软土地基加固方案[J].水文地质工程地质,2000,4：17～19.
[39]冯仲仁.高速公路软基处理智能决策支持技术研究[D]：[博士学位论文].武汉：武汉理工大学,2004.
[40]韩冰.高速公路软基处理决策问题智能化技术的研究[D]:[硕士学位论文].武汉：武汉理工大学2004.
[41]陈向阳,冯仲仁,鄢恒珍.基于模糊相似优先的软基处理决策模型[J].中外公路,2005,25(6).
[42]董秀坤,折学森,高世君.基于熵权的模糊物元模型在软基处理方案评价中的应用[J].南昌大学学报,2007,29(2)：168～170.
[43]陈向阳,夏元友,鄢恒珍.基于ART网络的高速公路软基处理决策模型[J].武汉理工大学学报,2007,29(2)：104～106.
[44]罗君君,郑俊杰,孙玲.基于语言变量和熵权的公路软基处理方案模糊物元决策分析法[J].公路交通科技,2009,26(5)：12～16.
[45]冯仲仁,朱瑞庚,姚爱民.高速公路软基处理方案的多层次模糊决策[J].岩石力学与工程学报,2002,21(6)：915～918.
[46]刘挺,蔡升华.层次分析法在地基处理方案优化中的应用[J].电力勘测,2002(3)：31～35.
[47]王岭.珠江三角洲地区大面积软土地基处理方法的研究[D]：[硕士学位论文].广州：广东工业大学,2005.
[48]张彩江,沈岐平.基于层次分析(AHP)的深层软基处理方案优化选择研究：一个案例[J].系统工程,2006,24(9)：121～125.
[49]张留俊,黄晓明,尹利华.公路软基处理方案多层次模糊综合评判方法研究[J].公路交通科技,2007,24(3)：35～38.
[50]康洪,彭振斌.软土地基处理方案多层次模糊综合评判[J].湖南师范大学自然科学学报,2009,,32(3)：120～124.
[51]徐泽中,何良德等.沪宁高速公路软基路堤沉降动态控制方法研究[J].水利水电科技进展,1998,18(2)：31～35.
[52]白忠良,徐泽中等.高速公路软基沉降观测的精度指标及观测规范化问题[J].水利水电科技进展,1998,,18(2)：27～30.
[53]田林亚,李浩等.高速公路施工期沉降观测问题分析.工程勘察[J].2002,(4)：51～53.
[54]刘晓明.基于软土地基下的变形观测数据精度与可靠性分析[D]:[硕士学位论文].大连：大连理工大学,2003.
[55]成小峰.高速公路路堤沉降观测数据的可靠性分析及应用研究[D]:[硕士学位论文].南京:河海大学,2004.
[56]伊晓东,周国成,孙炜.基于软地基下的变形观测数据精度与可靠性分析[J].测绘与空间地理信息,2007,30(3)：154～158.
[57]罗建彬.排水板堆载预压处理高速公路软土地基路堤施工控制研究[D]：[硕士学位论文].西安：长安大学,2008.
[58]中华人民共和国行业标准.公路软土地基路堤设计与施工技术规范(JTJ 017-96)[S].北京：人民交通出版社,1997.
[59]Terzaghi k. Erdanmechanik and Bodenphy Sikalischer Grnundlage, Lp2.Deutiche, 1925:5-70
[60]曾国熙.砂井地基沉陷分析[J].浙江大学学报,1959,(1)：58～59.
[61]曾国熙.地基处理手册[M].北京：中国建筑工业出版社,1998.
[62]中华人民共和国行业标准.建筑地基处理技术规范(JGJ 79-91)[S].北京：中国计划出版社,1998.
[63]Asaoka A. Observational Procedure of Settlement of Prediction. Soils and foundations, 1978,18(4):87-101.
[64]邓聚龙.灰色控制系统[M].武汉：华中理工大学出版社,1988.
[65]McCulloch W S, Pitts W. A Logical Calculus of The Ideas Immanent in Nervous Activity. Bull Math Biophysics,1943,Vol.5:115-133.
[66]Hebb D.O. The Organization of Behavior. Wiley,1949.
[67]Hecht-Nielsen R. Counter Propagation Networks. Applied Options,1987,(26):4979-4984.
[68]Karanagh K, Clough R W. Finite Element Application in The Characterization of Elastic Solids. Int.J. Solids Structures,1971,7:11-13.
[69]谭昌明,周建,黄广龙.多层软土地基沉降的分层迭代反演综合预测法[J].中国公路学报,2001,14(4)：28～32.
[70]付宏渊.高速公路路堤沉降预测及施工控制[M].北京：人民交通出版社,2007.
[71]国际标准.结构可靠性总原则(IS02394)[S].1996.
[72]张庆华.土工实验数据整理和分析方法研究[J].人民长江,1996,27(7)：38～40.
[73]高大钊.岩土工程设计安全度指标及其应用[J].工程勘察,1996,(1)：1-6.
[74]中华人民共和国行业标准.公路软土地基路堤设计与施工技术细则(报批稿)[S]2006.
[75]钱国超等.高速公路海相软土地基水泥土搅拌桩加固技术[M].北京：人民交通出版社,2008.
[76]汪荣鑫.数理统计[M].西安：西安交通大学出版社,1986.
[77]张博庭.用有限比较法进行拟合优度检验[J].岩土工程学报,1991,13(6)：84～91.
[78]沈珠江,魏汝龙,盛崇文.软土力学性质的现场测试技术及其分析[A].软土地基学术讨论会论文选集[C].北京：水利出版社,1980：53～69.
[79]La Rochelle, P. Field measurements of cohesive in Champlain clays. V I.r,229.
[80]Torstensson, B.A. Time-dependent effects in the field vane test,387.
[81]Baguelin, F. Self-boring placement method of soil characteristics measurement,312.
[82]Torstensson, B.A. Time-dependent effects in the field vane test,387.
[83]Ronold K O, Bjerager P. Model uncertainty representation in geotechnical reliability analysis. ASCE, J Geotech Engrg,1992,118(3):394-405.
[84]Zadeh L A. Fuzzy sets. Information and control,1965,8(3):338-353.
[85]徐玖平,吴巍.多属性决策的理论与方法[M].北京：清华大学出版社,2006.
[86]谢季坚,刘承平.模糊数学方法及其应用(第2版)[M].武汉：华中科技大学出版社,2000.
[87]张留俊,黄晓明,尹利华.基于可信度的不确定性推理在公路软基处理专家系统中的应用[J].交通运输学报,2007,7(3)：80-85.
[88]张留俊.高路堤下软土硬壳层工程性质的研究[J].公路,1999(7)：5-8.
[89]陈建勋,傅升.探索德尔菲法的知识自增值机制及其改造[J].软科学,2005,19(1)：9～11.
[90]王国正.公路软土地基处理技术决策专家系统研究[D]:[硕士学位论文].西安：长安大学, 2007.
[91]Timothy J Ross著.钱同惠,沈其聪,葛晓滨等译.模糊逻辑及其工程应用[M].北京：电子工业出版社,2001.
[92]Saaty T L. Modeling unstructured decision problems:a theory of analytical hierarchies. Proceedings of the first International Conference on Mathematical Modeling, Vol.1.59-77. University of Missoure Rolla,1997.
[93]Satty T L. Fundamentals of the Analytic Hierarchy Process. Pittsburgh, Pennsylvania: RWS Publications,2000.
[94]许树柏.层次分析法原理[M].天津：天津大学出版社,1988.
[95]Saaty T L.The Analytic Hierarchy Process.New York:McGraw-Hill Inc,1980.
[96]巍世孝,周献中.多属性决策理论方法及其在C3I系统中的应用[M].北京：国防工业出版社,1998.
[97]张留俊.公路软基处理方案决策的人工神经网络模型[A].工程排水与加固技术理论与实践—第七届全国工程排水与加固技术研讨会论文集[C].北京：中国水利水电出版社,2008：205～211.
[98]The Mathworks Inc. Neural Network Toolbox. User's guide(Version 4).2001.
[99]Koza J R, Rice J P. Genetic generation of both the weights and architecture for a neural network. In Proc.of IEEE Int. Joint Conf Neural Networks,1991,p397-404.
[100]Forgel D B, Forgel L J, Porto V W. Evolutionary methods for training neural networks. In Proc.of IEEE.Conf Neural Networks for Oceanography Engineering. Washington, DC.p 317-327,1991.
[101]McDonnell J R, Waagen D. Evolving neural networks connectivity. In proc. IEEE ICNN 93;p 863-868,San Francisco,CA,1993.
[102]焦李成.神经网络系统理论[M].西安：西安电子科技大学出版社,1992.
[103]王永庆.人工智能原理与方法[M].西安：西安交通大学出版社,1998.
[104]肖新平,宋中民,李峰.灰技术基础及其应用[M].北京：科学出版社,2005.
[105]Hecht-Nielsen,R. Counter propagation networks, Proc. Of IEEE first Int'l Conference on Neural Networks,VOL. Ⅱ,p 19-32,1987.
[106]Lippmann R P, Barron A R.Statistical properties of artificial neural networks. Proc.28th Conference on decision and control,1987.
[107]吴简彤,王建华.神经网络技术及其应用[M].哈尔滨：哈尔滨工程大学出版社,1998.
[108]覃光华.人工神经网络技术及其应用[D].[博士学位论文].成都：四川大学,2003.
[109]吕瑛洁,胡昌华.基于LMBP神经网络的故障预报方法及其应用[J].机械科学与技术.2006,25(1)：28-30.
[110]盛立,刘希玉,高明.一种新的全局优化BP网络[J].计算机应用研究.2006(2)：211-212.
[111]许东,吴铮等.《基于MATLAB6.X的系统分析与设计—神经网络》[M].西安：西安电子科技大学出版社,2002.
[112]陈向阳.高速公路软基处理方案智能决策模型研究[D].[硕士学位论文].武汉：武汉理工大学,2003.
[113]张留俊,王福胜,刘建都.高速公路软土地基处理技术—试验研究与工程实例[M].北京：人民交通出版社,2002.
[114]上田嘉男等著.庞俊达译.软土地盘路堤设计[M].1979.
[115]中交第一公路勘察设计研究院.吴堡至子洲高速公路软弱土地基处理试验工程动态观测及稳定沉降分析报告[R].西安：中交第一公路勘察设计研究院,2007.
[116]宇云飞,张文彤,张梅.泊松曲线在软土路堤沉降预测中的应用研究[J].河北农业大学学报,2004,27(4)：96～99.
[117]张留俊,王福胜,李刚.公路地基处理设计施工实用技术[M].北京：人民交通出版社,2004.
[118]冯炜,MATLAB-ANN系统在高速公路软土地基沉降预测中的应用,西安：长安大学硕士学位论文,2005.
[119]黄广军.地基沉降的几种预测方法的可靠性分析[A].地基处理理论与技术进展—第10届全国地基处理学术会议论文选集[C],2008.
[120]叶书麟.地基处理[M].北京：中国建筑工业出版社,1997.
[121]宰金珉,梅国雄.泊松曲线的特征及其在沉降预测中的应用[J].重庆建筑大学学报,2001,23(1)：30～35.
[122]王晓谋,袁怀宇.高等级公路软土地基路堤设计与施工技术[M].北京：人民交通出版社,2001.
[123]李天将.软基处理沉降影响因素分析与预测研究,西安：长安大学硕士学位论文,2006.
[124]张留俊,黄晓明,冯炜.人工神经网络在路堤沉降预测中的应用[J].公路交通科技,2006,23(5)：7～10.
[125]姚卫新.智能数据分析中异常数据的集成化管理方法研究[D]：[博士学位论文].复旦：复旦大学,2004.
[126]张留俊,王福胜,刘建都.高速公路软土地基处理技术—试验研究与工程实例[M].北京：人民交通出版社,2002.
[127]曹兴松,郑治.高填路堤沉降回归的一种改进计算方法—S曲线指数法[J].西南公路,2006,(1).
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |