含水率梯度作用下填埋场压实黏土层开裂特性试验与机理分析

为探究压实黏土防渗层干缩开裂的力学机制,开展了压实黏土层含水率梯度变化与干缩裂隙演化规律试验研究,并构建了含水率梯度作用下压实黏土层开裂分析模型,研究结果表明:蒸发过程中,压实黏土层失水率随深度指数递减,高液限黏土含水率梯度明显高于低液限黏土.压实黏土层表层拉应力随含水率梯度的增加而增加.蒸发过程中,低液限压实黏土层含...     

岩石含水蠕变损伤模型的开发与应用

摘要：为研究岩石含水率对蠕变的影响,将含水开关与蠕变损伤阀值引入蠕变模型,实现了含水劣化与蠕变损伤在本构关系上的耦合,建立了岩石含水蠕变损伤模型。模型与某软岩的三轴压缩蠕变试验结果取得了较好的拟合效果,并由麦夸特法+通用全局优化（LM-UGO）算法反演出了模型参数随岩石含水率的变化规律。在C++语言和FLAC3D中Fish语言的环境下,通过推导模型本构方程的三维差分形式,并利用FLAC3D所提供的接口实现了模型的二次开发。通过对开发的岩石含水蠕变损伤模型进行算例验证和分析,验证了模型的可靠性,也得出了软岩巷道蠕变变形随围岩含水率增大而增加的结论,进一步反映出蠕变模拟计算中考虑岩石含水率的必要性。     

红砂岩路基土动态模量影响因素及预估模型研究

为研究红砂岩路基土动态模量的影响因素,采用室内重复加载三轴试验。结合红砂岩路基土在不同含水率时的动态模量,分析偏应力、体应力和含水率对红砂岩路基土动态模量的影响;采用三参数复合模型进行回归,并通过有限元计算和实体工程现场检测,建立室内试验动态模量与现场检测动态模量的回归关系。研究结果表明,动态模量随体应力(或围压)增大而增大,随偏应力增大而减小;随着含水率的增大,动态模量呈先增大后逐步减少的趋势。三参数复合预估模型与试验检测结果之间具有较高相关性。此外,红砂岩路基土室内试验动态模量与现场检测动态模量具有良好的回归关系,室内试验动态模量与现场检测动态模量可以实现有效换算。     

奇怪的柿子

一、特别的奶牛车昨天是周末,我回到家本打算饱饱地睡一个懒觉。可是,一大早却被爸爸的大嗓门吵醒了。我一睁开眼睛,就看到爸爸的大脸,他俯身望着我:"乖儿子,难得你回来一趟,今天爸爸带你去自驾游,怎样?"     

索氏提取-气相色谱法测定高含水率土壤中 21种酚类化合物

高含水率土壤样品与无水硫酸钠混合均匀后,以二氯甲烷-正己烷(2+1)混合液为提取剂进行索氏提取,提取液经氢氧化钠溶液净化,再经酸化后由二氯甲烷-乙酸乙酯(4+1)混合液提取,最后进行浓缩,采用气相色谱法测定浓缩液中21种酚类化合物的含量。用HP-5色谱柱(30m×0.25mm,0.25μm)分离,氢火焰离子化检测器检测。21种酚类化合物的质量浓度均在1.0～100.0mg·L~(-1)内与其对应的峰面积呈线性关系,检出限为0.01～0.07mg·kg~(-1)。以空白样品为基体进行加标回收试验,所得回收率为71.4%～95.1%,测定值的相对标准偏差(n=6)为1.0%～11%。     

用红外水分快速测定仪测定污泥含水率

污泥是城市污水处理中分离出来的产物，现在城市污泥的处理办法一般是采用地下填埋的方法。这种方法必然会占用大量的城市用地，在GJ3025—1993城市污水处理厂污水污泥排放标准中，明确规定了在厂内经稳定处理后的城市污水处理厂污泥宜进行脱水处理，其含水率宜小于80％。但要使处理后污泥的含水率降低必然要消耗更大量的絮凝剂和电能，     

烟丝含水率对其燃烧性的影响研究

采用同步热分析技术考察了不同湿度下平衡后的烟丝燃烧性。结果表明:1烟丝含水率随着平衡湿度的增加而增加,并存在一定的线性相关;2通过比较每一阶段的失重率可知,烟丝不同含水率对其燃烧和热解反应的各个阶段有一定影响,失重率随着平衡湿度变化的转折点在平衡湿度50%~60%之间;3烟丝的燃烧特性指数Sn随着平衡湿度的增加而减小,平衡湿度与烟丝含水率、平衡湿度与平均燃烧速度间呈显著正相关,着火温度与燃烧特性指数间呈显著负相关,而平衡湿度与燃烧特性指数Sn无显著的相关性。     

温度对季节性冻土水分迁移的影响研究

寒区季节性冻土冻胀性质对工程实际影响很大。为了了解温度对水分迁移现象的影响,本文通过地温测试仪对野外不同深度处的土层温度进行测量,并在不同时间相应深度取土样,测其含水率,通过比较不同时间不同深度处的含水率的变化情况来分析温度变化对水分迁移现象的影响。在气温回升之前,当地表温度降低时,温度随深度的降低而升高; 随着地表温度不断降低,各深度处的温度也不断下降,温度梯度增加,各深度处地层的含水率变化大,即温度梯度的增加促进了季节性冻土区水分迁移现象的发生。     

卷积神经网络用于近红外光谱预测土壤含水率

近红外光谱分析技术在土壤含水率预测方面具有独特的优势,是一种便捷且有效的方法。卷积神经网络作为高性能的深度学习模型,能够从复杂光谱数据中自主提取有效特征结构进行学习,与传统的浅层学习模型相比具有更强的模型表达能力。将卷积神经网络用于近红外光谱预测土壤含水率,并提出了有效的卷积神经网络光谱回归建模方法,简化了光谱数据的预处理要求,且具有更高的光谱预测精度。首先对不同含水率下土壤样品的光谱反射率数据进行简单的预处理,通过主成分分析减少光谱数据量,并将处理后的光谱数据变换为二维光谱信息矩阵,以适应卷积神经网络特殊的学习结构。然后基于卷积神经网络算法,设置双层卷积和池化结构逐层提取光谱数据的内部特征信息,并采用局部连接和权值共享减少网络参数、提高泛化性能。通过试验优化网络结构和各项参数,最终获得针对土壤光谱数据的卷积神经网络土壤含水率预测模型,并与传统的BP,PLSR和LSSVM模型进行对比实验。结果表明在训练样本达到一定数量时,卷积神经网络的预测精度和回归拟合度均高于三种传统模型。在少量训练样本参与建模的情况下,模型预测表现高于BP神经网络,但略低于PLSR和LSSVM模型。随着参与训练样本量的增加,卷积神经网络的预测精度和回归拟合度也随之稳定提升,达到并显著优于传统模型水平。因此,卷积神经网络能够利用近红外光谱数据对土壤含水率做出有效预测,且在较多样本参与建模时取得更好效果。