基于大数据挖掘的深土井壁极限承载力模糊随机模型

• Published in: 煤炭学报 Vol. 45; no. 3; pp. 1089 - 1098
• Main Authors: 姚亚锋, 程桦, 荣传新, 姚直书, 薛维培
• Format: Journal Article
• Language: Chinese
• Published: 安徽大学资源与环境工程学院,安徽合肥230022%安徽理工大学土木建筑学院,安徽淮南,232001 01.03.2020; 南通职业大学建筑工程学院,江苏南通226001%安徽理工大学安全科学与工程博士后科研流动站,安徽淮南232001; 安徽理工大学安全科学与工程博士后科研流动站,安徽淮南232001
• Subjects: 钢筋混凝土井壁; 极限承载力; 大数据挖掘; 模糊随机; 结构参数; HMM模型
• ISSN: 0253-9993
• DOI: 10.13225/j.cnki.jccs.2019.0318

TD352; 为有效抵御地下结构工程中复杂多变的外荷载,提升深土井筒支护的安全可靠性,运用两淮矿区深厚冲积层井壁为原型,按相似性原理浇筑钢筋混凝土井壁模型,进行了大量钢筋混凝土井壁模型的极限承载力试验,结果发现影响井壁极限承载力的主要因素有混凝土抗压强度、厚径比和配筋率.其中,混凝土抗压强度对井壁承载力影响较为明显,配筋率影响较弱,但各影响因素在深厚冲积层实际工程中又伴随着不同程度的不确定性.针对深厚冲积层井筒施工过程中极限承载力及其影响因素的模糊随机性,以大量井壁试验和两淮矿区的钢筋混凝土井筒工程参数作为大数据样本集,分析结构材料、几何参数和计算模式的不确定分布情况,得到混凝土抗压强度、厚径比和配筋率的模糊随机分布规律.采用最大期望算法(EM)优化传统的大数据HMM挖掘模型,分别经过E步骤计算极大似然估计值和M步骤计算参数期望估计,改进后模型经过两次模糊随机过程,相比原算法具有误差小、效率高和收敛快等优点,更能满足实际地下工程中的不确定特性.基于改进后的大数据挖掘HMM算法,综合大数据环境下的材料性能、几何参数和计算模式的模糊随机分布,建立大数据挖掘井壁极限承载力模糊随机模型,实例证明该模型更加可靠合理,更具有工程实用价值.