-
题名管道破损诱发地面沉降细观模拟与影响因素分析
- 1
-
-
作者
孙志亮
邵敏
王叶晨梓
刘忠
任伟中
柏巍
李朋
-
机构
中国科学院武汉岩土力学研究所岩土力学与工程安全全国重点实验室
杭州市城建消防中心(杭州市城建信息中心)
杭州市勘测设计研究院有限公司
-
出处
《岩土力学》
北大核心
2025年第S1期507-518,共12页
-
基金
十四五国家重点研发计划(No.2021YFC3001300)
中国科学院岩土力学与工程安全重点实验室项目(No.SKLGME-JBGS2403)
湖北省自然科学基金(No.2022CFB417)
-
文摘
为研究砂土在管道破损渗流侵蚀作用下的运移流失过程,探寻产生地面沉陷的主要影响因素,采用颗粒流(particle flow code,PFC)与计算流体力学(computational fluid dynamics,CFD)耦合的方法,针对水管直径、破损孔洞尺寸、水管埋置深度、砂土内摩擦角以及地下水深度5个因素,按3水平设计正交试验,开展细观数值模拟。数值试验结果发现,砂土地面沉陷呈V形漏斗分布,沉降槽随着时间增长在横向与竖向拓展。正交试验结果的极差分析与方差分析表明,地下水深度hw对沉降槽深度影响最大且显著,地下水越深,沉降槽深度越小。影响因素排序其次是破损孔洞直径d,随后是砂土内摩擦角φ与水管直径DN。水管埋置深度hs对沉降槽深度影响不明显,在此基础上,提出了不同条件下管道破损渗漏诱发地面沉陷范围的估算公式。研究结果可为市政水管防路面塌陷设计提供参考。
-
关键词
管道渗漏
地面沉陷
离散元-计算流体动力学
数值模拟
正交试验
-
Keywords
pipeline leakage
ground subsidence
PFC−CFD
numerical simulation
orthogonal test
-
分类号
TU478
[建筑科学—结构工程]
-
-
题名基于自注意力的隧道视频火灾识别技术研究
被引量：2
- 2
-
-
作者
沈鸿翔
倪双静
-
机构
杭州市城建消防中心(杭州市城建信息中心)
浙江省机电设计研究院有限公司
-
出处
《消防科学与技术》
CAS
北大核心
2023年第2期253-257,共5页
-
文摘
针对公路隧道火灾样本量少、深度学习效果不理想的问题,研究一种小样本学习技术,以提高对隧道火灾样本的利用率,并在此基础上利用成熟的机器学习方法,提出一种基于自注意力的隧道视频火灾识别技术。该技术采用自注意力机制结合SVM分类器搭建火焰识别模型,该模型针对各项特征对火焰识别的重要性分配不同的注意力权重,形成注意力矩阵,并将权重矩阵与特征向量的值相加权,通过SVM的Hinge Loss进行线性支持向量机分类,对公路隧道火灾进行识别和预警。在火灾识别训练过程中,通过对火焰疑似区域进行检测,并利用数据增强技术达到样本扩增的目的,随后采用多通道融合的特征提取方式构建特征向量,输入设计的自注意力火焰识别模型中,通过梯度下降优化器进行小批量模型训练,降低迭代次数,最终获得最优特征权重参数,得到最佳识别模型。试验结果表明,该方法在模型训练时收敛较快,在火焰识别时相比未使用小样本学习的传统SVM算法,准确率提高了5%,因此能在小样本环境下有效提高火灾识别的准确度。
-
关键词
隧道火灾
视频火焰识别
小样本学习
自注意力机制
SVM算法
-
Keywords
tunnel video
video flame identification
small sample learning
self-attention mechanism
the SVM algorithm
-
分类号
X932
[环境科学与工程—安全科学]
TN965
[电子电信—信号与信息处理]
-
