基于玻璃珠-砂垫层的岩土隔震系统(geotechnical seismic isolation system based on glass bead-sand cushion,GSI-GBSC)在一层砌体结构农村房屋上表现出良好的隔震性能,然而其对于二层及以上农村建筑的隔震效果尚不明确。该文对一组...基于玻璃珠-砂垫层的岩土隔震系统(geotechnical seismic isolation system based on glass bead-sand cushion,GSI-GBSC)在一层砌体结构农村房屋上表现出良好的隔震性能,然而其对于二层及以上农村建筑的隔震效果尚不明确。该文对一组两层砌体建筑的1/4比例模型进行了振动台测试:第1种为二层砖砌体结构模型(无隔震模型),第2种为具有GSI-GBSC隔震系统的二层砖砌体结构模型(隔震模型),对2种模型的加速度和位移响应进行了评估与比较,并与已有研究中一层农村建筑试验结果进行了对比分析。研究结果表明,GSI-GBSC隔震系统中的玻璃珠-砂垫层容易发生滑移错动,导致隔震模型的地基土与上部结构之间产生了相对滑移,进而降低了上部结构的地震反应。在不同加速度峰值输入工况下,隔震模型上部结构以平动为主,而无隔震模型上部结构位移响应随着输入加速度峰值的增大而增大,且各层水平位移峰值的差距逐渐变大。此外,还发现隔震模型上部结构层间变形显著减小。具体而言,当输入加速度峰值为0.2、0.4 g时,隔震模型结构顶部的加速度响应相比较无隔震模型减小程度分别达28%、36%。总体而言,GSI-GBSC隔震系统对一层和二层农村砌体结构均具备较好的隔震效果,但增大结构的重量和高宽比,会使砂土-玻璃珠滑移层的滑移性能有所降低,GSI-GBSC隔震系统的隔震效果也会略有下降。展开更多
针对入侵检测数据量大,而文献[1]提出的α核心集的多层凝聚算法计算复杂度过高,影响实际应用的问题,提出一种基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法。首先,基于熵重要测度权重方法利用粗糙集对入侵检测数据进行预处...针对入侵检测数据量大,而文献[1]提出的α核心集的多层凝聚算法计算复杂度过高,影响实际应用的问题,提出一种基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法。首先,基于熵重要测度权重方法利用粗糙集对入侵检测数据进行预处理和属性约简,降低数据维数防止算法陷入"维数陷阱";其次,用熵重要测度权重距离代替阿尔法多层凝聚算法的欧式距离计算个体相似度,并实现粗糙集输出数据与阿尔法多层凝聚算法的有效对接。通过实验表明,基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法能够更加有效对KDD CUP 99标准数据库进行检测分类。展开更多
文摘基于玻璃珠-砂垫层的岩土隔震系统(geotechnical seismic isolation system based on glass bead-sand cushion,GSI-GBSC)在一层砌体结构农村房屋上表现出良好的隔震性能,然而其对于二层及以上农村建筑的隔震效果尚不明确。该文对一组两层砌体建筑的1/4比例模型进行了振动台测试:第1种为二层砖砌体结构模型(无隔震模型),第2种为具有GSI-GBSC隔震系统的二层砖砌体结构模型(隔震模型),对2种模型的加速度和位移响应进行了评估与比较,并与已有研究中一层农村建筑试验结果进行了对比分析。研究结果表明,GSI-GBSC隔震系统中的玻璃珠-砂垫层容易发生滑移错动,导致隔震模型的地基土与上部结构之间产生了相对滑移,进而降低了上部结构的地震反应。在不同加速度峰值输入工况下,隔震模型上部结构以平动为主,而无隔震模型上部结构位移响应随着输入加速度峰值的增大而增大,且各层水平位移峰值的差距逐渐变大。此外,还发现隔震模型上部结构层间变形显著减小。具体而言,当输入加速度峰值为0.2、0.4 g时,隔震模型结构顶部的加速度响应相比较无隔震模型减小程度分别达28%、36%。总体而言,GSI-GBSC隔震系统对一层和二层农村砌体结构均具备较好的隔震效果,但增大结构的重量和高宽比,会使砂土-玻璃珠滑移层的滑移性能有所降低,GSI-GBSC隔震系统的隔震效果也会略有下降。
文摘针对入侵检测数据量大,而文献[1]提出的α核心集的多层凝聚算法计算复杂度过高,影响实际应用的问题,提出一种基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法。首先,基于熵重要测度权重方法利用粗糙集对入侵检测数据进行预处理和属性约简,降低数据维数防止算法陷入"维数陷阱";其次,用熵重要测度权重距离代替阿尔法多层凝聚算法的欧式距离计算个体相似度,并实现粗糙集输出数据与阿尔法多层凝聚算法的有效对接。通过实验表明,基于熵重要测度权重粗糙集的α核心集多层凝聚入侵分类算法能够更加有效对KDD CUP 99标准数据库进行检测分类。
