XiaoMi-AI文件搜索系统
World File Search System冲刷
用于冲刷深度的高效数据驱动机器学习模型......
海堤是沿海地区重要的防御基础设施，保护内陆地区免受风暴潮、海浪越堤和土壤侵蚀的侵袭。海堤趾部冲刷是由海浪引起的床层物质的堆积和侵蚀造成的，对沿海基础设施的结构完整性构成了重大威胁。准确预测冲刷深度对于合理有效地设计和维护沿海结构至关重要，这有助于降低趾部冲刷导致结构失效的风险。然而，目前用于评估倾斜结构趾部冲刷的指导和预测工具有限。近年来，人工智能和机器学习 (ML) 算法引起了人们的兴趣，尽管它们为许多沿海工程应用提供了稳健的预测模型，但此类模型尚未应用于冲刷预测。本文，我们开发并提出了基于 ML 的模型，用于预测倾斜海堤趾部冲刷深度。使用四种 ML 算法，即随机森林 (RF)、梯度提升决策树 (GBDT)、人工神经网络 (ANN) 和支持向量机回归 (SVMR)。使用综合的物理建模测量数据来开发和验证预测模型。采用一种新颖的特征选择、特征重要性和超参数调整算法框架，用于基于 ML 的模型的预处理和后处理步骤。提出了深入的统计分析来评估所提模型的预测性能。结果表明，在本研究中测试的所有算法中，预测准确率至少为 80%，总体而言，SVMR 的预测最准确，判定系数 (r2) 为 0.74，平均绝对误差 (MAE) 值为 0.17。在所测试的算法中，SVMR 算法的计算效率也最高。本研究提出的方法框架可应用于冲刷数据集，以快速评估海岸防御结构的冲刷情况，从而促进基于模型的决策。
抗冲刷混凝土：概述
抗冲刷混凝土 (AWC) 是一种特殊的水泥基材料，可直接用于水下环境而无需分散。它是在大约 50 年前开发的，已发表了 150 多篇期刊文章和技术报告。本文全面回顾了 AWC 的基本新鲜状态和硬化状态特性，例如抗水性 (冲刷性)、稠度、抗渗色和离析性、力学性能和耐久性，以及相关的测试方法。清楚地介绍了 AWC 特性与传统混凝土特性之间的差异。还阐述了影响 AWC 性能的混合物成分、辅助胶凝材料 (SCM) 和其他条件。最后，本文讨论了 AWC 的具体性能要求及其在不同应用场合下的相应施工策略，包括正常建筑、海洋工程、散装填充和修复实践。本文还讨论了促进 AWC 发展的未来研究需求。
沉积物传输的离散相建模和大坝溢洪道中悬浮颗粒的冲刷
在大坝管理和大坝可靠性评估中出现的首要问题之一是悬浮颗粒的沉积。沉积影响能源生产和效率，储存，排放能力和洪水衰减能力。在本文中，使用有限体积方法（FVM）软件ANSYS对大坝溢洪结构中的沉积物传输和冲刷进行建模。根据离散相模型（DPM）制定了水流中悬浮颗粒的轨迹。为了访问仿真模型，使用缩放的大坝溢洪道模型进行了粒子图像速度法（PIV）实验。从模拟和PIV实验获得的发现之间的差异小于4.89％，推断数值模型是可以接受的。发现最大搜查率和最大沉积速率分别为4.20×10-9 kg/s和2.00×10-6 kg/s。因此，基于唯一考虑解决悬浮颗粒的搜查和沉积，应每8.9年进行一次每8.9年的水坝维护。这项工作证明了在研究中基于DPM的数值模拟的生存能力，在研究沉积物传输问题的流体相互作用中，尤其是用于应用大坝可靠性。
桥墩周围局部冲刷预测
摘要 本文介绍了两种人工智能建模方法，即遗传规划 (GP) 和自适应神经模糊推理系统 (ANFIS)，用于在 320 组实验室和现场测量数据的清水条件下预测桥墩冲刷深度。冲刷深度被建模为五个主要无量纲参数的函数：桥墩宽度、逼近流深度、弗劳德数、粒径分布的标准差和通道开阔度。使用训练后的 GP 模型建立了函数关系，并通过将结果与 ANFIS 模型和七个传统的基于回归的公式的结果进行比较来验证其性能。数值试验表明，GP 模型比 ANFIS 模型或任何其他经验方程具有更好的一致性。通过将推导的 GP 方程用于预测埃及因巴巴大桥桥墩周围的冲刷深度，证实了 GP 模型的优势。