XiaoMi-AI文件搜索系统
World File Search System实测
使用多物理信息神经网络预测复合地层中隧道施工引起的地表沉降
摘要 摘要 准确预测隧道施工引起的地表沉降对于保证隧道工程安全施工和决策至关重要。本文建立了一种用于预测盾构隧道施工引起地层变形的物理信息神经网络（PINN）模型。该模型将隧道收敛变形与隧道开挖位置的关系纳入深度神经网络（DNN）框架中。考虑到多地层的地质特点，提出了一种多物理信息神经网络（MPINN）模型，在统一的框架下表示不同地层的物理信息。结果表明，MPINN模型可以高度再现有限差分法的计算结果，并能准确预测考虑复合地层的复杂地质信息的隧道施工引起的地表沉降。由于MPINN模型具有完整的物理机制，适用于隧道施工引起的地表沉降问题，可以预测不同地质和几何条件下的隧道施工引起的地表沉降。基于实测数据,提出的MPINN模型能够准确预测监测断面地表沉降曲线,为隧道施工过程中地表沉降预测预警提供参考。
数字孪生和云 BIM-XR 平台开发
摘要：数字孪生 (DT) 和建筑信息模型 (BIM) 被证明是管理建筑物 (LCB) 整个生命周期（从早期设计阶段到长期管理和维护）的宝贵工具。另一方面，BIM 平台无法管理现有建筑物的几何复杂性以及传感器可以收集的大量信息。因此，本研究提出了一种扫描到 BIM 流程，能够在设计、施工现场管理和施工阶段管理高级别细节 (LOD) 和信息 (LOI)。应用特定等级的生成 (GOG) 来创建与多层住宅建筑的修复项目交互并为其提供支持的实测模型、设计模型和竣工模型。此外，由于特定 API（Revit 和 Autodesk Forge API）的共享，可以从静态表示切换到用户互操作性和交互性的全新级别，以及更高级的建筑管理形式，例如 DT、BIM 云和扩展现实 (XR) 网络平台。最后，实时应用程序的开发展示了不同类型的用户（专业人士和非专家）如何与 DT 交互，以了解环境设计的特征以及环境参数，从改善舒适度、使用、成本、行为和良好实践的角度提高他们的控制程度。最后，通过一个真实案例研究验证了整体方法，其中 BIM-XR 平台是为现有建筑的能源改进和外墙翻新而构建的。
研究论文 软弱围岩爆破地震波传播规律——以木寨岭隧道为例
为了研究爆破振动波在软岩隧道中的传播规律，在木寨岭隧道进行了纵向和环向爆破振动试验，并利用萨多夫非线性回归、傅里叶变换、希尔伯特-黄变换（HHT）等方法对实测数据进行了分析研究，为木寨岭隧道或类似软岩隧道爆破设计优化提供参考。研究结果表明：随着比例药量的增加，切向主频迅速下降，径向主频下降缓慢。在一定药量下，随着距爆源距离的增加，爆破振动频率频谱宽度变窄，整体能量更加集中，振动频率趋于低频。在距爆源一定距离处，随着药量的增加，爆破振动频率逐渐下降，低频区幅值增大。隧道左侧振动速度大于右侧，在拱顶和下台阶拱脚处振动速度下降较快，上台阶和中台阶拱脚处振动速度下降较慢；中台阶左拱脚和上台阶右拱脚的振动频率高于其他位置，上台阶左拱脚的频率最低。隧道爆破过程中，输入到地层介质的能量主要集中在切洞爆破阶段，爆破对上台阶左拱脚和隧道拱顶的能量输入较多，与频率分析的结论一致。