【摘 要】
：
土石混合夹层通常出现在各类地质构造作用形成的破碎带中,其结构大多松散,力学强度低。在露天矿开采过程中,受软弱夹层影响导致失稳的案例不胜枚举,且呈现频率高、难治理、灾害大的特点。本文依托科研项目“采动影响下含软弱夹层边坡稳定性及开采控制研究”,以齐大山铁矿含土石混合夹层边坡为研究对象,在工程地质条件调查的基础上,开展了土石混合夹层的剪切性能试验,采用数值模拟结合相似模型试验的方法,研究土石混合夹层对
论文部分内容阅读
土石混合夹层通常出现在各类地质构造作用形成的破碎带中,其结构大多松散,力学强度低。在露天矿开采过程中,受软弱夹层影响导致失稳的案例不胜枚举,且呈现频率高、难治理、灾害大的特点。本文依托科研项目“采动影响下含软弱夹层边坡稳定性及开采控制研究”,以齐大山铁矿含土石混合夹层边坡为研究对象,在工程地质条件调查的基础上,开展了土石混合夹层的剪切性能试验,采用数值模拟结合相似模型试验的方法,研究土石混合夹层对边坡开挖稳定性的影响。主要工作及成果如下:（1）在现场勘察的基础上结合原始地质资料,明确了边坡工程基本地质条件及其滑坡特征,阐述了含土石混合夹层边坡变形破坏模式。通过岩石物理力学试验,对构成边坡主要岩石进行力学参数测定,折减后得到了对应的岩体力学参数。（2）通过大型直剪试验系统研究了土石混合夹层的剪切特性。当含水率从4.2%增加到33.6%,土石混合夹层的黏聚力和内摩擦角分别降低了61.42%、19.91%。当细颗粒质量分数从8.56%增加至42.8%,土石混合夹层的黏聚力和内摩擦角分别降低了43.54%、14.36%。（3）依据剪切试验结果,基于分数阶导数理论建立了土石混合夹层剪切模型,该模型可以较好地描述土石混合夹层剪切破坏的全过程,拟合的峰值剪切应力与试验峰值剪切应力的相对误差均小于6%。（4）通过数值模拟,得到原设计方案开挖至边坡最终境界时安全系数为1.068,方案优化后边坡安全系数可达到1.344。边坡开挖后,边坡最大位移出现在土石混合夹层上方区域,且与坡面和夹层以扇形形状向坡顶延伸,夹层下部的位移变形较小。（5）相似模型试验结果表明:受开挖影响,坡面点水平最大位移量出现在土石混合夹层出露处,垂直最大位移量出现在坡顶,在数值上与数值模拟数值结果基本一致,边坡处于稳定状态,优化后边坡开挖方案合理。该论文有图53幅,表21个,参考文献77篇。
其他文献
高铁列车振动作为一种可重复使用的绿色环保震源,对进行地质勘探、地下结构反演等工作有着重要的意义。高铁列车行驶时产生的振动波在地下介质中传播时,由于介质的吸收衰减作用,导致观测到的高铁列车振动信号的振幅、波形等都会发生复杂变化。本文通过在高铁线路附近的空旷场地布置传感器采集高铁列车产生的振动信号数据,对实测高铁列车振动信号采用三种不同的时频分析方法对信号进行处理,通过对比时频分析结果选定改进广义S变
表面缺陷分割是指对物体表面的气孔、划痕等各种缺陷进行提取的过程。表面缺陷分割能够指导工业生产和检修,有效防止残次品流入市场。磁瓦是各种工业电机中的重要部件,它的性能很大影响了电机的使用。由于原料、工艺等各种原因,生产出的磁瓦表面可能会出现如气孔、破碎、裂缝、磨损、不均匀等各种缺陷。目前,这些缺陷大多依靠人工目视检测。但是,由于工作量大,耗时长,工人很难快速正确的检查磁瓦质量。鉴于深度学习在计算机视
时序预测是一项重要的研究课题,在金融、医疗、气象、交通运输、电力调度等民生领域有着广泛的应用,因此,对于时序预测相关问题的研究一直是学者们关注的热点。从早期的基于统计理论的时序预测方法研究,到21世纪初,基于传统机器学习方法的时序预测方法逐渐发挥其性能和优势,再后来,随着计算机算力的大幅提升和深度学习理论的发展,利用基于深度神经网络的模型进行时序预测成为了新的研究热点。然而,在小样本时序预测场景下
针对利用DSC曲线研究煤氧复合反应的阶段划分、热量变化及产物生成路径等方面存在定义表述不够系统，TG和DSC耦合分析不够深入等问题，利用TG/DSC/MS联用技术，开展惰气和空气氛围下不同升温速率煤氧复合全过程的测试与分析。实验表明：基于DSC划分法可将煤氧复合全过程划分为水分蒸发及气体脱附吸热阶段、化学吸附和缓慢反应放热阶段、煤热解生成活性基团放热阶段和挥发分与固定碳燃烧放热阶段。通过特征温度的
Npm（Node Package Manager）作为JavaScript语言的软件包管理器,管理着超过250万的开源第三方库——npm包。由于缺少合适的分类方式,海量的软件资源面临着管理与检索的难题。在开发者分享和交流npm包的开源社区中,自定义的标签在描述包功能的同时也起到了一定程度的分类作用,然而当前的标签机制存在着内容混杂、同义词表述形式不同等问题,无法满足管理与检索的需求。不仅如此,np
爆破振动作为最主要的爆破危害之一,需要严格控制和准确预测。本文以武家塔露天煤矿爆破开采为背景,以西部边帮到界安全开采为目的,利用现场实测数据,采用不同的非线性预测方法对西部边帮的爆破质点振速峰值进行预测,为今后该区域的爆破参数设计提供参考和支持。通过对武家塔露天煤矿岩体爆破产生的振动进行长期监测,获得多组现场实测数据,利用最小二乘法对萨道夫斯基公式进行拟合分析,并采用高程修正公式对正高程台阶的爆破
相对非结构化的信息,规则的结构化信息更容易被机器使用。因而,化信息非结构化为结构化的信息抽取技术是一项值得深入研究的工作。关系抽取是一种提取结构化信息的任务,它面向已经被标记好的实体对,依据文本句子特征判定两个实体间的语义关系。近些年来,基于深度神经网络的方法在关系抽取任务中取得了不错的效果。但是,随着神经网络方法的精度不断提升,关系抽取任务消耗的成本也日益增加。为了缓解这一现象,本文将研究的重点
时代在发展，科技在进步，越来越多的新技术、新材料、新工艺应运而生。天线是接收或者是在发射系统当中，应用固定方法进行发射或者是接受电磁波的主要部分，其中扮演着重要的角色，无论是在发射信号还是在接收信号的过程当中，天线都能够将自己的作用发挥出来，呈现出更好的工作效果。因此，文章主要对民品电磁兼容测试用天线的应用以及技术进行仔细的分析，希望能够为相关关注人员起到一些参考和帮助。
图深度学习模型近年来取得巨大成功,这很大程度都要归功于大数据的训练。经典的图数据挖掘通常采用表示学习方法,即将图数据中的节点和关系输入到图深度学习模型中获得包含图数据信息的嵌入向量,然后对该向量进行相关操作,完成图数据上的下游任务。然而当图上的数据集过小,图深度学习模型的性能会急剧下降,这使得对图数据的挖掘与分析变得相对困难。随着元学习的兴起,出现了将元学习应用于解决图数据挖掘少样本问题的少数算法
2型糖尿病（T2DM）具有病程长，起病隐匿的特点，风险预测模型在疾病早期发现、治疗，提出针对性干预措施方面具有较大潜能。针对T2DM的风险预测模型研究逐年增多，为实现T2DM精准三级预防奠定了基础。但多数研究存在样本量小、变量复杂、应用推广困难等问题。本文对基于经济、易得的常规体检指标建立的T2DM风险预测模型研究进行综述，以便进一步探索易于应用和推广的T2DM风险预测模型。