【摘 要】
：
大渡河某水电站左岸坝肩属于高陡岩石边坡，地质构造复杂。为研究边坡开挖的稳定性，结合地质勘查，利用有限差分软件FLAC3D对左岸坝肩边坡分步开挖过程进行数值模拟，建立了边坡三维数值模型，模拟得到开挖过程岩体应力场，位移场分布及变化规律。模拟结果显示，开挖过程中由于应力调整和岩体松弛出现了量值较低的拉应力区域，位移则随着开挖逐渐增加，但总体位移量较小，左岸边坡分步开挖过程中整体稳定性较好。但考虑到边坡
论文部分内容阅读
大渡河某水电站左岸坝肩属于高陡岩石边坡，地质构造复杂。为研究边坡开挖的稳定性，结合地质勘查，利用有限差分软件FLAC3D对左岸坝肩边坡分步开挖过程进行数值模拟，建立了边坡三维数值模型，模拟得到开挖过程岩体应力场，位移场分布及变化规律。模拟结果显示，开挖过程中由于应力调整和岩体松弛出现了量值较低的拉应力区域，位移则随着开挖逐渐增加，但总体位移量较小，左岸边坡分步开挖过程中整体稳定性较好。但考虑到边坡稳定性还受构造应力、地质条件、支护措施等综合因素的影响，因此后续施工仍需结合其他监测数据评价岩体的稳定性。
其他文献
为探索促进农户转变肥料投入行为、加速有机肥替代化肥，基于黄淮海与环渤海设施蔬菜优势产区蔬菜种植户调查数据，立足生产要素替代关系视角，在对农户有机肥替代化肥行为进行理论分析的基础上，运用超越对数生产函数模型、样条模型等对农户有机肥替代化肥的行为现状、驱动因素及异质性进行研究，结果表明：1)农户有机肥产出弹性高出化肥产出弹性44%，有机肥—化肥替代弹性为1.269，表现出较大的替代潜力；2)适度规模集
＜正＞踝关节骨折约占全身骨折的9%[1],其中Logsplitter损伤是一种较为少见的踝关节损伤类型,因其损伤机制与劈木机的工作原理相似而得名[2-3]。Logsplitter损伤具体是指轴向以垂直暴力为主的高能量损伤引起的踝关节骨折合并距骨向上嵌入下胫腓联合,与普通的踝关节骨折合并下胫腓分离相比,Logsplitter损伤患者软组织挫伤更重,局部肿胀程度更严重,若早期手术治疗皮肤坏死、感染等风
俗话说"授人以鱼,不如授人以渔",也就是指教师在教授指导学生专业学科知识内容时,要关注学生是否运用了正确的学习方法,是否可以积极自主学习。因此,小学语文教师应结合国家教育体制和学生实际情况,及时优化和调整教学手段,及时对教学观念进行改变,重视培养学生的自主学习能力。
针对飞秒激光加工镍基高温合金叶片气膜孔时孔壁易出现沟槽的问题进行实验，研究了不同倾角对气膜孔孔壁的影响，发现倾角越大，孔壁越容易出现沟槽，当倾角为60°时，沟槽最深可达11.05μm,且沟槽只存在于入口下方处，其余位置并未发现沟槽。对飞秒激光能量密度分布进行数值计算，在距离焦点1mm, 2mm和3mm处，光斑能量密度面积比镍基高温合金烧蚀阈值的面积分别高100%,76.1%和49.6%,证明了在叶
通过对露天采场高陡边坡、地表岩层欠稳定的内部运输道路及边坡实施砌筑挡土墙、锚杆格构梁护坡、柔性防护网护坡等治理工程，切实有效的保障道路、采场的安全及矿山生产安全运行，实现矿山整体规划，美化矿山环境。
木素是一种碳含量极高的生物质资源,利用其本身的高碳含量特性可以制备出具有特殊功能的碳材料,从而实现生物质资源的高值化利用。本论文以木素为碳源,通过磷酸辅助水热法,同时制备出掺杂磷元素的木素基石墨烯量子点（Lignin-derived graphene quantum dots,LGQDs）和木素基多孔碳（Lignin-derived porous carbon,LPC）。并利用现代分析手段对所制备
针对现有机器翻译模型翻译质量低的问题，通过结合多粒度特征融合与基于ELMo模型的动态词向量，并以采用多粒度位置编码和多粒度自注意力机制改进的Transformer模型作为主干网络，构建了一种基于多粒度与动态词向量的机器翻译模型。仿真结果表明，所提模型提高了机器翻译模型性能，在WMT2019Zh-En数据集上和NIST数据集上分别BLEU值分别达到31.53和42.61,相较于单一粒度特征输入和静态
基于土动力学基本理论、显式有限元及大变形计算方法，本文提出了一种适用于边坡及滑坡在地震条件下的稳定性及失稳破坏过程的分析方法。通过本研究期望为边坡工程抗震及地震诱发滑坡次生地质灾害防治工作提供理论指导。首先使用显式有限差分、隐式有限元及显式有限元法三种方法分别计算了静力条件下的边坡安全系数，将三种方法计算结果进行了对比分析。之后使用本文方法及五种天然地震波分别计算了边坡的地震安全系数并分析了地震动
针对传统翻译系统对低资源语言翻译效果差的问题，以印度英语翻译为研究对象，提出一种基于语言特征与迁移学习的机器翻译方法。通过采用Finetune技术对已构建的英语-汉语机器翻译系统RNN模型进行迁移学习，采用Bert词向量模型提取训练印度英语语言特征，并以印度英语语言特征为参数输入通过迁移学习的RNN模型，实现了较为准确的印度英语-汉语机器翻译。仿真结果表明，相较于基于传统RNN模型的机器翻译系统，