CN117686309A - 基于岩体性质的岩层最大水平主应力预测方法 - Google Patents
基于岩体性质的岩层最大水平主应力预测方法 Download PDFInfo
- Publication number
- CN117686309A CN117686309A CN202410141415.4A CN202410141415A CN117686309A CN 117686309 A CN117686309 A CN 117686309A CN 202410141415 A CN202410141415 A CN 202410141415A CN 117686309 A CN117686309 A CN 117686309A
- Authority
- CN
- China
- Prior art keywords
- rock
- principal stress
- rock mass
- maximum horizontal
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000011435 rock Substances 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000005553 drilling Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000010206 sensitivity analysis Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 238000012669 compression test Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000000691 measurement method Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005755 formation reaction Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Landscapes
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
本发明公开了一种基于岩体性质的岩层最大水平主应力预测方法，属于地应力测量技术领域，具体步骤如下：在目标岩体区域进行钻孔得到岩心试样，并获取岩石质量指标1值；并进行相关测试得到点荷载强度指标、平均单轴抗压强度、平均弹性模量和平均泊松比，并根据上述五个指标参数计算得到特征参数；采用信息分配原理和模糊近似推理方法，通过样本学习建立最大水平主应力与特征参数之间的函数关系，最后得到最大水平主应力的预测值。采用上述一种基于岩体性质的岩层最大水平主应力预测方法，根据岩体性质预测岩层最大水平主应力，并解决现有地应力测量方法无法准确测试软弱岩层地应力状态的状况及测试结果误差大的难题。
Description
技术领域
本发明涉及地应力测量技术领域，尤其是涉及一种基于岩体性质的岩层最大水平主应力预测方法。
背景技术
地应力的测量及其分布特征是岩石力学和岩石工程的主要关注点，也是解决与地球动力学相关的科学问题的必要基础，这涉及到对基本地质过程的理解，如板块驱动机制、地震机制、构造作用以及岩体工程结构的设计和施工。大量的理论研究和工程实践表明，地应力是引起各种岩石工程变形和破坏的根本作用力，是确定工程岩体力学性质、分析围岩稳定性、优化工程设计和施工的重要依据。然而，地应力的形成机制相当复杂，影响地应力状态的内生或外生因素很多，导致地应力是一个较难准确测量的量。由于岩体内部存在内应力，地应力不可避免地受到岩体各种物理力学性质的影响。此外，目前地应力测量都是在相对致密的地层中进行，但几乎不可能在煤系和泥岩等软岩中进行可靠的应力测量，因此对软岩中的地应力状态知之甚少。因此，基于岩体的整体性质，亟需一种更通用和可靠的岩层最大水平主应力预测方法。
发明内容
本发明的目的是提供一种基于岩体性质的岩层最大水平主应力预测方法，根据不同的岩体性质来分析地应力测量的误差范围、确定合理的测量方法以及在一定范围内对岩层最大水平主应力进行预测估算，特别是估算软弱地层中的最大水平主应力。
为实现上述目的，本发明提供了一种基于岩体性质的岩层最大水平主应力预测方法，具体步骤如下：
步骤S1：在目标岩体区域进行钻孔，钻孔达到原岩应力区得到岩心试样，并获取岩石质量指标值，对若干岩心试样分为三份；
步骤S2：对第一份岩心试样进行点荷载测试，得到平均点荷载强度指标；
步骤S3：将第二份岩心试样加工为若干标准岩石试样，并对若干标准岩石试样进行抗压测试并计算平均单轴抗压强度；
步骤S4：对第三份岩心试样进行围压率定测试，并计算平均弹性模量和平均泊松比/>；
步骤S5：根据岩石质量指标值、平均点荷载强度指标/>、平均单轴抗压强度、平均弹性模量/>和平均泊松比/>计算得到用于评价岩体结构性质的特征参数/>；
步骤S6：采用信息分配原理和模糊近似推理方法，通过样本学习建立最大水平主应力与特征参数/>之间的函数关系，最后得到最大水平主应力的预测值。
优选的，岩石质量指标值计算公式如下：
岩石质量指标值=（长度等于或大于10 cm的岩心试样的累计长度/钻孔进尺总长度）*100；
岩石质量指标值用于反应岩体原始结构面的状况。
优选的，步骤S2具体为，选取若干岩芯试样，岩芯试样为圆柱形，岩芯试样的直径为30 mm-l00 mm，岩芯试样的高度与直径之比大于1，对若干岩芯试样进行点荷载测试试验，得到若干岩芯试样各自的点荷载强度指标，计算若干点荷载强度指标的平均值得到平均点荷载强度指标。
优选的，标准岩石试样的直径为50mm，标准岩石试样的高度为100mm，通过单轴压缩试验对若干标准岩石试样进行抗压强度检测得到各自的单轴抗压强度，并根据单轴抗压强度计算得到平均单轴抗压强度。
优选的，特征参数的计算公式如下：
（1）
其中，λ为修正系数，λ的计算方法如下：
（2）
其中，d为岩心试样的直径。
优选的，步骤S6具体为：
和/>的论域分别取为：
（3）
（4）
其中，m为的论域中元素个数，n为/>的论域中元素个数；
设有N个原始数据，每个数据有两个分量和/>。以（/>，/>）为原始数据，其中，/>，信息分布公式为：
（5）
对所有原始数据进行处理和累加，得到原始信息分布矩阵如下：
（6）
其中，
（7）
（8）
根据（6）、（7）以及（8），确定矩阵中每列的最大值/>，并组合成数据集z：
（9）
是矩阵/>中的元素，则通过将所有元素/>除以/>来获得/>和/>之间的模糊关系矩阵/>：
（10）
其中，为模糊关系矩阵/>中的元素；
基于模糊关系矩阵应用模糊推理的原理来进行计算：
（11）
式中，运算符号“•”表示组合运算，为/>值，/>为/>的值；
对于任意给定的特征参数，通过线性地分配给其论域中的离散点；
当，特征参数/>的线性分配计算方法为：
（12）
其中，为特征参数S的线性分配值；
则通过下式推导得出：
（13）
式中：为/>的推导值，运算符号“/>”表示/>的隶属函数，定义为：
（14）
式中：表示/>在离散点/>处的隶属度，/>代表特征参数/>在离散点/>处的隶属度；
由于最大水平主应力的大小依赖于岩体的性质，为了表征最大水平主应力对岩体性质的敏感性，建立全局敏感性分析函数：
（15）
式中：表示在第q个样本上输入变量对输出变量的敏感性系数，w1表示输出层激活函数对其输入的一阶导数，w2表示输出层激活函数对其输入的二阶导数，F为隐含层神经元个数，/>为输入层i与隐含层j间的连接权重，/>为输入层k与隐含层j间的连接权重，为隐含层j与输出层间的连接权重，/>表示隐层神经元j对第q个样本的输出值；
建立敏感性系数计算方法：
（16）
式中：为输入参数对输出参数的敏感性系数，/>为参与敏感性分析的数据量；
采用信息集中法对进行预测估算，/>的最终预测分布看作一个离散随机变量，即：
（17）
最后，将的数学期望值作为信息集中预测的结果，即：
（18）
式中：是离散点/>出现的概率分布。
因此，本发明采用上述一种基于岩体性质的岩层最大水平主应力预测方法，通过对岩体的综合性质进行定量分析计算，然后采用信息分配原理和模糊近似推理方法预测最大水平主应力，从而可以根据岩体性质很容易地预测岩层最大水平主应力，并解决现有地应力测量方法无法准确测试软弱岩层地应力状态的状况及测试结果误差大的难题。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明一种基于岩体性质的岩层最大水平主应力预测方法流程图；
图2为本发明310 m深度S值与最大水平主应力的信息集中预测值的关系图；
图3为本发明410 m深度S值与最大水平主应力的信息集中预测值的关系图；
图4为本发明310 m深度最大水平主应力的信息集中预测值与实测值的关系图；
图5为本发明410 m深度最大水平主应力的信息集中预测值与实测值的关系图。
具体实施方式
实施例
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
下面结合附图，对本发明的实施方式作详细说明。
如图1所示，一种基于岩体性质的岩层最大水平主应力预测方法，具体步骤如下：
步骤S1：在目标岩体区域进行钻孔，钻孔达到原岩应力区得到岩心试样，并获取岩石质量指标值，对若干岩心试样分为三份分别用于各项测试。在多个地下金属矿山1000 m深度范围内打了多个近水平钻孔，钻孔深度为12 m~15 m，并采用套孔应力解除法开展了地应力现场实测。选择相同深度水平（310 m和410 m两个深度），这两个深度水平的数据较多，能够更好地保证预测结果的可靠性和有效性。根据这两个深度水平各个钻孔获得的岩心试样，测定了岩体的RQD。
步骤S2：对第一份岩心试样进行点荷载测试，得到平均点荷载强度指标。
步骤S3：将第二份岩心试样加工为若干标准岩石试样，并对若干标准岩石试样进行抗压测试并计算平均单轴抗压强度。
步骤S4：对第三份岩心试样进行围压率定测试，并计算平均弹性模量和平均泊松比/>。
并开展相关测试，获得了平均点荷载强度、平均单轴抗压强度/>、平均弹性模量E和平均泊松比/>这五个指标参数。
步骤S5：根据岩石质量指标值、平均点荷载强度指标/>、平均单轴抗压强度、平均弹性模量/>和平均泊松比/>计算得到用于评价岩体结构性质的特征参数/>。
步骤S6：采用信息分配原理和模糊近似推理方法，通过样本学习建立最大水平主应力与特征参数/>之间的函数关系，最后得到最大水平主应力的预测值。
计算了相应的岩体性质特征参数S值。图2和图3表示计算得到的310 m和410 m两个深度的S值与最大水平主应力的信息集中预测值的关系。
图4和图5表示最大水平主应力的信息集中预测值与最大水平主应力实测值的关系。
可以看出，就的预测精度而言，尽管原始地应力数据的离散性很大，模糊识别方法仍能获得满意的结果，这验证了所提出的/>预测方法的有效性和可靠性。此外，与现有的预测方法相比，所提出的/>预测方法不仅综合考虑了岩体的结构性质，还展示了/>与S之间较为详细的局部关系，预测曲线整体呈波动上升趋势，与实测应力数据吻合较好。因此，当各种因素对地应力状态的影响不十分明确时，所提出的/>预测方法得到的曲线能更好地反映地应力状态的客观实际情况，大大提高了预测系统的识别能力，/>的预测精度平均提高了约25%。另外，所提出的/>预测方法也适用于包括不可预测因素在内的多因素分析及各因素敏感性分析，在分析包括不可预测因素在内的多种因素对地应力状态的综合影响时优势将更加突出预测效果更优。
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于，具体步骤如下：
步骤S1：在目标岩体区域进行钻孔，钻孔达到原岩应力区得到岩心试样，并获取岩石质量指标值 ，对若干岩心试样分为三份；
步骤S2：对第一份岩心试样进行点荷载测试，得到平均点荷载强度指标；
步骤S3：将第二份岩心试样加工为若干标准岩石试样，并对若干标准岩石试样进行抗压测试并计算平均单轴抗压强度；
步骤S4：对第三份岩心试样进行围压率定测试，并计算平均弹性模量和平均泊松比/>；
步骤S5：根据岩石质量指标值、平均点荷载强度指标/>、平均单轴抗压强度/>、平均弹性模量/>和平均泊松比/>计算得到用于评价岩体结构性质的特征参数/>；
步骤S6：采用信息分配原理和模糊近似推理方法，通过样本学习建立最大水平主应力与特征参数/>之间的函数关系，最后得到最大水平主应力的预测值。
2.根据权利要求1所述的一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于：岩石质量指标值计算公式如下：
岩石质量指标值=（长度等于或大于10 cm的岩心试样的累计长度/钻孔进尺总长度）*100；
岩石质量指标值用于反应岩体原始结构面的状况。
3.根据权利要求2所述的一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于：步骤S2具体为，选取若干岩芯试样，岩芯试样为圆柱形，岩芯试样的直径为30 mm-l00mm，岩芯试样的高度与直径之比大于1，对若干岩芯试样进行点荷载测试试验，得到若干岩芯试样各自的点荷载强度指标，计算若干点荷载强度指标的平均值得到平均点荷载强度指标。
4.根据权利要求3所述的一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于：标准岩石试样的直径为50mm，标准岩石试样的高度为100mm，通过单轴压缩试验对若干标准岩石试样进行抗压强度检测得到各自的单轴抗压强度，并根据单轴抗压强度计算得到平均单轴抗压强度。
5.根据权利要求4所述的一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于：特征参数的计算公式如下：
（1）
其中，λ为修正系数，λ的计算方法如下：
（2）
其中，d为岩心试样的直径。
6.根据权利要求5所述的一种基于岩体性质的岩层最大水平主应力预测方法，其特征在于，步骤S6具体为：
和/>的论域分别取为：
（3）
（4）
其中，m为的论域中元素个数，n为/>的论域中元素个数；
设有N个原始数据，每个数据有两个分量和/>；以（/>，/>）为原始数据，其中，/>，信息分布公式为：
（5）
对所有原始数据进行处理和累加，得到原始信息分布矩阵如下：
（6）
其中，
（7）
（8）
根据（6）、（7）以及（8），确定矩阵中每列的最大值/>，/>，并组合成数据集z：
（9）
是矩阵/>中的元素，则通过将所有元素/>除以/>来获得/>和/>之间的模糊关系矩阵/>：
（10）
其中，为模糊关系矩阵/>中的元素；
基于模糊关系矩阵应用模糊推理的原理来进行计算：
（11）
式中，运算符号“•”表示组合运算，为/>值，/>为/>的值；
对于任意给定的特征参数，通过线性地分配给其论域中的离散点；
当，特征参数/>的线性分配计算方法为：
（12）
其中，为特征参数S的线性分配值；
则通过下式推导得出：
（13）
式中：为/>的推导值，运算符号“/>”表示/>的隶属函数，定义为：
（14）
式中：表示/>在离散点/>处的隶属度，/>代表特征参数/>在离散点/>处的隶属度；
由于最大水平主应力的大小依赖于岩体的性质，为了表征最大水平主应力对岩体性质的敏感性，建立全局敏感性分析函数：
（15）
式中：表示在第q个样本上输入变量对输出变量的敏感性系数，w1表示输出层激活函数对其输入的一阶导数，w2表示输出层激活函数对其输入的二阶导数，F为隐含层神经元个数，/>为输入层i与隐含层j间的连接权重，/>为输入层k与隐含层j间的连接权重，/>为隐含层j与输出层间的连接权重，/>表示隐层神经元j对第q个样本的输出值；
建立敏感性系数计算方法：
（16）
式中：为输入参数对输出参数的敏感性系数，/>为参与敏感性分析的数据量；
采用信息集中法对进行预测估算，/>的最终预测分布看作一个离散随机变量，即：
（17）
最后，将的数学期望值作为信息集中预测的结果，即：
（18）
式中：是离散点/>出现的概率分布。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410141415.4A CN117686309B (zh) | 2024-02-01 | 2024-02-01 | 基于岩体性质的岩层最大水平主应力预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410141415.4A CN117686309B (zh) | 2024-02-01 | 2024-02-01 | 基于岩体性质的岩层最大水平主应力预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117686309A true CN117686309A (zh) | 2024-03-12 |
| CN117686309B CN117686309B (zh) | 2024-04-12 |
Family
ID=90135664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410141415.4A Active CN117686309B (zh) | 2024-02-01 | 2024-02-01 | 基于岩体性质的岩层最大水平主应力预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117686309B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1828305A (zh) * | 2005-03-03 | 2006-09-06 | 中国海洋大学 | 基于信息扩散近似推理实现配方产品的感官指标相关性分析方法 |
| CN105866835A (zh) * | 2016-03-28 | 2016-08-17 | 中国石油大学(华东) | 一种基于地应力分布的断层三维封闭性定量评价方法 |
| CN112504838A (zh) * | 2020-11-05 | 2021-03-16 | 长江水利委员会长江科学院 | 一种搭载于tbm的岩石力学综合试验及信息评价系统 |
| CN114207550A (zh) * | 2019-03-08 | 2022-03-18 | 斯伦贝谢技术有限公司 | 用于地层的渗透率的监督学习的系统和方法 |
| CN116861704A (zh) * | 2023-09-04 | 2023-10-10 | 北京交通大学 | 一种高地应力软岩隧道大变形等级动态快速预测方法 |
| CN117350144A (zh) * | 2023-08-29 | 2024-01-05 | 云南驰宏锌锗股份有限公司 | 一种基于机器学习的岩体强度特征预测方法 |
-
2024
- 2024-02-01 CN CN202410141415.4A patent/CN117686309B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1828305A (zh) * | 2005-03-03 | 2006-09-06 | 中国海洋大学 | 基于信息扩散近似推理实现配方产品的感官指标相关性分析方法 |
| CN105866835A (zh) * | 2016-03-28 | 2016-08-17 | 中国石油大学(华东) | 一种基于地应力分布的断层三维封闭性定量评价方法 |
| CN114207550A (zh) * | 2019-03-08 | 2022-03-18 | 斯伦贝谢技术有限公司 | 用于地层的渗透率的监督学习的系统和方法 |
| CN112504838A (zh) * | 2020-11-05 | 2021-03-16 | 长江水利委员会长江科学院 | 一种搭载于tbm的岩石力学综合试验及信息评价系统 |
| CN117350144A (zh) * | 2023-08-29 | 2024-01-05 | 云南驰宏锌锗股份有限公司 | 一种基于机器学习的岩体强度特征预测方法 |
| CN116861704A (zh) * | 2023-09-04 | 2023-10-10 | 北京交通大学 | 一种高地应力软岩隧道大变形等级动态快速预测方法 |
Non-Patent Citations (7)
| Title |
|---|
| LI PENG等: "Energy evolution mechanism and failure criteria of jointed surrounding rock under uniaxial compression", J. CENT. SOUTH UNIV. 28, 22 July 2021 (2021-07-22), pages 1857 * |
| PENG LI等: "Present-day state of tectonic stress and tectonization in coastal gold mine area near Laizhou Gulf, North China", TRANSACTIONS OF NONFERROUS METALS SOCIETY OF CHINA, 11 June 2022 (2022-06-11), pages 865 * |
| 孔位学, 陆新, 郑颖人: "强夯有效加固深度的模糊预估", 岩土力学, no. 06, 30 December 2002 (2002-12-30), pages 807 * |
| 李小奇;郑东健;刘星;: "基于大坝安全监测的复合不确定模型优化", 水力发电, no. 06, 12 June 2016 (2016-06-12) * |
| 李鹏;: "地应力状态与岩石力学性质的关系研究", 矿业研究与开发, no. 12, 31 December 2016 (2016-12-31) * |
| 蔡美峰;冀东;郭奇峰;: "基于地应力现场实测与开采扰动能量积聚理论的岩爆预测研究", 岩石力学与工程学报, no. 10, 15 October 2013 (2013-10-15) * |
| 赵奎, 蔡美峰: "地应力状态与围岩性质关系模糊识别", 金属矿山, no. 01, 15 February 2001 (2001-02-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117686309B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Robertson | Estimating in-situ state parameter and friction angle in sandy soils from CPT | |
| Carreño et al. | Material model parameters for the Giuffrè-Menegotto-Pinto uniaxial steel stress-strain model | |
| Behnia et al. | Advanced structural health monitoring of concrete structures with the aid of acoustic emission | |
| Dammala et al. | Dynamic soil properties and liquefaction potential of northeast Indian soil for non-linear effective stress analysis | |
| Smith et al. | A stress-weighted ductile fracture model for steel subjected to ultra low cycle fatigue | |
| Jafarian et al. | Predictive model for normalized shear modulus of cohesive soils | |
| CN113486570A (zh) | 一种基于随机ida和机器学习预测隧道地震易损性的方法 | |
| Vasanelli et al. | Combining non-invasive techniques for reliable prediction of soft stone strength in historic masonries | |
| Ziotopoulou et al. | Cyclic strength of Ottawa F-65 sand: Laboratory testing and constitutive model calibration | |
| Vidya Sagar et al. | Determination of yielding point by means a probabilistic method on acoustic emission signals for application to health monitoring of reinforced concrete structures | |
| Vidya Sagar | Verification of the applicability of the Gaussian mixture modelling for damage identification in reinforced concrete structures using acoustic emission testing | |
| Ponomarev et al. | Settlement prediction of foundations on argillite-like soils (as exemplified by the Perm'region) | |
| CN112329287B (zh) | 一种基于试桩监测数据的p-y曲线贝叶斯学习方法 | |
| Liu et al. | Estimation of the stress level on a cross section of a reinforced concrete beam via Acoustic emission Intensity Distribution (AID) analysis | |
| Zheng et al. | Investigation of the rock failure effect on overcoring stress relief test in deep hard rock | |
| CN117686309B (zh) | 基于岩体性质的岩层最大水平主应力预测方法 | |
| Abtahi et al. | Investigation of corroded bond-slip effects for corroded RC columns | |
| Wen et al. | Estimation of crack initiation stress based on axial crack strain expansion rate | |
| He | A case review of the deformation modulus of rock mass: scale effect | |
| Golestani Dariani et al. | Generation and dissipation of excess pore water pressure during CPTu in clayey soils: a numerical approach | |
| Forero et al. | A cross-anisotropic elastoplastic model applied to sedimentary rocks | |
| Archer et al. | Using small-strain stiffness to predict the load-settlement behaviour of shallow foundations on sand | |
| Almamoori et al. | A novel approach to multiaxial fatigue life prediction using the critical plane and phase difference angle | |
| Araei et al. | Predictive models for normalized shear modulus and damping ratio of modeled rockfill materials | |
| Wu et al. | Prediction of limit pressure and pressuremeter modulus using artificial neural network analysis based on CPTU data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |