Идентификация параметров пороупругой среды на примере бетонной плотины — различия между версиями

Материал из Department of Theoretical and Applied Mechanics
Перейти к: навигация, поиск
(Корреляционный анализ)
Строка 23: Строка 23:
 
Характеристикой зависимости был выбран коэффициент корреляции Спирмена.
 
Характеристикой зависимости был выбран коэффициент корреляции Спирмена.
  
<math> p \ = 1 - 6\frac{sum{d}}{n^3-n}</math>
+
<math> p \ = 1 - 6\frac{\sum{d}}{n^3-n}, p \in [-1; 1]</math>
 +
 +
Где <math>d</math> - разность рангов величин взятых по одному из наборов данных для которых применяется анализ.
 +
 
 +
Значения коэффициента Спирмена близкое по модулю к <math>1</math> говорит о том, что две величины зависят друг от друга. Значение близкое к нулю говорит о независимости величин.
 +
По результатам анализа был проведен отбор датчиков, которые можно считать хорошо работающими.
  
 
==Модель материала==
 
==Модель материала==

Версия 16:02, 15 июня 2015

БАКАЛАВРСКАЯ РАБОТА
Автор работы: Р. Л. Лапин
Руководитель: ассистент кафедры ТМ С. А. Ле-Захаров

Введение

На сегодняшний моделей позволяющих просто и качественно описывать поведения материалов, имеющих в своем строении трещины и швы, в которых может находится газ или жидкость нет. Однако, необходимость в такой модели есть во многих технических областях. Ярким примером является анализ поведения плотины и грунта под ней под действием внешних факторов, например, воды в водохранилище.

Постановка задачи

Для материалов пористой структуры существует несколько моделей, например известные модели грунтов. Однако применимость их к материалам имеющих в своем строении трещины и швы остается под вопросом. Цель данной работы:

  • Построить на базе модели пористой среды модель для бетона
  • Провести сравнение с экспериментальными данными
  • Проанализировать полученные результаты.

Обработка экспериментальных данных

Экспериментальные основаны на данных полученных с датчиков, расположенным в Саяно-Шушенской ГЭС. Датчики-пьезометры, измеряющие давление. Всего датчиков около 140, данные собираются с регулярностью 3-5 раза в месяц на протяжении последних 15 лет. Обработка данных с датчиков разделяется на два этапа: корреляционный анализ, и регрессионный анализ.

Корреляционный анализ

Корреляционный анализ позволяет определить зависит по набору данных зависит ли одна величина от другой. В ходе работы было выяснено, что разумнее всего исследовать зависимость показаний пьезометров от уровня воды в верхнем водохранилище - УВБ. Характеристикой зависимости был выбран коэффициент корреляции Спирмена.

[math] p \ = 1 - 6\frac{\sum{d}}{n^3-n}, p \in [-1; 1][/math]

Где [math]d[/math] - разность рангов величин взятых по одному из наборов данных для которых применяется анализ.

Значения коэффициента Спирмена близкое по модулю к [math]1[/math] говорит о том, что две величины зависят друг от друга. Значение близкое к нулю говорит о независимости величин. По результатам анализа был проведен отбор датчиков, которые можно считать хорошо работающими.

Модель материала

Сравнение результатов модели с результатами эксперимента

Выводы

Список используемой литературы