应变大数据（精选4篇）
应变大数据 篇1
摘要：当前, H7N9再次撩动国人的心。禽流感已是国际大敌, 如何有效防控, 各国有各招。除了研制疫苗、检测剂、新药的常规招数外, 山姆大叔更希望借助大数据抑制流感疫情的蔓延。事实上, 为了更好地防控流感, 美国疾病预防控制中心 (CDC) 已经逐步使用大量的数据来监测疫情。
“如果说IBM的主机拉开了信息化革命的大幕, 那么大数据才是第三次浪潮的华彩乐章”。早在1980年, 美国社会思想家、未来学家阿尔文·托夫勒便在他的著作《第三次浪潮》中这样说道。而在30年前, 由于科技水平的局限, 大数据对于人类而言似乎还十分遥远。直到2009年前后, “大数据”一词开始逐步受到信息技术行业的重视, 托夫勒这一观点的正确性和预见性也随之得到印证。世界, 终于做好了拥抱大数据时代的准备。
当前, H7N9再次撩动国人的心。禽流感已是国际大敌, 如何有效防控, 各国有各招。除了研制疫苗、检测剂、新药等常规招数外, 山姆大叔更希望借助大数据抑制流感疫情的蔓延。事实上, 为了更好地防控流感, 美国疾病预防控制中心 (CDC) 已经逐步使用大量的数据来监测疫情。
我想人们都不会忘记, 2009年春天, 在世界范围内爆发了一种新的流感病毒。这种甲型H1N1流感结合了导致禽流感和猪流感的病毒的特点, 在短短几周之内迅速传播开来。全球的公共卫生机构都担心一场致命的流行病即将来袭。有的评论家甚至警告说, 可能会爆发大规模流感, 类似于1918年在西班牙爆发的、影响了5亿人口并夺走了数千万人性命的大规模流感。
美国, 和所有其他国家一样, 都要求医生在发现新型流感病例时告知疾病控制与预防中心 (CDC) 。但由于人们可能患病多日实在受不了了才会去医院, 同时这个信息传递回疾控中心也需要时间, 因此, 通告新流感病例时往往会有一两周的延迟。而且, 疾控中心每周只进行一次数据汇总。然而对于一种飞速传播的疾病, 信息滞后两周的后果将是致命的。这种滞后导致公共卫生机构在疫情爆发的关键时期反而无所适从。
在甲型H1N1流感爆发的几周前, 谷歌的工程师们在《自然》杂志上发表了一篇引人注目的论文, 它令公共卫生官员们和计算机科学家们倍感震惊。文章说, 谷歌能够预测冬季流感的传播, 并解释了其原理:谷歌通过分析人们在网上的搜索记录来完成这个预测。谷歌保留了多年来所有的搜索记录, 而且每天都会收到来自全球超过30亿条的搜索指令, 如此庞大的数据资源足以支撑和帮助它完成这项工作。
它可以对“咳嗽”、“发烧”等与流感有关的关键词进行监测, 并通过地图将这些的关键词被检索的趋势显示在其所对应的地区。相应的关键词密度越高、越频繁, 该地区爆发流感的可能性就越大。由于这类关键词与流感之间存在着较强的相关性, 因此该服务的可靠性比较高。
结果证明, 他们的预测与官方数据的相关性高达97%。和疾控中心一样, 他们也能判断出流感是从哪里传播出来的, 而且他们的判断非常及时, 不像疾控中心一样要在流感爆发一两周后才可以做到。
“谷歌流感趋势”便是谷歌2008年推出, 用于预警流感的即时网络服务。该系统根据对流感相关关键词搜索进行数据挖掘和分析, 创建对应的流感图表和地图, 目前可预测全球超过25个国家的流感趋势。在2009年甲型H1N1流感爆发的时候, 与习惯性滞后的官方数据相比, “谷歌流感趋势”成了一个更有效、更及时的指示标。过去几年, 谷歌流感趋势也被证明表现卓越, 预测结果与传统监测数据非常接近。
大数据的影响已经渐渐从IT领域扩展到人类社会生活的方方面面, 从商业分析到公共服务, 从城市路况监测到流感趋势预测, 人们在享受大数据带来的各种便利的同时不得不承认, 大数据时代到来了。
风起云涌的大数据时代
“如果说IBM的主机拉开了信息化革命的大幕, 那么大数据才是第三次浪潮的华彩乐章”。早在1980年, 美国社会思想家、未来学家阿尔文·托夫勒便在他的著作《第三次浪潮》中这样说道。而在30年前, 由于科技水平的局限, 大数据对于人类而言似乎还十分遥远。直到2009年前后, “大数据”一词开始逐步受到信息技术行业的重视, 托夫勒这一观点的正确性和预见性也随之得到印证。世界, 终于做好了拥抱大数据时代的准备。
受经济全球化和全球信息化、人类社会发展和需求多样性、云计算和物联网技术深化应用等多方面的影响, 信息爆炸时代人类社会中各个领域均产生了海量的数据。在过去的几年里, “大数据”已经成为IT领域和互联网上反复提及的热词。国际数据公司 (International Dat Corporation, 以下简称IDC) 的研究结果表明, 2009年全球产生的数据量为0.8ZB, 2010年增长为1.2ZB, 2011年的数据量更是高达1.82ZB, 相当于全球每人产生200GB以上的数据。
在经历了几年的批判、质疑、讨论、炒作之后, 大数据渐渐从IT领域扩展到各个行业和人类社会生活的方方面面, 终于迎来了属于它的时代。几乎所有世界级的互联网企业, 都将业务触角延伸至大数据产业;无论社交平台逐鹿、电商价格大战还是门户网站竞争, 都有它的影子。2012年3月22日, 奥巴马政府宣布投资2亿美元拉动大数据相关产业发展, 将“大数据战略”上升为国家战略, 甚至将大数据定义为“未来的新石油”。更有国外媒体预测, 2013年将成为世界的“大数据元年”。
大数据的特点
要讲大数据, 首先绕不过“什么是大数据?”这个问题。想要定义大数据, 必须从它的特点着手。人们通常用Volume、Variety、Velocity、Value这4个V来概括大数据的特点。
Volume
第一个“V”是V o l u m e, 即数据体量巨大。要知道目前的数据量有多大, 可以先来看一组公式。1024GB=1TB;1024TB=1PB;1024PB=1EB;1024 EB=1ZB;1024ZB=YB。到目前为止, 人类生产的所有印刷材料的数据量是200PB, 而历史上全人类说过的所有的话的数据量大约是5EB。2013年, 世界上存储的数据预计能达到约1.2ZB, 如果把这些数据全部印刷成书, 这些书可以覆盖整个美国52次, 如果将之存储于标准的光盘, 这些光盘可以堆成五堆, 每一堆都可以伸到月球。
Variety
第二个“V”是Variety, 即数据类型繁多。相对于以往便于存储的以文本为主的结构化数据, 越来越多的非结构化数据的产生给所有厂商都提出了挑战。拜互联网和通信技术近年来迅猛发展所赐, 如今的数据类型早已不是单一的文本形式, 网络日志、音频、视频、图片、地理位置信息等等多类型的数据对数据的处理能力提出了更高的要求。预计2015年产生的数字内容中有90%将是非结构化数据, 如短信和微博生成的信息, 以及视频和音频, 情况将变得越来越复杂。
Velocity
第三个“V”是Velocity, 即处理速度快。这是大数据区别于传统数据挖掘最显著的特征。根据IDC的一份名为“数字宇宙”的报告, 预计到2020年全球数据使用量将会达到35.2ZB。在如此海量的数据面前, 处理数据的效率就是企业的生命。
Value
第四个“V”是Value, 即价值密度低。大数据的原理非常简单, 在统计学中, 样本选取得越多, 得到的统计结果就越接近真实的结果。维克托·迈尔·舍恩伯格在《大数据时代》中说:“通过使用所有的数据, 我们可以发现如若不然则将会在大量数据中淹没掉的情况。”然而, 价值密度的高低与数据总量的大小成反比。以视频为例, 一部一小时的视频, 在连续不间断监控过程中, 有用的数据可能仅仅只有一两秒。海量的数据充斥着我们所生活的世界, 如果能将它们“提纯”并迅速处理为有价值信息, 相当于掌握了一把能够开启宝藏大门的钥匙。如何更为迅速地完成数据价值的“提纯”是目前大数据风起云涌背景下亟待解决的难题。
对于第四个“V”, 业界也存在不同的看法, IBM认为, 大数据的第四个特点是Veracity, 即真实性。尽管前3个"V"涵盖了大数据本身的关键属性, 但真实性是当前企业亟需考虑的重要维度, 将促使他们利用数据融合和先进的数学方法进一步提升数据的质量, 从而创造更高价值。
数据即资产
而大数据到底是什么, 它能给用户和企业带来什么, 为何各大企业争先呼吁数据的重要性。《南方周末》对此做了很好的诠释, “大数据其实最核心的不在于‘数’, 而在于‘大’和‘据’, 所谓的‘大’, 是指数据积累到一定的量级;而‘据’, 就是找出论据, 为企业决策做参考。”
通常情况下, 企业的数据可以分为3种类型:结构化数据、半结构化数据和非结构化数据。传统的商业智能系统中用以分析的数据, 大都是企业自身信息系统中产生的运营数据, 这些数据大都是标准化、结构化的。事实上, 这些数据只占到了企业所能获取的数据中不到15%的部分。其余85%的数据广泛存在于社交网络、物联网、电子商务等之中, 这些非结构化数据的产生往往伴随着传感器、移动计算等新渠道和新技术的不断涌现和应用。
在大数据时代, 对于任何企业来说, 数据都是其皇冠上最为耀眼夺目的那颗宝石。伴随着智能系统应用的拓展, 企业决策已经越来越依赖于数据。企业用以分析的数据越全面, 分析的结果就越接近于真实。大数据分析意味着企业能够从这些新的数据中获取新的洞察力, 并将其与已知业务的各个细节相融合。
EMC全球副总裁周西柱在接受本刊记者专访时说道:“目前我们对于海量数据分析还是对技术条件考虑较多, 除技术之外, 我们应该多考虑一些应用。从应用角度开始思考, 通过海量数据能够对企业、对机构带来哪些好处, 然后往回思考, 考虑如何将应用结合技术实现, 融入到数据中, 才能够准确发现海量数据的价值。”
换言之, 大数据带给我们的启发, 是需要注意传统企业商业智能系统之外的, 所有其他数据的价值。这些能够被企业随时获取的数据, 可以帮助和指导企业全业务流程的任何一个环节进行有效运营和优化, 并帮助企业做出最明智的决策。
“大数据时代, 一些传统的商业思想正在被颠覆。这其中最为重要的, 就是必须将数据转化为企业的资产。”在过去, 衡量企业最重要的资产无外乎土地、流动资金和人才等几个要素, 如今, 数据作为企业一项更加重要的资产将直接关系到企业的发展潜力。惠普公司全球副总裁潘家驰对本刊记者说:“一方面, 不能周密部署并迅速采取行动的企业有可能面临被剧增的大数据淹没的风险;另一方面, 那些能够实施全面的企业级信息优化战略的企业所获得的回报将是非常巨大的。这一战略有助于缩小潜在的和最终实现的业务成果之间的差距, 能够从自身数据资产中获得深入洞察和价值的企业将开始收获其实质性的信息回报。”
大数据时代的精准营销
今天的大数据时代, 让商业的生态环境发生了巨大的变化:用户和消费者的界限正在变得模糊, 无处不在的智能终端, 随时在线的网络传输, 互动频繁的社交网络让以往只是网页浏览者的用户面孔从模糊变得清晰, 对于企业来说, 他们第一次有机会进行大规模的精准化的消费者行为研究;作为保持着持续变革欲望的企业, 主动地拥抱这种变化, 从战略到战术层面开始自我的蜕变和进化将会让他们更加适应这个新的时代。
而在今天的国内的网络营销生态中, 大数据的精准营销价值也越来越多地受到企业主的重视, 也同样成为了国内互联网巨头企业的核心竞技场。而真正的精准营销掌握在这些拥有大数据, 能够分析大数据、分享大数据的科技型公司手里。这些科技型公司将会不断导演新的精准营销概念。
“世界整合营销之父”唐·舒尔茨提出了以消费者需求为中心的SIVA理论, 强调客户购买产品或服务的四个关键要素。Solutions—消费者寻求解决问题的方案、Information—消费者寻找与解决方案相关的信息、Values—消费者衡量各种解决方案的价值、Access—消费者解决问题的入口。他认为信息技术改变了整个市场, 消费者决定何时、何地、从什么地方购买何种商品, 营销人员必须及时响应以帮助消费者达成目标。这种消费者与品牌的角色大反转意味着许多市场营销的方法也需要改变——建立一种新的、消费者主导的、交互性的市场营销体系。
百度营销研究院副院长李丛杉对记者说:“大数据时代, 人们获取信息、娱乐、沟通等生活方式发生了天翻地覆的改变, 消费者变得更加主动地去寻求自己想要的、能够解决自身问题的信息。这使类似于大众点评网、去哪儿网这些为消费者提供便利的应用服务的公司得以产生和发展, 反过来, 利用信息世界所提供的这些应用和服务又成为消费者生活方式的一部分。这是一个互动的、循环的、不可分割的过程。随着商业环境的变化发展, 消费者需求在营销中越来越有占主导地位, 营销方式也到了发生变革的时刻。”
百度营销研究院与唐·舒尔茨教授领导的研究团队展开深入合作, 并提出“百度Moments”的营销方法论, 将营销从消费者需求、消费者的决策场景和消费者行为三个维度进行整合。李丛杉说:“以前的营销师针对消费者的态度, 企图改变消费者的看法, 今天的营销需要我们更多关注消费者的行为, 以及行为背后在这个瞬间的需求是什么样的。”
Twitter开设首个“数据编辑”职位
在筹划撰写本文的期间, 一个颇为新奇的消息令记者眼前一亮:Twitter首次开设了“数据编辑”的职位, 并邀请著名的数据新闻实践者西蒙·罗杰斯来担任这一职务。
作为一名传统媒体的数据编辑, 西蒙·罗杰斯此前已经在《卫报》任职15年之久, “我擅长的是解释数据, 简化数据, 让数据更直观。”他表示:“在我们的记者工作中, Twitter已成为一个重要元素。Twitter不可被忽视, 并越来越多地出现在所有重大事件的中心, 无论是政治、体育, 还是娱乐。作为数据编辑, 我将协助解释这样的现象如何发生。”
根据Twitter的描述, 该职位需要具备使用Twitter数据创建“清晰而有洞见的数据驱动的案例研究”的能力, 比如如何利用实时微博驱动用户的参与以及增长、如何利用平台与电视进行整合。
他将于5月举家从伦敦迁至大洋彼岸旧金山, 正式成为Twitter的一员, 担任Twitter创立以来第一个“数据编辑”。虽然外界目前尚不清楚罗杰斯未来的具体职责是什么, Twitter也没有对此做出回应。不过, 在未来的大型事件中, 罗杰斯或许能帮助外界更好地理解Twitter上每分钟出现的数万条消息中蕴藏的深层含义。他表示, 与Twitter里既有的数据科学家相比, 他所做的工作可能掺杂更多的人工判断——即基于经验对数据进行判断和理解, 并将之表达和传播出来。
罗杰斯所阐述的这个技能对当前的政府、公司、媒体来说都很重要。要完成以数据为驱动的新闻, 业者必须了解数据的来源、品质、背景, 其间隐含的潜在偏见。Twitter这一举动似乎预示着在大数据时代新兴社交媒体与传统媒体的关系将会愈加紧密。
大数据时代的媒体转身
从理论到实践, 大数据的发展为掌握了大量数据源的媒体和门户网站提供了转型的良好契机。
浙报集团旗下的新媒体战略投资机构传媒梦工场于2012年底投资了知微、优微两个项目, 目标直指在社交网络的数据深度挖掘。
据记者了解到, 知微是一个可视化的微博传播分析平台, 通过一条微博的传播途径、过程和效果等信息检测微博的传播效果和其中传播的主要因素。一条微博有多大威力, 它的传播产生了怎么样的影响, 人们的情绪是积极还是消极等, 都是在它的评估范围之内。知微还可以分析微博账号的实际影响力。优微同时是一款微博排序工具, 优微开发团队通过数年研究的人工智能技术, 对每个用户的微博行为进行个性化处理, 形成个人独特的信息需求DNA, 根据这个DNA, 将用户关注账号的微博内容进行重新排序, 优先展示对用户更有价值、用户更加感兴趣的微博内容。
传媒梦工场C E O蒋纯告诉记者:“社会化网络数据挖掘是大数据中非常重要的一块, 或者说是最先被大数据利用的一块, 因为社会化网络数据有天然的优势, 天然就是有海量的数据, 而且是海量有价值的数据, 天然就是相对结构化有信息意义的数据, 天然就是用互联网形式存在, 并可被利用的数据。所以先切这一块是非常正确的, 但是接下来和传统行业相关的一些大数据将是未来的方向。大数据行业肯定会诞生伟大的公司。”
“大数据已经是必然的趋势, 只是如何看待并且如何利用的问题。我们非常重视这块, 一方面在积极关注业内的动向和团队, 另外一方面也在做研究和探索, 和全球这块最领先的保持联系互动, 也为行业做一定贡献。”他说。
浙江日报报业集团副社长王纲说, “分众与互动”、“数据库”、“社会化”正成为浙报集团全媒体发展的三个关键词, 它们传递出的是新媒体的内核与特性, 无论是传媒梦工场投资知微、优微, 还是浙报集团未来全媒体发展, 始终紧扣这三个关键词。“投资是我们重要的转型手段之一, 我们将通过内部发展转型、外部联合扩张和积极孵化未来三者并举, 推动集团向全媒体方向实现战略转型。”
EMC全球副总裁周西柱说:“面对如今的互联网发展, 用户是海量数据的制造者, 更是海量数据的使用者。媒体的转型发展, 既是技术问题, 也是战略问题, 将会对未来的媒体形态和格局产生深远影响。”
“新媒体的本质就是数据分析。我们已经从信息时代走到了数字时代和智能时代, 如果数据被赋予背景, 它就成了信息;如果数据能够提炼出规律, 它就是知识;如果数据能够借助于各种各样的工具在分析的基础之上为我们提供正确的决策, 它就是资源。”解放日报报业集团社长尹明华曾在中国传媒大会上这样说过。
信息的根本是各种各样的数据, 这就要求媒体必须适应新的信息生产和传播方式, 以多元化媒介来承担信息传播的职能。生产、分析、解读数据, 探索一条为受众和用户提供分众化服务和体验的媒体发展之路, 将成为媒体竞争的必备技能。
对此, 周西柱进一步阐述道, 媒体通过对数据的整合和分析, 针对不同的受众需求, 满足个性化和专业化的需求。而更多的是将主动性给用户, 由用户去拟造定制化的需求。未来的媒体和门户网站应充分利用大数据和关系链, 根据对用户数据的分析, 为用户筛选、推荐最适合的内容, 提供近乎量身打造的新闻资讯的同时, 使他们更好拥有社交媒体的感受。
三分量应变仪观测数据自检分析 篇2
应变观测对象是两基准点之间的水平距离随时间的相对变化[1,2], 用于监测地壳构造应变和固体潮水平分量的连续变化, 为研究地震孕育过程提供依据, 已有学者利用应变观测数据对孕震过程的映震效能进行了多角度的探索研究, 并已取得很好的效果[3,4,5,6]。假如观测点下方是一块完整的基岩, 理论上, 任何一个方向上有应变的改变都可以分解为NS向与EW向上的分量变化;同理, 也可将NS向与EW向上的变化合成为实际方向的变化量。离石地震台应变观测除了有NS分量与EW分量, 还增加了NE分量观测, 为数据变化的真实性提供了自检分析的可能。
1 三分量应变仪测点概况
离石地震台应变观测仪安放于山洞硐室内, 洞深31 m, 洞体覆盖厚度43 m, 三分量应变观测仪平面布设如图1所示。山洞开挖于关帝山强烈隆起区, 该区新构造运动以来以持续抬升为主, 断块内差异运动极弱, 属稳定的新构造单元。距离洞室最近的断裂为刘家岔断裂, 位于洞室北东向1.6 km处, 断裂为前第四纪断裂, 属非活动断裂。洞室周边500 m范围内无活动断裂, 且节理裂隙也不发育。仪器洞室位于吕梁期花岗岩体中, 该花岗岩岩性为浅红色细粒~中粗粒黑云二长花岗岩, 岩石有轻微的混合岩化, 属极硬岩石, 微风化, 岩体属坚硬岩[7]。
离石地震台应变观测仪从2010年9月开始安装试运行, 2012年后仪器稳定运行, 由于测点所在处岩体较稳定, 且附近断裂活动较弱, 所以自仪器稳定运行以来, 数据平稳变化。2014年8月后, 应变仪NS分量数据出现加速变化, 另外两个分量数据变化幅度没有出现同步加速变化 (见图2) , 因此初步判定属于构造活动的可能性较小, 具体原因需进一步论证。
2 模型构建与分析
2.1 矢量模型分析
应变是表示物体变形的程度, 即在应力作用下物体形状和大小的改变量, 线应变是指物体受力发生变形后, 所增加或缩短的长度与变形前长度的比值, 即以其相对变形来量度, 没有量纲。理论上, 对同一岩体而言, 应力与应变之比是一个常数模量, 根据力的合成与分解原理, 可以将NS向与EW向应变合成NE向应变, 用式 (1) 表示。
其中, 为NE向应变矢量;为NS向应变矢量;为EW向应变矢量。
由式 (1) 可知, 由NS向与EW向合成的应变矢量与实际观测的NE向应变矢量之比为1, 考虑到实际观测环境可能还受其他因素的影响, 实际的比值不是严格等于1, 但基本应该在1的附近。基于此, 将2013年—2014年的应变观测值按式 (1) 转化为比值时序图 (见图3) , 由图3可知, 2014年8月之后, 比值时序图曲线明显偏离理论值, 不符合理论模型, 因此认为观测值不符合自检结果。
2.2 回归模型分析
变量之间的关系一般分为两种:一种是完全确定关系, 即函数关系;一种是相关关系, 即变量之间既存在着密切联系, 但又不能由一个或多个变量的值求出另一个变量的值。对于彼此联系比较紧密的变量, 通过建立一定的公式, 可以在变量之间互相推测, 回归分析的目的就是用数学表达式来描述相关变量之间的关系。
由2.1可知, 三分量应变仪各个分量之间存在联系, 因此针对此次变化, 采用MATLAB中的regress函数进行多元回归分析, 具体步骤如下:
1) 将三分量的日均值曲线进行预处理, 去除缺数以及异常点数据, 采用线性插值方法将数据补齐, 然后将NE分量作为因变量, NS分量、EW分量作为自变量, 建立二元回归模型。
2) 将此次数据快速变化前 (2013年1月1日~2014年7月31日) 的日均值作为模型建立的输入数据, 得到合成后的NE向观测曲线, 以及回归函数。图4是实际观测曲线与合成观测曲线的对比图, 式 (2) 为得到的回归函数。
其中, YNE为NE向观测值;XNS为NS向观测值;XEW为EW向观测值。
通过分析异常变化前NE向与NS向、EW向的相关性 (相关系数为0.743 4) , 说明NE向与NS向、EW向本身之间存在较强相关性, 建立的回归模型可靠。
根据式 (2) 建立的回归模型, 利用NS, EW向观测数据外推数据异常期间 (2014年8月1日~2014年12月31日) 的NE向观测数据, 得到外推NE向曲线与原始NE向观测曲线对比图 (见图5) 。由图5可知, 异常期间NE向原始观测值与外推的观测值差异较大, 综合分析认为, 本次数据变化不满足三分量自检分析, 因此数据异常变化为地震前兆异常的可能较小。
3 结语
洞体应变仪安放于地震观测山洞, 观测墩位于基岩上, 任何一个分量的变化都不能是独立的, 必定会使另外两个分量中的一个或者两个也发生变化;换言之, 其中一个分量必定与另外两个分量存在一定的相关性。
通过应变矢量合成与分解原理, 将合成的NE分量与实际观测的NE分量作比值运算, 结果表明2014年8月后比值时序图出现大幅度的偏离理论值1, 因此NS分量2014年8月的大幅度变化不属于地壳应变变化的作用。
二元相关性计算结果显示NE分量确实与NS分量、EW分量有较高的相关系数, 并建立二元回归模型, 其模拟结果与实际观测值有较高的一致性, 但依据二元线性回归模型外推出数据异常时段的NE分量数据与实际观测的数据存在较大偏离, 因此再次证实NS分量此次异常变化不是地震前兆异常变化。
通过构建应变矢量模型和回归模型均得出数据异常时段不符合三分量应变仪的自检理论, 因此认为离石地震台三分量应变仪2014年8月的加速变化不是由地壳应变引起的, 可能是仪器传感器本身问题造成的。
摘要：利用应变矢量合成与分解原理, 分析了离石地震台三分量应变仪数据变化的可靠性, 结果表明, NS分量与EW分量合成的NE分量与实际观测的NE分量的比值时序图以及利用回归模型得到的外推数据与实际观测值对比图均不符合自检理论, 因此, NS分量2014年8月的快速变化不是地壳应变引起的, 可能由于仪器本身问题造成的。
关键词：应变仪,应变矢量,二元回归模型,自检分析
参考文献
[1]左艳, 冀林旺, 商亮, 等.数字伸缩仪三分量空间合成分析及映震研究[J].华南地震, 2011, 31 (3) :101-111.
[2]中国地震局监测预报司.地形变测量 (试用版) [M].北京:地震出版社, 2008:212-226.
[3]池顺良, 池毅, 邓涛, 等.从5.12汶川地震前后分量应变仪观测到的应变异常看建设密集应变观测网络的必要性[J].国际地震动态, 2009 (1) :1-13.
[4]彭华, 马秀敏, 姜景捷.山丹地应力监测站体应变仪的地震效应[J].地质力学学报, 2008 (2) :97-108.
[5]冯建琴, 董甲弟, 程冬焱, 等.浅析山西应变仪及钻孔倾斜仪在日本9.0级地震前后映震特征[J].山西地震, 2013 (2) :29-34, 48.
[6]吕芳, 张淑亮, 胡玉良, 等.山西静乐井水位异常调查与分析[J].山西地震, 2013 (3) :28-31.
应变大数据 篇3
北京地铁五号线雍和宫站位于北二环雍和宫桥南侧的雍和宫大街下,现状道路的西侧。车站东侧距雍和宫红墙的最近距离约17 m,北侧为北二环的辅路和雍和宫立交桥,北二环北侧为护城河,东北侧为环线地铁雍和宫站。该站在环线地铁雍和宫站的下方穿过,与环线地铁呈“L”字型换乘。
车站的规模受环线预留换乘节点(右线利用既有的换乘节点)和北京地铁五号线盾构试验段(雍和宫—北新桥)区间工程的限制,长约126 m,宽31.45 m。车站南端约104 m长的范围采用明挖顺作法施工,为四跨三层矩形框架结构;北端约21.45 m(局部27.4 m)长的范围位于北二环的辅路下,采用暗挖法施工,为满足建筑功能和单向换乘的要求,该段结构为四跨结构,其中三跨为双层,一跨为三层。结构总高为13.57 m(双层)和18.37 m(三层),顶板覆土厚度为10.4 m(双层结构)和5.5 m(三层结构)。
该工程是国内首次采用浅埋大跨度多层多跨矩形框架暗挖技术设计施工的地铁车站,是目前国内规模最大的矩形框架暗挖断面,整个断面横向分9个导洞,纵向分3个导洞,共22个小导洞进行开挖。
2 周围环境及地下管线情况
周边环境复杂,其东侧为雍和宫重点文物保护古建筑群,距雍和宫外墙只有17 m,结构上方为二环辅路,距雍和宫桥桩也很近,二环辅路下埋设的管线主要有:800×1 100电信管孔、Φ600雨污水及Φ600上水管线、Φ600污水管线、Φ400燃气管线。1 100×2 000电力方沟埋深为3.6 m,加底板保护层埋深约4.5 m。在施工监测过程中应对周边环境和管线位置处的地表沉降进行重点监测。
3 施工监测方案
1)地表沉降观测。
根据现场实际情况,在暗挖段顶部和雍和宫大街两侧的地表共布置45个测点。利用上述45个测点监测施工过程中地表沉降变形情况。
2)初衬顶板沉降观测。
暗挖段横向分9个导洞,纵向分3个
导洞,根据施工步骤先施工Ⅰ号,Ⅴ号,Ⅸ号导洞;再依次施工Ⅲ号,Ⅶ号导洞;然后施工Ⅱ号,Ⅳ号,Ⅵ号,Ⅷ号导洞。沿结构纵向每8 m设一组观测断面,初衬顶板沉降点布置如图1所示。
3)初衬收敛观测。
布点原则与初衬顶板沉降观测相同,初衬收敛测点布置如图2所示。
4 监测结果分析
4.1 地表沉降规律分析
针对地表沉降变形监测结果,主要从时间和空间(横向、纵向)两个方面对地表沉降变形规律进行分析,如图3所示。
1)各点的沉降变形速率随着施工阶段的推进不断变化,并在开挖Ⅰ号,Ⅴ号,Ⅸ号下导洞和Ⅱ号,Ⅳ号,Ⅵ号,Ⅷ号上导洞时出现两个高峰,沉降速率较大。这种情况的出现,并不一定仅仅与这两步开挖有关,有可能是由于施工工序间隔时间短,前几步开挖沉降变形的同时叠加所致。
2)二衬施工完毕的1个月～2个月后,变形逐渐趋于稳定,但随着中隔板、中隔壁的拆除和中部导洞的开挖,地表沉降值有所增加,此时应分段拆除中隔板、中隔壁,及时采取有效的受力转换措施,并加强监控。
4.2 初衬顶板沉降规律分析
为更好地掌握施工期间隧道初衬的顶板沉降情况,确保施工的安全,对初衬顶板的沉降变形进行了监测。监测点布置如图4所示。
4.2.1 初衬顶板沉降变形随时间(工况)变化规律分析
选取监测时间较长,监测数据较完整的A1进行分析可知:
1)隧道掌子面经过A1监测点时,洞顶沉降变化速率较大;随着掌子面的推进,沉降速率减缓,并趋于稳定,上导洞开挖引起的沉降约占总沉降量的50%～60%。
2)中导洞和下导洞的开挖进一步加剧了初衬顶板的沉降,下导洞开挖完毕后,沉降趋于稳定,总沉降保持在20 mm左右。
4.2.2 初衬顶板沉降变形随空间(纵向)变化规律分析
1)Ⅰ号上导洞A1,B1,C1,D1这四个点的初衬顶板沉降规律基本一致,但沿隧道纵向,中间部位的洞顶沉降变形数值大于两个端部,这与地表变形规律基本一致。
2)C5处的洞顶沉降小于两端其他各点,说明初衬顶板沉降变形还受施工等其他因素的影响。
4.3 初衬侧墙收敛变形规律分析
针对初衬侧墙收敛变形监测结果,主要从时间(工况)和空间(纵向)两个方面对初衬侧墙收敛变形规律进行分析。
4.3.1 初衬侧墙收敛变形随时间(工况)变化规律分析
与洞顶沉降结果分析时选取Ⅰ号上导洞A1监测点对应,选取Ⅰ号上导洞侧墙水平收敛监测点11A-11B,由侧墙水平收敛随时间和施工工序的变形规律可知:
1)隧道掌子面经过11A-11B监测点时,侧墙水平收敛变化极为明显,收敛速率较大。随着掌子面的推进,收敛速率未见减缓,收敛变形并未渐渐趋于稳定。与洞顶沉降变形相比,侧墙水平收敛的变形周期明显加长。
2)中导洞的开挖进一步加剧了侧墙水平收敛变形,但下导洞的开挖对上导洞侧墙水平收敛的影响不是十分明显,在此期间,上导洞的侧墙水平收敛渐渐趋于稳定。与洞顶沉降变形不同,Ⅲ号上导洞的开挖对11A-11B再一次产生了较为强烈的影响,侧墙水平收敛的最大值为7 mm～8 mm。
4.3.2 初衬侧墙收敛变形随空间变化规律分析
从Ⅰ号上导洞、Ⅰ号中导洞和Ⅴ号上导洞的侧墙水平收敛变形趋势可以看出:
1)Ⅰ号上导洞和中导洞的四个侧墙水平收敛的变形规律基本一致,但沿隧道纵向,中间部位的侧墙水平收敛变形数值大于两个端部,这与地面变形基本一致。
2)13A′-13B′侧墙水平收敛的最终变形值达到近12 mm,说明侧墙水平收敛变形还受施工等其他因素的影响。
3)通过对比发现Ⅴ号上导洞的侧墙水平收敛数值比Ⅰ号收敛变形的数值要大,而中导洞的收敛数值要大于上导洞,所以应加强中导洞、下导洞及处于隧道中间位置的其他导洞的侧墙水平收敛监测,特别是在开挖新的导洞和开凿中隔板、中隔壁这种产生结构应力转换传递的关键阶段。
5 结语
该工程是国内首次采用浅埋大跨度多层多跨矩形框架暗挖技术设计施工的地铁车站。施工过程中采用多手段对各工况的地表沉降和结构应力应变状况进行全面的现场监控量测,实测结果表明:
1)雍和宫暗挖段采用多层多跨矩形框架暗挖技术,在保证洞内变形符合规范要求的前提下,解决了工程难题,社会经济效益显著;
2)雍和宫暗挖段中隔板临时支撑有效地控制了初衬侧墙的水平变形,改善了初衬结构的变形和受力状况,也为上下导洞的分层开挖和支护施工创造了良好的工作条件。
参考文献
应变大数据 篇4
1 Ti微合金化高强钢的大应变量冷轧工艺分析
在Ti微合金化高强钢的大应变量冷轧工艺中, 多采用薄板坯连铸连轧, 其取消了连铸后的冷却过程, 而是直接进入均热炉, 轧后采用层流冷却工艺[3]。其可以使钢中的合金元素处于固溶状态, 通使析出物有更精细的尺寸和弥散的均匀分布, 从而发挥合金元素的潜力, 减少合金元素的用量。不过在制造在Ti微合金化高强钢的冲压成形体时, 作为冲压成形前形成软质以使冲压成形容易、在冲压成形后使之硬化。同时这种钢板在冲压成形时保持为软质, 确保形状冻结性、延性, 利用在冲压成形后进行的170℃左右的喷漆烘烤工序引起的应变时效硬化现象得到屈服应力的上升, 确保耐压痕性[4]。并且在冲压成形后, 在喷漆烘烤工序中固溶C固定于冲压成形时所导入的位错中, 从而屈服应力上升。为此掌握碳氮化物的沉淀析出规律, 以及对微观组织与结构的演变的影响分析, 可以充分发挥微合金元素的作用, 制定恰当的冶炼、控轧和控冷工艺也是必要的。
2 大应变量冷轧钢板中微观组织与结构的演变观察
Ti微合金化高强钢经过冷轧, 可导致金属内部晶粒被拉长、破碎和产生大量的晶体缺陷, 导致内部自由能升高, 处于不稳定状态, 可恢复到比较完整、规则和自由能低的稳定平衡状态的趋势。在此阶段, 能对再结晶产生显著影响的因素, 主要是冷轧变形量[5]。冷轧变形量越大, 冷变形金属中的储存能越高, 再结晶驱动力越大, 形核率和长大速率越高, 再结晶温度也越高。研究表明随着冷轧压下率增加和冷轧板厚度减薄, 钢板的连续退火再结晶过程被提前并缩短, 晶粒长大过程也相对延长。还有研究以薄板坯连铸连轧工艺热轧板为基板, 经冷轧后的退火再结晶行为, 结果表明经过盐浴退火, 其组织由被拉长的纤维状晶粒变为等轴状晶粒, 冷轧变形量越大, 完成再结晶所需的保温时间越短, 再结晶晶粒也越细小[6]。同时在外力的作用下, 晶体内的位错不断渭移或晶体内出现机械孪生, 造成金属的塑性变形, 同时晶体的取向也会随之作相应的转动。随着变形量的不断增加, 多晶体内各晶粒的取向会逐渐转向某一或某些取向附近来, 形成不同类型的织构。
3 大应变量冷轧钢板中微观组织与结构的演变实验分析
3.1 实验材料和方法
我们选择了厚度分别为2.0mm、2.5mm和3.0mm的热轧板作为冷轧基板, 并在后续的冷轧工序中, 轧到约为1.2mm, 以得到不同的冷轧压下率, 得到不同规格的冷轧硬板。冷轧基板在随后的退火过程中, 随着温度的提高, 其显微组织将发生回复、结晶和晶粒长大过程, 板材的硬度、强度和韧性等机械性能都会发生相应的变化, 为此我们对退火后的微合金化冷轧高强钢的组织和性能进行观察检测。
3.2 实验结果
经过对不同规格的冷轧基板各向微观组织的观察, 微合金化高强钢热轧板的主要组织特征为等轴状的铁素体晶粒, 晶粒很细。随着厚度减薄, 热轧板表面、轧向和横向的晶粒尺寸均明显减小, 这是由于随着板材厚度的减薄, 在热轧后的层流冷却过程中, 冷却速度加快, 过冷度升高, 从而导致晶粒组织细化。通过对比同一厚度热轧板的表面、轧向和横向组织, 总体上轧向和横向组织较粗, 表面组织稍细。而现场生产的退火板材, 仍存在相当程度的纤维状组织, 经力学性能测试表明强度提高, 塑性下降, 成型性能恶化。
总之, 大应变量冷轧钢板都存在一定的微观组织与结构演变, 为此在进行生产的过程中, 需要合理地控制析出物的析出与形态, 达到良好的强塑性配合, 必须提高退火温度。
参考文献
[1]牛爱华.CSP发展现状与其供冷轧原料的探讨[J].河北冶金, 2006 (6) :12-15.
[2]毛新平, 霍向东, 康永林, 等.TSCR流程生产钛微合金化高强耐候钢中的析出物[J].北京科技大学学报, 2006, 28 (11) :1023-1028.
[3]Xu G, Can XL, Ma GJ.The Development of Ti-alloyed High Strength Microalloy style[J].Materia&Design, 2010, 31 (6) :2891-2896.
[4]毛新平, 孙新军, 康永林, 等.EAF-CSP流程钛微合金化高强钢板的组织和性能研究[J].钢铁, 2005, 40 (9) :65-68.
[5]霍向东, 毛新平, 陈康敏, 等.Ti含量对热轧带钢组织和力学性能的影响[J].钢铁钒钛, 2009, 30 (1) :23-28.