摘要：以碎(砾)石土作高土石坝心墙防渗材料是近年来土石坝建设的发展趋势。本文结合瀑布沟大坝防渗体,论述了坝址附近防渗碎石土料场的地质特征和基本物理力学性质。经大量室内试验研究和现场碾压试验论证,黑马料通过简单的级配调整后,从防渗与抗渗能力、力学强度、压实性能、施工工艺等综合分析,可作为瀑布沟高土石坝防渗体的主要料源。

摘要：冶勒水电站大坝属首座在400m级超深厚覆盖层上建成的坝高125m沥青混凝土心墙堆石坝,基础防渗最大深度达200m,工程勘察设计难度极大。本文主要就冶勒水电站坝基超深厚覆盖层的工程地质特性及主要工程地质问题有关研究成果进行了总结。

摘要：文章论述了四川冶勒电站库区内河水、泉水、承压水的同位素组成特征,讨论了泉水、承压水的补径排关系,确认了库区内河水和各层承压水之间不存在直接的水力联系,排除了河水向下渗漏的可能性。

摘要：土坡稳定问题在岩土工程中广泛存在,解决土坡稳定问题在工程中具有很高的实际意义。通过对紫坪铺水库淹没空区,213国道线改线所通过的石门坎采空区蠕滑土坡进行稳定分析,利用公路规范所推荐的推力传递系数计算该坡体的安全系数和剩余下滑力,并用条分的毕肖普简化法进行了安全系数的复核,两种稳定分析的方法所计算的安全系数是协调的,计算结果为确定抗滑处理方案提供了技术支持。

摘要：目前城市建筑垃圾大量持续产生且堆积严重,利用率较低同时危害城市生态环境。建筑垃圾的识别是实现建筑垃圾分割、提取以及监测的技术基础,但由于建筑垃圾本身的复杂特征和遥感影像的尺度差异、光谱差异等因素导致其识别和监管困难。提出了一种利用迁移学习再训练模型来实现自动识别建筑垃圾的方法。首先根据建筑垃圾的典型遥感特征构建样本库,样本库包含30292张建筑垃圾和110110张典型地物在内的共计140402张样本。之后基于国际先进的深度学习环境Tensorflow,利用迁移学习在模型的最后一层重新输入了建筑垃圾等6类训练数据集,对Inception-V3模型进行了再训练,在较短时间内得到了建筑垃圾识别模型。随机抽取6016张样本构成验证集逐个输入建筑垃圾识别模型,统计验证样本的模型识别结果构成混淆矩阵,得出该模型对所有地物的整体识别率K为97.43%,Kappa系数Ka为0.96,模型识别建筑垃圾的识别精确度Pv为99.10%,识别灵敏度为94.88%。与传统的航片监测、实地考察等纯人工识别方法相比,该方法所需时间较短且识别精度较高,有利于实现建筑垃圾的全过程实时监控和精准管理。