统计分析论文提纲

论文题目：基于实测及气象参数的钢箱梁温度梯度概率统计分析及分区研究

摘要：钢箱梁相较于混凝土箱梁,由于其质量轻、强度高、施工更加便捷,被广泛地应用于悬索桥、斜拉桥等各种大跨度桥梁的施工与建设中,而钢箱梁温度梯度模式及其作用效应是钢箱梁桥全寿命性能设计的重要基础之一,由于我国地幅辽阔,横跨多个气候区,受地区气候因素差异影响,不同地区桥梁结构温度作用存在明显的地域性差异。目前,我国桥涵设计规范中关于箱梁温度梯度模式取值并没有考虑地域性的差异。因此有必要针对我国不同地区的钢箱梁温度梯度模式如何取值开展研究,并根据温度作用取值不同,进行区域划分。本文以四川泸州沱江四桥与浙江杭州江东大桥两座大桥为工程背景,以运营阶段钢箱梁温度实测数据为基础,利用温度场仿真分析、长期实测数据结合概率统计分析、基于气象参数的温度作用的概率统计分析等方法,对钢箱梁温度作用进行研究,并利用BP神经网络模型预测不同地区钢箱梁温度作用取值,其主要研究工作和成果如下:（1）总结并归纳国内外钢箱梁温度场研究成果,并针对研究成果的现状,确定本文的研究内容与技术路线。（2）根据钢箱梁热传导有限元基本理论和太阳辐射模型幂指数计算方法,建立沱江四桥运营阶段钢箱梁温度场的有限元模型,对比温度实测值与计算值,发现两者差值不大,且随时间变化的趋势基本一致,验证该有限元模型的准确性。（3）基于沱江四桥钢箱梁温度场长期监测数据,采用统计分析的方法,利用高斯混合模型描述钢箱梁日最大竖向正温差的概率密度分布,在其基础得到沱江四桥具有100年重现期的钢箱梁竖向正温差标准值;利用指数函数描述了钢箱梁竖向温度梯度分布;并最终得到沱江四桥运营阶段PK断面钢箱梁竖向温度梯度模式。（4）基于杭州地区实测气象数据与实桥温度数据,建立江东大桥运营阶段钢箱梁温度场计算模型,在杭州地区2014年-2016年夏季晴天以及日照时数长的多云天气的气象数据的基础上,利用气象学研究成果,将其转为气象参数时程模型,结合钢箱梁温度场计算模型,得到在夏季这类天气下钢箱梁顶底日最大温差的分布情况,并以这类天气下钢箱梁日最大温差为样本,进行统计分析,经过多个概率密度函数拟合优度比较,选取广义极值分布描述江东大桥钢箱梁日最大正温差的概率分布,并以此为基础计算得到重现期为100年的钢箱梁竖向正温差标准值。同样采用指数函数描述钢箱梁竖向温度梯度分布形式,最终得到江东大桥运营阶段钢箱梁竖向温度梯度模式。（5）利用BP神经网络模型建立地区纬度、海拔、年最高气温与该地区钢箱梁顶底温差标准值的数学关系,并利用该模型对我国237座城市钢箱梁温差标准值进行预测,通过分析归纳钢箱梁温差标准值的预测值,将我国划分为4个区域进行钢箱梁温度作用取值。

关键词：桥梁工程;钢箱梁;日照温度场;统计分析;温度作用分区

学科专业：土木工程

摘要

ABSTRACT

第1章 绪论

1.1 概述

1.2 国内外箱梁温度作用研究现状

1.2.1 箱梁温度作用统计分析

1.2.2 钢箱梁温度场研究

1.3 存在的问题

1.3.1 中国中部及西南地区钢箱梁温度场的研究

1.3.2 基于统计分析桥梁结构温度作用的取值

1.3.3 钢箱梁温度梯度模式的地域性

1.4 工程背景

1.4.1 沱江四桥斜拉桥

1.4.2 江东大桥悬索桥

1.5 主要研究内容

1.6 本文研究的技术路线

第2章 钢箱梁温度场分析理论

2.1 引言

2.2 钢箱梁热传导基本理论

2.2.1 钢箱梁温度场基本概念及傅里叶定律

2.2.2 热传导微分方程

2.2.3 导热问题的定解条件

2.3 钢箱梁温度场有限元计算理论

2.3.1 温度场有限元计算基本方程

2.3.2 热传导有限元方程求解

2.4 本章小结

第3章 基于概率分析运营阶段PK断面钢箱梁竖向温度梯度模式

3.1 引言

3.2. 运营阶段钢箱梁温度场有限元分析

3.2.1 有限元模型建立

3.2.2 材料物理参数确定

3.2.3 钢箱梁换热系数计算

3.2.4 太阳辐射强度计算

3.2.5 桥址处实测大气温度

3.3 温度实测值与计算结果对比

3.4 钢箱梁竖向温度梯度曲线拟合

3.5 钢箱梁日照温度作用标准值

3.5.1 最大正温差概率分析

3.5.2 钢箱梁竖向正温差标准值

3.6 本章小结

第4章 基于气象参数的钢箱梁竖向温度梯度模式研究

4.1 引言

4.2 基于气象参数的钢箱梁温度场边界条件

4.2.1 太阳辐射

4.2.2 逐时温度及风速

4.2.3 换热系数

4.3 有限元计算实例

4.4 温度实测值与计算结果比较

4.5 基于气象参数的温度梯度模式

4.6 竖向温度梯度曲线拟合

4.7 本章小结

第5章 基于BP神经网络的钢箱梁温度梯度模式分区

5.1 引言

5.2 BP神经网络模型

5.2.1 BP神经网络模型拓扑结构

5.2.2 基于Matlab的BP神经网络实现

5.3 基于BP神经网络模型预测钢箱梁温度作用

5.4 钢箱梁温度作用分区

5.5 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢