[热点讨论]膨胀土基坑设计 [复制链接]

线热膨胀力 (M#m BS  
物体在温度变化时，因其沿长度方向变化受到约束时对约束物体施加的力。 \MDhm,H<  
https://baike.baidu.com/item/%E7%BA%BF%E7%83%AD%E8%86%A8%E8%83%80%E5%8A%9B/5489796?fr=aladdin bx%Ky0Z  
地壳受膨胀力作用及运动 oH(a*i  
https://zhidao.baidu.com/question/1867073942866813027.html zDf96eK  

膨胀土是指由亲水性矿物组成，具有显著的吸水膨胀和失水收缩两种特性的粘性土。对某种特定的膨胀土而言，膨胀力是常数，仅随干容重的变化而变化。100kPa压力下的膨胀率应该小于50kPa压力下的膨胀率。自由膨胀率为松散的烘干土粒在水中和空气分别自由堆积的体积之差与在空气中自由堆积的体积之比，以百分数表示，用以判定无结构力的松散土粒在水中的膨胀特性，所以自由膨胀率与土的含水率无关。膨胀土的矿物成分主要是次生黏土矿物，其活动性较高，具有较高的亲水性是产生膨胀性的主因。当失水时土体收缩，甚至出现干裂，遇水即膨胀隆起，土中含有上述矿物的越多，胀缩性越大，反之，胀缩性小。膨胀力又指试样自由膨胀到最大限度以后再加荷载直到回复到其初始体积为止所需的压力，这意味着同一种土的自由膨胀率越大，膨胀力也越大。 3JiDi X"|  
http://www.100xuexi.com/question/questiondetail.aspx?tid=2998&pid=a4d8e710-6261-4608-8597-4a4fe207bce3&qid=8c555d08-c6c1-4739-a4c9-6b7b3c224a68 uOqWMRsoi
 

拉依达准则是指先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。这种判别处理原理及方法仅局限于对正态或近似正态分布的样本数据处理，它是以测量次数充分大为前提的，当测量次数少的情形用准则剔除粗大误差是不够可靠的。因此，在测量次数较少的情况下，最好不要选用该准则。 Ie!&FQe2q  
https://baike.baidu.com/item/%E6%8B%89%E4%BE%9D%E8%BE%BE%E5%87%86%E5%88%99/5678473?fr=aladdin kHylg{i{"  
在统计理论中，肖维勒准则（以William Chauvenet命名）是评估一组实验数据（一组异常值）是否可能是虚假的一种手段。 #IZh}*$  
R-9o3TPa  

W.kcN,  
肖维勒准则背后的想法是找到一个以正态分布的均值为中心的概率带，它应该合理地包含数据集的所有n个样本。通过这样做，来自位于该概率带之外的n个样本的任何数据点可以被认为是异常值，从数据集中移除，并且可以计算基于剩余值和新样本大小的新的均值和标准偏差。 \U]K!K=  
~F@n `!c  
这种异常值的识别将通过找到与平均值（D max）周围的概率带边界相对应的标准偏差的数量并将该值与可疑异常值与平均值之间的差值的绝对值进行比较来实现。通过样本标准差。（ o2U5irU  
———————————————— kx?Yin8K  
版权声明：本文为CSDN博主「ChenVast」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 }`Ya;  
原文链接：https://blog.csdn.net/ChenVast/java/article/details/82790818 7/51_=%kR  
利用格拉布斯(Grubbs)准则进行处理：根据误差理论，要有效地剔除偶然误差，一般要测量10次以上，兼顾到精度和响应速度，取15次为一个单位。在取得的15个数据中，有些可能含有较大的误差，需要对它们分检，剔除可疑值，提高自适应速度。对可疑值的剔除有多种准则，如莱以达准则、肖维勒（Chauvenet）准则、格拉布斯（Grubbs）准则等。以Grubbs准则为例，它认为若某测量值 xi对应的残差Vi满足下式 0bM_EC  
https://zhidao.baidu.com/question/67063803.html c6#EgN,X  
格拉布斯准则 NytTyk)  
格拉布斯准则是以正态分布为前提的，理论上较严谨，使用也方便。 @R50M (@W  
某个测量值的残余误差的绝对值 |Vi |>Gg，则判断此值中有较大误差，应以剔除，此即格拉布斯准则。 7xv9v1['  
https://baike.baidu.com/item/%E6%A0%BC%E6%8B%89%E5%B8%83%E6%96%AF%E5%87%86%E5%88%99/3909586?fr=aladdin R"V90bCf  

相关系数与决定系数的关系，它们的意义分别是什么? gr>FLf   
决定系数是相关系数的平方。 相关系数是用来描述两个变量之间的线性关系的，但决定系数的适用范围更广，可以用于描述非线性或者有两个及两个以上自变量的相关关系。 % e70*;  
决定系数的意义是变量A可以解释变量B方差的多少。 4 >D5t)254  
因此，相关系数的意义(为正的情况）就是变量A可以解释变量B标准差的多少。 b\t@vMJ  
更直接的解释是，由于变量A的变动，变量B增加了C，而这C中有r的比例是因为变量A的变动造成的。 uMC0XE|S  
一、相关系数和回归系数的区别 "bjbJC&T  
1、含义不同 xJvalb  
相关系数：是研究变量之间线性相关程度的量。 >R/^[(
[;]  
回归系数：在回归方程中表示自变量x 对因变量y 影响大小的参数。 i079 V  
+A_jm!tJS(  
2、应用不同 R?*-ZI[>w  
相关系数：说明两变量间的相关关系。 8,m:  
回归系数：说明两变量间依存变化的数量关系。 Hc q@7g  
3、单位不同 /hyCR___  
相关系数：一般用字母r表示 ，r没有单位。 6>EoU-YX}l  
回归系数：一般用斜率b表示，b有单位。 m]\d9%-AT&  
https://zhidao.baidu.com/question/17222744.html C|ou7g4'p  
https://zhidao.baidu.com/question/17851285.html 4T<dI6I0  

F分布是1924年英国统计学家Ronald.A.Fisher爵士提出，并以其姓氏的第一个字母命名的。它是两个服从卡方分布的独立随机变量各除以其自由度后的比值的抽样分布，是一种非对称分布，且位置不可互换。F分布有着广泛的应用，如在方差分析、回归方程的显著性检验中都有着重要的地位。 0#oBXu  
https://baike.baidu.com/item/F%E5%88%86%E5%B8%83/7917090?fr=aladdin (j' {~FB  
若n个相互独立的随机变量ξ₁，ξ₂，...,ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布（chi-square distribution）。 ;gDMl57PQ.  
https://baike.baidu.com/item/%E5%8D%A1%E6%96%B9%E5%88%86%E5%B8%83/2714796?fr=aladdin *@_u4T7|{  
自由度(degree of freedom, df)指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中n为样本数量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。自由度通常用于抽样分布中。 /!GKh5|  
https://baike.baidu.com/item/%E8%87%AA%E7%94%B1%E5%BA%A6/5936984?fr=aladdin B<|VeU  
{O^TurbTFA  

容忍度和方差膨胀因子的值为多少时说明共线性不强 iT3BF"ZqBO  
https://zhidao.baidu.com/question/1835002706600478260.html PUp6Q;AdQ  
最常用的多重相关性的正规诊断方法是使用方差膨胀因子。 tdBm (CsN  
方差膨胀因子（Variance Inflation Factor，VIF）：容忍度的倒数，VIF越大，显示共线性越严重。经验判断方法表明：当0＜VIF＜10，不存在多重共线性；当10≤VIF＜100，存在较强的多重共线性；当VIF≥100，存在严重多重共线性. EE&K0<?T|:  
在多元回归当中，容忍度是描述多重共线性的。 ^c"jH'#.L  
容忍度就是方差膨胀因子VIF的倒数，根据VIF的定义，化简一下就是一减R方。 +" .X )avF  
http://sofasofa.io/forum_main_post.php?postid=1001584 ;K:zmH  
模糊容忍度　Tolerance of Ambiguity zy/@ WFPE  
http://blog.sina.com.cn/s/blog_561f627f0102wn68.html bnf'4PAt  
容忍度是什么东东？ Y!-M_v/