多因素作用下边坡稳定影响因素敏感性分析

影响边坡稳定性的因素很多,通过边坡稳定性影响因素的敏感性分析,可以找出影响边坡稳定的主导因素,从而为边坡的治理和设计提供依据.利用BP神经网络来分析边坡稳定性,在此基础上运用相对作用理论(RSE)确定各影响因素间的交互作用,并将交互作用应用于边坡稳定性影响因素敏感性分析中.考虑各因素交互作用的多因素敏感性分析比只考虑单因素或各因素间无交互作用的分析方法更符合边坡系统的内在规律.     

考虑坡顶交通量影响的路堤边坡失稳敏感性分析

目前对边坡稳定影响因子敏感性的研究主要是针对边坡的内部因素,在分析路堤边坡稳定时,车辆荷载等外部因素对边坡稳定的影响不容忽视.本文同时考虑内部因素和外部因素,选择边坡土体重度γ、边坡土内摩擦角φ、边坡土粘聚力C、边坡坡度θ及交通量Q作为边坡稳定安全系数敏感性分析的影响因子,5个因子都具有广泛的分布随机性.以金鞭公路某标段路堤边坡为例,制定了5因子5水平的正交试验方案,利用传递系数法分别计算不同工况下的边坡稳定安全系数,再利用SPSS统计分析各影响因子对路堤边坡稳定安全系数的敏感性.研究结果表明:路堤边坡稳定性受内部因素和外部因素共同作用,影响因子敏感性大小依次为:边坡坡度θ边坡土内摩擦角φ交通量Q边坡土粘聚力C边坡土体重度γ.本研究可为该边坡失稳治理设计提供依据.     

库水位骤降联合降雨边坡稳定敏感性分析

介绍了区间敏感性理论的分析步骤,利用Geo-studio软件,对三峡库区某边坡体在库水位联合降雨工况下不同边坡参数下边坡的位移及安全系数进行了有限元计算,结果表明:利用区间敏感性理论对边坡不同参数取值进行敏感性分析,能够快速的获得边坡各个物理力学参数对边坡变形及稳定性的影响大小,与已有研究成果一致,可以指导由于边坡物理力学参数的空间变异性导致的数值模拟中材料参数的取值问题;库水位骤降联合降雨条件下,弹性模量与渗透系数对上部监测点的位移影响最大,但是粘聚力、内摩擦角及泊松比对各个工况的影响差异则不大;不同影响因素的敏感性顺序为弹性模量、渗透系数、泊松比、粘聚力与内摩擦角.     

基于改进麻雀搜索算法和支持向量机的边坡稳定性

边坡失稳是由多种因素共同作用的结果,常规的数学模型难以准确预测。为提高边坡稳定性预测精度,采用多策略融合改进麻雀搜索算法（improved sparrow search algorithm,ISSA）优化支持向量机（support vector machine,SVM）,进而建立边坡稳定性预测模型（ISSA-SVM模型）。将重度、粘聚力、内摩擦角、边坡角、边坡高、孔隙压力比6项因素作为输入特征,将边坡稳定性状态作为输出结果,进而预测边坡稳定性。选取国内外工程实例建立边坡数据库,将ISSA-SVM模型与SSA-SVM模型进行对比分析,通过灰色关联度分析法（grey relation analysis,GRA）进行敏感性分析。结果表明：ISSA-SVM模型预测精度更高、泛化能力更强,粘聚力和内摩擦角是对边坡稳定性最为敏感的因子。所提ISSA-SVM模型不仅能够准确地预测边坡稳定状态,还可以为其他领域相关问题提供参考。     

基于改进粒子群算法的BP神经网络在边坡稳定性评价中的应用

边坡稳定性分析与评价是边坡工程的核心内容,具有高度非线性和不确定性特征。首先,选取了多个边坡工程实例构成学习样本集,以土体重度、内摩擦角、粘聚力、坡角、坡高、孔隙比六个主要影响因素作为土坡稳定性的评价判别指标;然后,采用改进的粒子群算法优化BP神经网络模型,将网络权值和阈值粒子化,通过引入粒子群进化度和粒子群聚合度实现惯性权重的动态变化,利用粒子群算法的全局搜索性实现网络权值和阈值的更新,从而增强算法对非线性问题的处理能力,加快了收敛速度;最后,通过与其它边坡稳定性评价算法进行比较分析,表明了本文研究算法的可行性与合理性。     

基于改进的灰色关联分析法对滑坡影响因子敏感性分析

以Geostudio软件分析平台为依托,考虑饱和非饱和渗流对滑坡影响的前提下,不仅考虑边坡规模大小、粘聚力、内摩擦角、重度等因素,还引入地下水位、暴雨作为影响因子,进一步完善了对边坡稳定性敏感性指标的范围.通过分析传统灰色关联对滑坡影响因子敏感性缺陷,结合逆归一化思想,改进灰色关联模型,对各因子进行敏感性分析,确定对边坡稳定最不利的因子.通过实例分析,对比和讨论了改进方法与传统方法计算得到的结果,表明改进方法得到影响因子敏感权值更加符合实际客观判据.     

非饱和参数交互作用的边坡稳定性分析

为研究降雨入渗条件下的边坡稳定性,提出一种基于流固耦合理论及非饱和渗流参数敏感性分析的边坡稳定性分析方法.边坡的非饱和参数交互作用影响边坡稳定,为此,建立基于有限元方法的边坡非饱和渗流的边坡稳定性分析模型.构建了边坡稳定性分析参数敏感性分析模型,分析了非饱和参数对边坡稳定特征的直接作用和耦合交互作用.结果表明:降雨入渗时的非饱和参数共同作用下,降雨强度和渗透系数对边坡稳定性孔压及饱和度特征的直接影响和间接影响较内摩擦角和黏聚力更为明显.降雨强度对特征单元位移直接影响最大,内摩擦角与其他参数的耦合作用最显著.黏聚力对边坡稳定的直接影响最大,且对塑性变形作用时与内摩擦角、降雨强度及饱和渗透系数的耦合最为紧密.非饱和参数共同变化时,交互作用不是单项参数的作用效果直接叠加.     

通径系数法边坡面层破坏敏感性分析

边坡开挖后面层土体发生破坏受多种因素影响,不考虑外力作用以及几何参数,就边坡本身而言主要受制于黏聚力、土体重度和内摩擦角等因素。首先在各因素可行的范围内,采用明德林解计算土体物理参数中单个因素变化的情况下该边坡的破坏范围。参照边坡稳定性敏感分析,采用通径系数法对上述曲线进行分析,以水平破坏距离之比作为评价指标,得到影响边坡的因素敏感性由大到小依次为:黏聚力、内摩擦角、土体重度。     

边坡稳定性的k-近邻估计

边坡稳定性估计的精度直接关系到边坡工程的成败.然而,边坡稳定性与其影响因素之间存在复杂的非线性关系.当目标函数很复杂时,如果只建立目标函数的局部逼近,并将其应用于待测实例的邻域,就能获得较高的预测精度.这种局部建模方法的典型代表就是k-近邻及其改进算法.在研究k-近邻算法的基本原理及其改进方法的基础上,提出了应用距离加权的k-近邻方法对由岩石容重、岩石内聚力、内摩擦角、边坡角、边坡高度和孔隙水压力6个特征参数组成的岩土参数进行建模,估计表征边坡稳定性的安全系数.实验中,用82个圆弧破坏边坡实例中的71个实例进行建模,对另外11个实例进行推广预测.实验结果表明:用k-近邻算法进行边坡稳定性预测有较高的精度.     

露天煤矿边坡稳定性的随机森林预测模型

 边坡工程是露天煤矿中的重点工程,边坡的稳定性关系着煤矿的安全生产。边坡稳定性预测是边坡防治工作的前提,针对煤矿边坡工程稳定性预测的复杂性,为了快速、有效地判别煤矿边坡稳定性,利用随机森林算法建立煤矿边坡稳定性预测模型。通过选取与煤矿边坡工程密切相关的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6 个指标作为边坡稳定性的影响因素,即为随机森林预测模型的输入,边坡稳定性状态作为随机森林预测模型的输出,通过随机森林算法建立边坡稳定性影响因素与边坡稳定状态之间的非线性关系。利用煤矿实测30 组边坡稳定性数据作为随机森林预测模型的训练数据集,进行模型的学习训练;另用12 组边坡稳定性数据作为预测模型的测试数据,通过训练好的边坡稳定性预测模型进行测试;为了验证随机森林预测模型的准确率,同时与SVM 和BP 神经网络的测试数据进行比较。结果说明,选取煤矿边坡稳定性的6 个指标建立的随机森林预测模型,人工控制参数较少、结构简单、容易实现,且具有较高的准确度,边坡稳定状态预测结果与煤矿边坡工程实际状态相吻合,能有效预测边坡稳定性状态,指导煤矿边坡防治工作的开展。