加筋边坡稳定可靠性分析

摘要

加筋边坡稳定性研究已经成为岩土领域里普遍和热门的研究内容。影响加筋边坡稳定性的因素众多，必须预先对其敏感性进行分析，明确控制因素，更好的对边坡稳定性评价，做好边坡失稳预防工作提供依据。目前，加筋边坡稳定性的研究方法主要有限平衡法及数值模拟两种，影响边坡稳定性的随机变量的取值是以定值来考虑，对于地质复杂，存在许多不确定因素的情况，仅以安全系数作为边坡稳定性分析的标准是无法评价其安全性，针对这个问题，可靠性分析就具有重大的意义。综上所述，本文的主要研究内容及成果如下:
　　(1)利用GRNN神经网络结合正交试验进行加筋边坡稳定性影响因素的敏感性分析，考虑的边坡稳定性因素有土体的容重、土体摩擦角、粘聚力、边坡角、边坡高度、摩擦系数、加筋间距、加筋长度八个因素，并与强度折减法的这八个因素的敏感性结果进行对比。结果表明，GRNN神经网络在边坡稳定性因素敏感性分析上有效、可行。
　　(2)加筋边坡影响因素对其稳定性影响程度由大到小排序为摩擦角＞高度＞边坡角＞间距＞摩擦系数＞粘力＞筋材长度＞重度;在地质情况较差时，应注意土体摩擦角、边坡高度、边坡角、筋材间距因素对边坡安全性的影响，及时对边坡进行加固防护。
　　(3)对简化毕肖普法计算公式进行改进，增加了加筋因素，优化过的毕肖普法在进行边坡加固计算时会更经济，且能够满足工程需要。
　　(4)本文的影响因素的数值的选取上是采用Monte Carlo方法在正态分布的七个随机变量上进行抽样，在进行边坡可靠性评价时，分别利用BP神经网络、极限平衡法（改进的简化毕肖普法）、数值模拟(FLAC3D)三种方法，对边坡角为1∶0.5、1∶0.75、1∶1边坡各50组边坡进行计算，其中数值模拟方法计算出的安全系数最小，极限平衡法计算出的安全系数相对较大。BP神经网络在对安全系数预测的结果，能够比极限平衡法计算的安全系数更能贴近数值模拟方法的安全系数，计算的数据更稳定。从所得到的的安全系数频率直方图中可以清楚的知道每种方法对应的分布概率最大的安全系数的范围，同时可以计算出边坡的破坏概率，说明可靠度是能够全面反映边坡稳定性的方法。
　　(5)通过对BP神经网络的模拟次数变化，边坡破坏的概率、安全系数的均值、方差都会随着模拟次数的增加而增加，模拟次数到5000次时破坏的概率、安全系数的均值、方差达到收敛，通过对5000此模拟和50000次模拟的结果对比可知，5000次模拟的数据能够满足要求。
　　(6)通过BP神经网络变化随机变量的变异系数，变异系数由0.1增大到0.3，安全系数的变异系数是随机变量随变异系数的增大而增大，可靠度则是随随机变量变异系数的增大而减小;其中安全系数的变异系数及可靠度对土的摩擦角、边坡高度、摩擦系数这三个随机变量的变异系数较为敏感，当这三个随机变量的变异系数较大时，边坡失稳的概率较高。

目录

声明

摘要

1 绪论

1．1 土工合成材料的运用与研究

1．2 边坡国内外研究现状

1．3 研究意义

1．4 主要研究内容

2 加筋边坡稳定性影响因素敏感性分析

2．1 引言

2．2 基于人工神经网络的加筋边坡影响因素敏感性分析方法

2．2．1 GRNN的网络结构

2．2．2 GRNN的理论基础

2．2．3 正交试验

2．3 影响因素敏感性分析方法——数值模拟

2．3．1 三维快速拉格朗日分析数学模型

2．3．2 有限元强度折减法原理

2．3．3 FLAC3D求解边坡

3 加筋边坡稳定性影响因素敏感性分析实例

3．1 GRNN神经网络结合正交试验方法敏感性分析

3．2 数值模拟(有限差分法)敏感性分析

3．3 小结

4 加筋边坡随机可靠度分析

4．1 引言

4．2 可靠度基本概念

4．2．1 结构极限状态

4．2．2 可靠概率和失效概率

4．3 Monte Carlo方法

4．3．1 Monte Carlo法收敛性

4．3．2 Monte Carlo方法的误差

4．4 基于人工神经网络的加筋边坡可靠度分析方法

4．4．1 BP神经网络方法

4．4．2 基于BP神经网络的Monte Carlo方法可靠度分析步骤

4．5 极限平衡法的加筋边坡可靠度分析

4．5．1 简化毕肖普法

4．5．2 简化毕肖普法在加筋边坡的公式推导

4．5．3 简化毕肖普法与优化的简化毕肖普法的结果对比

4．5．4 简化毕肖普法结合Monte Carlo法边坡可靠性分析步骤

4．6 数值模拟(FLAC3D)结合Monte Carlo法加筋边坡可靠度分析

4．6．1 FLAC3D求解边坡

4．6．2 数值模拟结合Monte Carlo法边坡可靠性分析步骤

5 加筋边坡可靠性分析实例

5．1 Monte Carlo方法随机数

5．2 BP神经网络结合MonteCarlo方法加筋边坡安全系数计算

5．2．1 模型的建立

5．2．2 BP神经网络边坡安全系数计算

5．3 极限平衡法结合MonteCarlo方法加筋边坡安全系数计算

5．3．1 基于visual Studio 2005平台的极限平衡法批量数据处理

5．3．2 简化毕肖普法与优化的简化毕肖普法的结果对比

5．3．3 简化毕肖普法加筋边坡安全系数计算

5．4 数值模拟(FLAC3D)结合MonteCarlo加筋边坡安全系数计算

5．5 计算结果对比分析

5．6 BP神经网络计算随机变量对可靠度的影响

6 总结与展望

6．1 本文研究成果

6．2 研究展望

参考文献

致谢