论文部分内容阅读
由于采矿、水利、交通和建筑等人类活动造成了大量的高切坡，其稳定性分析和治理防护都尤为重要，而高切坡岩土体变形和强度参数的获取是关键。传统岩土体参数获取的方法，比如室内试验和现场试验，由于研究对象地质条件的复杂性以及取样、试验条件、经费等的限制，无法获得边坡体真实变形的参数值。大量的研究表明，位移反分析方法可以解决这个问题。本文利用BP神经网络良好的非线性映射关系、强大的自我学习能力和计算能力，对巴东县岩湾桥高切坡岩土体的变形与强度参数进行了研究。
研究的主要内容和成果为：
(1)本文首先对位移反分析的基本原理以及位移反分析智能方法——人工神经网络进行了阐述和研究，然后以巴东县岩湾桥高切坡为例，介绍了其环境地质条件，阐述了高切坡监测的目的和意义。重点分析了由GPS网、TPS和测斜仪相结合的测量方法所获取的监测数据的精度和可靠性，并对高切坡进行了变形分析，得到：监测点XK1、BDTPSJC117、BDTPSJC118、BDTPSJC119和BDTPSJC120位移变化明显，监测点XK2位移变化在毫米以内，并获得了各个监测点的位移值。
(2)本文选用岩土工程通用软件——三维快速拉格朗日有限差分软件FLAC3D为工具，对高切坡的变形进行了模拟。根据高切坡的地质条件，确定下卧层泥质灰岩夹泥岩对其稳定性影响显著；结合相关规范，确定岩土体力学参数的取值和取值范围：弹性模量E(1.0、1.125、1.25、1.375、1.5、1.625、1.75、1.875、2.0)GPa，泊松比μ(0.25、0.26、0.27、0.28、0.29、0.3、0.31、0.32、0.33)，内聚力C(0.25、0.28125、0.3125、0.34375、0.375、0.40625、0.4375、0.46875、0.5)MPa，内摩擦角φ(32、32.75、33.5、34.25、35、35.75、36.5、37.25、38)°。并对参数进行了正交设计和相应的计算模拟试验，获得构造BP神经网络的训练样本，从而获得81组力学参数的样本组合，保证了样本的均衡分散性和整体可比性。
(3)根据监测点变形情况以及数据特征，对基于MATLAB工具箱的BP神经网络参数进行了设计，并利用函数NORMC对输入向量实行归一化处理。通过神经网络的训练、学习等手段构造参数与位移之间的非线性数学模型，然后将监测点的变形值代入已构建好的非线性映射关系中，获得岩湾桥高切坡岩土体的变形与强度参数。它们分别为：弹性模量E为0.943GPa，泊松比μ为0.2974，内聚力C为0.362MPa，内摩擦角φ为32.63°。该参数为高切坡岩土体变形与强度参数由于地应力和外界因素联合作用下不断弱化，截止监测时的等效参数。
(4)将本文反演结果再次进行数值模拟，计算出各监测点的位移值。通过将模拟计算出的位移值与实测位移值进行比较分析，可得到：五个监测点XK1、BDTPSJC117、BDTPSJC118、BDTPSJC119和BDTPSJC120的X方向实测位移值与模拟计算值的误差分别为0.348％、-4.678％、2.360％、-0.513％和-1.579％，误差较小，说明反分析得到的参数具有一定的准确性，即可认为本次反演获得的高切坡岩土体力学参数值符合实际的工程地质条件，可以将其运用到高切坡的防护治理设计中。
通过本文研究，BP神经网络以其独特的非线性、非凸性、非局域性、自适应性和强大的计算与信息处理能力，在高切坡的位移反分析中取得较好的效果，在一定程度上可以代替数值模拟进行仿真预测，是一种简单有效的位移反分析智能方法。由于该方法不需要技术人员掌握深奥的弹塑性力学理论和有限元理论，有利于基层技术人员的掌握和运用反分析技术，其运用前景广阔。