论文部分内容阅读
公路边坡是公路的重要结构设施，其稳定性关系到人民群众的生命和财产安全，尤其是对山区公路网在不利季节情况下发挥网络效应和规模效应有着重要的影响作用。随着我国公路建设进程的不断加速，公路网里程不断增加，公路边坡的建设里程也在不断增加，建设规模也越来越大。因此，实时掌握公路边坡稳定性状态、及时发现失稳趋势，是保证公路网，尤其是山区公路网高效、安全运行的重要支撑。目前部分在建或已建的大型公路边坡安装了稳定性监控设备，但监测点位的选择缺乏理论支持，随机性太强，针对性不足。同时，由于目前常用的公路边坡稳定性动态评价及预警系统存在一定不足，人工监控捉襟见肘，监控设备利用效率偏低，浪费严重。国内外在边坡稳定性评价方面有着较为深入的研究，但对于公路边坡的动态评价指标、动态评价方法、监测点位的选择、失稳预警等方面仍缺乏较为系统的研究。因此，开展公路边坡稳定性动态评价及预警分析研究，能加强公路网运营管理者对公路边坡状态的监测和控制，提升运营管理的智能化水平，减少公路边坡失稳而引发的事故，消除公路边坡失稳带来的安全隐患，保证人民群众生命和财产安全，进而实现公路网，尤其是山区公路网的安全、高效、便捷运行。 论文的研究依托“十一五”国家科技支撑计划项目“山区公路网安全保障技术体系研究与示范工程”、北京市交通委项目“低等级公路交通安全保障技术研究”等项目，研究工作以提升公路边坡稳定性动态评价及预警水平为目标，研究具体涉及公路边坡分类及破坏机理分析、稳定性动态评价指标体系构建、稳定性动态评价方法、稳定性状态分级量化标准、监测点位重要度排序、失稳预警和公路边坡稳定性动态监测系统等关键技术。 地质、水文、气候等自然条件和边坡分类及失稳机理是公路边坡稳定性动态评价及预警的基础。本论文以北京市为例，采用收集相关资料和实地踏勘的方式，介绍了影响公路边坡稳定性的地质、水文、气候等自然条件的调查方法和分析过程，对公路边坡的常见病害进行了统计，进而将公路边坡分为整体块状岩质边坡、破碎状岩质边坡、土质/散体边坡、顺层岩质边坡、反倾岩质边坡五类，最后从各类型边坡的形成和演化机理入手，剖析了各类型公路边坡的失稳破坏机制。 公路边坡稳定性动态评价及预警以评价指标体系的构建、稳定性状态分级量化标准的设定为重要支撑。公路边坡稳定性评价指标较多、指标量化分级标准的设定主观随意性较大，导致对公路边坡稳定性状态的准确界定较为困难。本论文从公路边坡稳定性动态评价及预警的实际需要出发，对各类边坡规范文献进行了综合分析，构建了以位移值、变形速率（位移日变形量）、变形率为标准的公路边坡稳定性动态评价及预警指标体系;随后，提出了基于极限平衡法和可靠度方法的公路边坡稳定性动态评价方法，并计算得到了公路边坡稳定性动态评价及预警的量化分级标准。 基于实际工程应用，对市场上主流的稳定性状态监测设备进行了精度、造价、时效性等方面的对比分析，给出了公路边坡稳定性动态评价及预警的设备选型建议;同时为科学、合理的确定监测点位，从公路边坡所在路段的交通功能、公路边坡的结构组成、公路边坡的形状特征等角度出发构建了公路边坡稳定性动态评价及预警监测点位的重要度评价指标体系，提出了基于层次分析法(AHP)的公路边坡稳定性动态评价及预警监测点位的重要度排序方法，并进行了实例验证。 公路边坡位移值的准确预测是进行公路边坡失稳预警的关键和基础。由于公路边坡的地质条件复杂、影响稳定性因素众多，且各因素作用情况不明确，预测难度高。因此，本论文在借鉴神经网络思想的基础上，建立了公路边坡位移值-时间序列预测公式，充分考虑降雨对公路边坡变形的影响，基于降雨强度将位移值样本进行模糊聚类，构造了基于距离测度的隶属函数，通过模糊判别实现处理该信息子网络的在线选择，提高了神经网络对信息处理的自适应性，建立了基于模块化神经网络的公路边坡位移值预测模型。最后对某土质/散体公路边坡的测试结果表明，基于模块化神经网络的公路边坡位移值预测模型在精度上优于其它神经网络模型，而且失稳预警结果符合客观实际。 结合上述研究，针对公路边坡稳定性动态评价及预警的实际需求和现阶段状态数据采集的特点，构建了公路边坡稳定性动态监测系统，并基于GIS软件进行了二次开发，编写了公路边坡稳定性动态评价及预警软件，实现了评价指标、阈值标准和自动识别的程序化。 本论文在分析影响公路边坡稳定性的地质、水文和气候等自然条件相关资料和实地踏勘调查的基础上，进行了公路边坡分类及失稳机理研究，构建了公路边坡稳定性动态评价及预警指标体系，提出了基于极限平衡法和可靠度方法的公路边坡稳定性动态评价方法，计算得到了公路边坡稳定性动态评价及预警的量化分级标准，建立了公路边坡稳定性动态评价及预警监测点位重要度评价指标体系及基于层次分析法(AHP)的重要度排序方法，提出了公路边坡失稳预警的方法和位移值模块化神经网络预测模型，构建了公路边坡稳定性动态监测系统。本文研究成果为公路边坡稳定性动态评价及预警智能化系统的建设提供了理论支撑和技术支持。