某一特定场地的岩土力学参数在地质作用下普遍呈现固有的不确定性,融合现场观测数据进行概率反分析可有效缩减这一不确定性。虽然基于子集模拟的贝叶斯更新(Bayesian Updating with Subset simulation,简称BUS)方法可以将等量场地信息...某一特定场地的岩土力学参数在地质作用下普遍呈现固有的不确定性,融合现场观测数据进行概率反分析可有效缩减这一不确定性。虽然基于子集模拟的贝叶斯更新(Bayesian Updating with Subset simulation,简称BUS)方法可以将等量场地信息的高维概率反分析问题转化为等效的结构可靠度问题,但是当现场观测数据增多时,构建的似然函数值会变得非常小,甚至低于计算机浮点运算精度,会严重影响概率反分析计算效率与精度。为此,提出了一种基于并联系统可靠度分析的改进BUS方法,从基于乔列斯基分解的中点法出发,将接受率低的总失效区域分解为多个接受率高的子失效区域,从而避免因融合大量现场观测数据引起的“维度灾难”问题,实现对边坡岩土力学参数的准确概率反分析。最后,通过一不排水饱和黏土边坡案例验证了提出方法的有效性,结果表明提出的方法能够融合大量钻孔数据和边坡服役状态等观测信息高效进行岩土力学参数概率反分析及边坡可靠度评估,为高维空间变异参数概率反分析和边坡可靠度评估提供了一种有效的工具。展开更多
文摘某一特定场地的岩土力学参数在地质作用下普遍呈现固有的不确定性,融合现场观测数据进行概率反分析可有效缩减这一不确定性。虽然基于子集模拟的贝叶斯更新(Bayesian Updating with Subset simulation,简称BUS)方法可以将等量场地信息的高维概率反分析问题转化为等效的结构可靠度问题,但是当现场观测数据增多时,构建的似然函数值会变得非常小,甚至低于计算机浮点运算精度,会严重影响概率反分析计算效率与精度。为此,提出了一种基于并联系统可靠度分析的改进BUS方法,从基于乔列斯基分解的中点法出发,将接受率低的总失效区域分解为多个接受率高的子失效区域,从而避免因融合大量现场观测数据引起的“维度灾难”问题,实现对边坡岩土力学参数的准确概率反分析。最后,通过一不排水饱和黏土边坡案例验证了提出方法的有效性,结果表明提出的方法能够融合大量钻孔数据和边坡服役状态等观测信息高效进行岩土力学参数概率反分析及边坡可靠度评估,为高维空间变异参数概率反分析和边坡可靠度评估提供了一种有效的工具。