基于t-SNE-AMARS-MPM的空间变异性边坡可靠度分析及大变形破坏模式研究

在考虑参数空间变异性对大变形边坡可靠度评估的影响,特别是在小失效概率的情况下,传统分析方法常因耗时冗长或难以评估大变形失稳破坏而受限.针对这一问题,提出一种结合t分布-随机邻近嵌入、主动学习多元自适应回归样条法和物质点法的新方法,并深入探讨了t分布-随机邻近嵌入对代理模型的优化作用.首先,利用Cholesky分解法离散边坡参数随机场,并通过确定性分析获取训练样本.随后,采用主动学习函数优化代理模型,高效求解边坡安全系数并按升序排列.最后,使用物质点法依次模拟并获取失效样本.以一个两层不排水土坡为例,验证了该方法的有效性.结果表明,所提方法相较于传统随机物质点法,计算量仅为其1.64%,显著提高了计算效率.同时,通过对失效样本的深入剖析,识别出边坡失稳具有4种不同的破坏模式,这些破坏模式的演化过程与土体参数的空间分布紧密相关.尤为值得注意的是,多层渐进破坏模式作为其中破坏过程最为复杂的类型,其对周边环境的威胁尤为显著,需要重点防范.这为边坡工程的风险评估和加固提供了重要依据.

基于向量投影加权响应面法的边坡可靠度分析

对于复杂的岩土结构而言,功能函数常表现为高度非线性隐式函数,响应面法成为刻画真实功能函数的重要方法。在向量梯度投影选择取样点的同时,对各取样点的重要性程度进行评估,并通过构造加权系数矩阵实现对响应面函数的拟合修正。将加权回归思想与向量投影取样相结合,并采用所得实验点拟合极限状态方程,为解决含有隐式功能函数的工程问题提供一种高效方法。以2个边坡为例研究所提方法的可靠性,结果表明:与传统响应面法相比,该方法具有效率快、精度高等优势。此外,研究了所提方法中相关参数的取值,增强了该方法的实用性。

基于三维形貌参数的岩石节理峰值剪切强度模型研究

基于Grasselli提出的节理粗糙度参数,通过揭示3种粗糙度参数表征视倾角的分布规律,分析了粗糙度参数和初始剪胀角和折减函数的关系,优化剪胀角模型中粗糙度参数的形式;通过文献对比分析,突出了岩石抗拉强度对节理抗剪强度的影响。采用法向应力、抗拉强度和节理粗糙度参数,提出了一种负指数形式的节理峰值抗剪强度新模型。最后通过73组试验数据和反算JRC值验证新模型准确度,并与经典模型对比。结果表明Gasselli模型和Tang模型在各自的试验数据中准确度较高,新模型和Xia模型误差较低,但新模型波动较小。新模型对Grasselli模型、Xia模型、Tang模型中存在的不符合摩尔库伦准则、物理含义不清晰、剪胀角边界条件不正确、未体现粗糙度等问题进行了改进。

基于改进PSO-RBF神经网络的三维边坡可靠度分析

三维边坡模型能真实反映边坡空间效应,提升边坡可靠度计算精度,然而由于三维边坡模型计算量庞大且安全系数缺少显示表达,边坡可靠度分析主要以二维简化模型为主,针对三维边坡可靠度分析的研究仍存在不足.提出一种基于Spencer方法、自适应变异粒子群优化算法(PSO)和径向基函数神经网络(RBF)的三维边坡可靠度分析方法.通过对传统PSO算法引入变异算子,改善了其搜索精度较低、后期迭代效率不高等缺点.以三维Spencer方法为基础,结合改进PSO算法与RBF神经网络构建三维边坡安全系数的计算模型进行可靠度分析,实现三维边坡功能函数的显示化,通过标椎椭球滑体可靠度分析,验证了该方法相较于传统方法计算精度和效率的提升;进一步研究了卡基娃左岸边坡减载开挖过程稳定性及可靠度的变化规律,结果表明:削坡减载作用后有效提升了边坡的稳定性,边坡失效概率减小了近2个数量级.