基于AHFO方法的Green-Ampt模型K0取值试验研究

利用Van Genuchten经验函数拟合土水特征曲线,可获取反应土壤物理特性的参数m和n,求得体积含水率θ下的非饱和导水率Kθ,再利用Kθ代替饱和导水率K0,可获得Green-Apmt的修正模型.过去受测试手段的限制,这类修正方法还未经过试验精确验证;传统的点式测量手段可通过数个点的体积含水率数据推测整个土壤的体积含水率剖面和湿润锋的位置,引起的误差常常比较大.利用分布式的主动加热型的体积含水率光纤测试方法(actively heated fiber optic method,AHFO),定位精度可达2.5cm;设计了模型桶中砂土垂直向上入渗的渗流试验,测试了试验过程中土壤体积含水率剖面,并采用AHFO技术实时定位湿润锋的位置,大大提高了湿润锋定位准确性.基于实测的体积含水率剖面及湿润锋位置,对K0修正前后Green-Apmt模型的准确性进行了测试.结果表明:(1)非饱和土的渗透系数Kθ远小于饱和土的渗透系数K0,其大小可依据土壤特征曲线和AHFO法测得的土壤体积含水率确定,本次试验修正系数约为0.1;(2)湿润锋垂向运移距离与时间符合修改K0后的Green-Apmt模型;(3)AHFO法具有连续性和精确性的优点,可以作为评价土壤湿润过程的有效测试手段.

支持向量回归算法在土体含水率AHFO测试中的应用研究

主动加热光纤法(AHFO)可实现土体原位含水率的分布式测量,但受场地复杂环境的影响,现有含水率计算模型解译获得的测试结果容易发生较大误差。本文在试验研究的基础上,探究了土体干密度对AHFO法含水率计算的影响,并将支持向量回归(SVR)算法引入含水率的计算模型中,与传统计算模型进行了对比。研究结果表明:土体干密度是影响含水率计算模型精度的重要因素,干密度波动越大则传统计算模型的计算误差也越大,土体较高含水率下会降低计算模型的敏感性;与传统的含水率计算模型相比,考虑干密度影响的径向基核支持向量回归方法具有更高的计算精度,建议在含水率AHFO法的测试中推广应用。

层状土毛细水上升过程中Lucas-Washburn模型评价及修正

受界面效应影响,毛细水在层状土中运移规律还难以用描述均质土中水分运移规律的Lucas-Washburn(LW)渗吸模型进行描述。基于此,本文设计了层状土室内模型试验,采用分布式的主动加热光纤法(简称AHFO)监测毛细水上升过程。根据AHFO测试结果,进一步对LW模型进行了修正,提出了适用于描述层状土中毛细水上升规律的ILW模型,并对ILW模型进行了试验验证。试验结果表明:(1)当毛细水湿润锋抵达"黏土(下部)-砂土(上部)"界面时,会产生"毛细屏障作用",从而导致上部砂土中毛细水含水率急剧下降;(2)"毛细屏障作用"由砂土和黏土中的基质吸力不均衡造成,基质吸力大小由含水率决定;(3)当毛细水湿润锋抵达"砂土(下部)-黏土(上部)"界面时,在界面处出现"反毛细屏障作用",从而导致上部黏土层中的含水率比相邻下部砂土层含水率更高;(4)虽然常见的LW模型可准确预测均质土中毛细水上升高度及速率,但受"毛细屏障作用"和"反毛细屏障作用"影响,LW模型在层状土中失效;(5)相比LW模型,ILW模型精度更高,能够更加准确地描述层状土中毛细水上升规律。