【摘 要】
：
某大型水电站艇倾层状人工高边坡，岩体软弱层面、断层、节理和后缘陡倾卸荷张裂隙对坡体稳定性影响大，在自上而下的挖坡过程中，局部坡体发生了失稳座滑。本文分析了边坡的地质条件和岩体结构特征，选取离散单元法模拟了边坡的变形破坏过程，探讨了坡体的变形破坏机理;研究了在滑坡体上继续开挖，坡体可能发生的变形破坏形态;另根据坡体变形破坏机理及后续开挖边坡可能发生的变形破坏形态，基于离散元数值模拟优化了边坡预应力锚
【机 构】
：
长江科学院水利部岩土力学与工程重点实验室,武汉 430010 中国科学院武汉岩土力学研究所与岩土力
论文部分内容阅读
某大型水电站艇倾层状人工高边坡，岩体软弱层面、断层、节理和后缘陡倾卸荷张裂隙对坡体稳定性影响大，在自上而下的挖坡过程中，局部坡体发生了失稳座滑。本文分析了边坡的地质条件和岩体结构特征，选取离散单元法模拟了边坡的变形破坏过程，探讨了坡体的变形破坏机理;研究了在滑坡体上继续开挖，坡体可能发生的变形破坏形态;另根据坡体变形破坏机理及后续开挖边坡可能发生的变形破坏形态，基于离散元数值模拟优化了边坡预应力锚杆和抗滑桩的工程加固支护措施，确保了边坡稳定，监测表明，边坡后期开挖及开挖完成后未出现明显变形破坏迹象。
其他文献
植物恢复过程中产生的枯落物具有重要的生态水文功能，但不同的恢复方式产生的枯落物性质不同，导致就生态水文功能的蓑异。本文通过对岷江上游大沟流域自然恢复和人工恢复植被枯落物持水特性、植被特征对枯落物持水特性的影响以及枯落物与土壤物理性质关系的研究，探讨不同植被恢复措施林下枯落物的水源涵养效应。在岷江上游地区，采用自然封育和人工营造针阔混交林的方式进行植被恢复改造，有利于发挥水同植物群落的优势，产生良好
在3S技术支持下,采用遥感判读和现场调查相结合的方法，调查分析重庆市石漠化现状及其空间分布特征。结果显示，在全市32721.85km2岩溶土地中，石漠化土地面积9256.58km2，石漠化发生率为28.29％。其中轻度、中度、重度、极重度石漠化面积分别占石漠化总面积的29.28％、56.92[％]，12.29％，1.51％.石漠化土地主要分布在渝东北和渝东南。石漠化程度与土地利用、人类活动、植被盖
IMEI信息库的建设能加强电信运营商获得精细营销的能力，本文论述了宁夏移动结合业务流程再造的理论，通过多个系统问的数据提取与对应，对现有IMEI信息库维护业务流程进行优化的方法与过程。
面对建设和谐社会的新形势，医疗卫生、食品安全、环保、交通等关乎民生的问题越来越为政府所重视，这给公益院所的了展带来了前所未有的机遇。《国家中长期科学和技术发展规划纲要(2006-2020年)》提出要进一步增强公益科研机构创新能力和公益服务能力。本文以北京市科学技术研究院为例，对公益院所如何更好地明确定位，服务公共事业做了初步的探讨，提出了加强基础条件建设，围绕社会发展需求来进行科研活动以及明确公益
本文从供电公司进行信息一体化平台建设的实际出发，对即将建成的系统项目进行了分析，接着对工作流管理进行了介绍，提出了将工作流管理引入信息一体化平台是提高系统实用性的有效技术手段。
农村信息化是国家信息化的重要组成部分，在社会主义新农村建设中发挥着至关重要的作用。本文结合北京农业和农村信息化建设实践，从信息化基础设施建设、农村信息资源体系、基层站点建设、信息服务应用系统开了、队伍建设与培训等方面，追踪北京市农业信息服务建设现状，分析了当前工作中存在的问题，提出北京农村信息化发展的对策建议，为北京新农村建设和农村信息化提供参考。
森林健康评价是森林保护与持续合理利用的基础，建立一套科学的森林健康评价方法，可为制定科学的森林保护对策提供依据，对提高森林可持续经营水平和环境管理水平具有重要的指导作用。通过对森林生态系系统、森林可持续经营和社区需求等方面共23个指标的测定，构建了一套森林健康的评价方法，并在丽江文笔山示范点进行了实例研究。结果表明：该评价方法能够比较客观地反应森林的健康状况，具有一定的科学性、客观性和可操作性;对
麻疯树在生物柴油产业上开发地位越来越高，开展麻疯树优树选择和良种选育成为当前发展麻疯树产业的当务之急。本文在麻疯树主要分布区按不同海拔、坡向、树龄随机抽取299株单株，并对其树龄、株高、地径、冠幅等15项变量因子进行主成分分析、回归分析、聚类分析等，得出麻疯树的种子含油率、冠幅、树龄、地径、树高、结果个数、单株干种产量、土层厚度、结果枝比率等9个因子为影响麻疯树单株优良性的主要因子，制定出麻疯树优
土壤有机质是土壤具有生物学性状和结构的基本物质，既是生命活动的条件，也是生命活动的产物。对茂兰国家级自然保护区喀斯特森林中土壤不同剖面面深度采样，用重铬酸钾法对各样品有机质含量测定，揭示该地区土壤有机质的分布、分解和累积过程。研究表明，半分解有机质含量达747.08g·Kg-1，腐殖质含量206.825g·Kg-1，土壤中有机质含量随剖面深度的增加而减少，但减少程度随深度增加在减小，土壤0～5cm
建立了基于粒子群算法的支持向量机预测模型，采用粒子群算法对核函数和模型参数进行了优化。将建立的模型应用于付村煤矿3上411运顺的变形预测，结果表明预测结果与实际监测数据误差很小。对基于粒子群算法的支持向量机PSO-SVM模型与灰色GM(1,1)预测模型和人工神经网络L-MBP模型的预测结果进行了比较，结果显示PSO-SVM预测方法具有更高的预测精度，表明采用PSO-SVM模型进行巷道变形预测是可行