论文部分内容阅读
目前,我国在高速公路等基础设施建设过程中,形成了大量各种各样的高陡岩质边坡。高陡岩质边坡在自然界中常因风化、剥蚀等作用,造成边坡失稳,主要是由于坡体内岩土体的强度因受到损伤而降低从而导致边坡破坏,若能准确实时获得边坡坡体内岩土体的强度参数,就可准确把握边坡的稳定状况,有效地防止边坡破坏的发生和降低边坡破坏带来的危害,所以研究如何准确获取岩土体的强度参数是非常有意义的。本文以某高速公路实际高边坡工程为例作为研究对象,首先通过对现场情况的勘察和高边坡监测技术的研究,确定现场监测方案,获取实际监测数据;其次通过对经典案例模拟,对选用Midas gts NX有限元软件、摩尔—库伦准则所建模型的准确性进行验证,并利用准确性得到验证的案例模型进行岩土体参数敏感性分析,确定出需要待反演的岩土体参数;然后利用Midas gts NX有限元软件、摩尔—库伦本构模型建立依托工程的有限元数值模型,为选择适合本项目的BP神经网络提供训练样本;最后利用现场实际监测数据通过BP神经网络进行边坡实际岩土体参数的反演,并用现场实际监测数据验证反演所得岩土体参数的准确性,从而进行边坡的稳定性研究。本文采用高边坡数值模拟和位移反分析的方法进行边坡的稳定性研究,主要取得以下研究成果:(1)通过经典数值模拟案例分析得,利用Midas gts NX有限元软件、摩尔—库伦准则所建模型的准确性更高,误差在可控范围之内,可用该软件进行后续分析研究;(2)通过分析岩土体参数对边坡安全系数和边坡坡面不同深度位移的敏感性,确定出需要对弹性模量E、粘聚力C、摩擦角φ三种岩土体参数进行位移反分析;(3)DPS数据处理系统与Midas建立的依托项目数值模型相结合,获取BP神经网络的训练样本,通过不断调整借助Matlab软件建立隐含层待定的BP神经网络,最终选用出方差最小为0.61时的BP神经网络用于本项目岩土体参数的反演;(4)利用4号监测点数据对反演所得岩土体参数进行验证,结果表明计算位移值与实测值的误差最大为6.589%,小于10%,表明反演所得岩土体参数是准确的,可用于后续的边坡稳定性分析中,即证明位移反分析法可用于岩质边坡的稳定性研究。除此之外,本论文实现了边坡智能监测和稳定性分析的完美结合,为高边坡的稳定性研究提供了新的思路。