论文部分内容阅读
渗流是土石坝失事的主要原因之一,利用土石坝渗流监测资料不仅可直接分析土石坝的渗流安全,而且可反演坝体的渗流系数,提高土石坝渗流场分析的可靠性。但对高土石坝,心墙在填筑施工中会形成超静孔隙水压力。监测资料显示,高坝心墙内的测压管水位有的会超过上游水位,甚至高于坝顶,而且心墙超静孔隙水压力的消散很慢,一般会维持多年。这将直接影响高心墙坝前期的渗流安全,甚至引起心墙的水力劈裂,严重干扰渗流场计算、分析与渗流安全性评价。因此,进行高土石坝心墙超静孔隙水压力研究有重要的理论价值和工程实际意义。高心墙坝内的超静孔隙水压力至今没有有效的分析方法。本文以糯扎渡砾石土心墙堆石坝为研究对象,深入分析了心墙坝孔隙水压力的原型监测资料,采用基于比奥固结理论的有限元法对该坝进行了固结计算与分析,提出了心墙孔隙水压力消散的简化计算方法并用于剔除心墙测点的超静孔隙水压力,通过建立的粒子群算法(PSO)优化径向基函数(RBF)神经网络模型反演了大坝的渗流系数。主要研究内容和结论如下:1.分析了糯扎渡大坝心墙孔隙水压力监测资料。发现心墙内孔隙水压力的增长速率与填筑速率有良好的正相关性;心墙内测点高程越低孔隙水压力越大,心墙填筑完成时,底部最大孔隙水压力占其上覆土重的55.9%,其相应的测压管水位已高于坝顶高程;水库蓄水时,心墙孔隙水压力上升。因为心墙的渗流系数很小,渗流的形成滞后,渗流对心墙内孔隙水压力的影响有限。蓄水期间孔隙水压力上升主要由蓄水作用力和上游坝壳的湿化变形引起。具体讲蓄水水压力作用于心墙上游面,其中竖向分力对心墙上游部分区域有压缩作用,上游坝壳堆石料的浸水湿化下沉带动心墙有向上游的弯曲效应,以及水压力的水平分量形成的指向下游的弯曲效应,三种效应组合使心墙压应力增加,从而导致心墙孔隙水压力上升。在大坝填筑及运行前期,与填筑相比,水库蓄水对孔隙水压力的影响属次要因素。2.基于比奥理论,采用有限元法对糯扎渡大坝进行了固结计算。结果显示,填筑期孔压计算值小于实测值,计算得到的孔压消散速度也快于实测消散速度。这是因为当前有限元计算体积应变预测精度不高,高坝心墙在不同高程处应力条件相差较大,使得有限元计算中心墙的固结参数无法准确确定所致。为降低拱效应,适当松置反滤料,可减弱坝壳与心墙之间的应力传递。再加上坝体填筑期间坝体轮廓基本保持以心墙为中心的对称,致使竣工期心墙内的大主应力等值线基本水平,小主应力等值线在心墙附近几乎水平。因此,心墙固结可视为成层土的固结问题。由于碾压心墙的水平渗流系数较竖直方向大若干倍,故固结过程中的渗流沿水平方向进行,并通过上、下游反滤料排出。据此,推导了心墙竖向承压、水平排水的孔压消散控制方程,并进行了求解。但心墙各部位的应力条件迥异,研究中考虑不同高程固结系数的变化,对大坝超静孔压消散进行了计算,得到的测点水头与实测值吻合较好。该方法计算简便,无需进行复杂的固结有限元分析,涉及参数少,计算成本低,计算精度可满足工程要求,对分析高土石坝心墙的孔压消散有重要的工程实际意义。3.提出了粒子群算法(PSO)优化径向基函数(RBF)神经网络的土石坝渗流系数反演方法。该方法通过PSO优化RBF神经网络的结构参数,包括隐含层的中心、宽度和输出层的连接权值,借助RBF神经网络通过隐层的多个高斯径向基函数和输出层的线性函数实现从测点水头到渗流系数的映射,以近似替代由水头求解渗流系数的隐式表达式。对实测孔压剔除超静孔隙水压力(考虑了孔压消散修正),采用本文提出的孔压消散的简化方法剔除心墙内的超静孔隙水压力,反演了糯扎渡大坝心墙的水平、竖向渗流系数及反滤料Ⅰ区与粗堆石料Ⅱ区的渗流系数。采用反演获得的渗流系数进行稳定渗流场的计算,并与观测值进行比较,吻合效果较好,说明提出的反演渗流系数的方法及剔除超静孔隙水压力水头的方法是合理的。