共查询到20条相似文献，搜索用时 468 毫秒
1.
一种双折减法与经典强度折减法的关系 总被引：4，自引：0，他引：4
经典强度折减法的出发点是对强度值进行折减,进而导致对强度（准则）中的参数使用同一个折减系数。使边坡处于整体临界平衡状态的折减系数恰是边坡的强度储备安全系数。一些学者陆续提出了对黏聚力和内摩擦角采用不同折减系数的所谓双折减法,但尚无严格的理论依据。提出双折减法的出发点是对强度（准则）中的参数进行折减,或简称“强度参数折减”,这样可自然导致采用不同的折减系数,但此时已无法自动得到基于强度储备的安全系数。为此,提出了定义安全系数的新框架--基于参照边坡的安全系数定义,为双折减法建立了理论基础。将新提出的一种双折减法与经典强度折减法进行了比较,发现可以将经典强度折减法纳入该双折减法的计算过程,并从理论上证明了该双折减法的安全系数几乎总是小于经典强度折减法的安全系数,数值模拟实例也证实了这个结论。这表明,经典强度折减法有可能高估了边坡的安全性,建议的双折减法可作为边坡稳定分析的备选方法之一。 相似文献
2.
基于M-C准则的强度折减法分析边坡稳定性研究 总被引：8，自引：0，他引：8
在对基于M-C准则的有限元强度折减法分析边坡稳定性理论研究的基础上,编写了相应的有限单元法分析程序。通过对相关考题和算例的分析表明,其分析成果与极限平衡法的分析成果是一致的,这表明基于M-C准则的有限元强度折减法在边坡稳定性分析中是可行的,其分析成果是可靠的。 相似文献
3.
用局部强度折减法进行边坡稳定性分析 总被引：4，自引：0，他引：4
边坡的变形与其稳定性具有内在的必然联系,因而可以通过变形场来对边坡的稳定性进行判断。传统的强度折减法基于理想弹塑性模型对所有单元进行强度折减,所求解出来的变形场并不能很好地反映出边坡失稳时的真实变形。实际上,边坡的失稳是由于局部土体的强度降低所致的,因此提出只对局部土体单元进行强度折减、其他土体单元保持原有强度不变的局部强度折减法,本构模型采用变模量弹塑性模型。工程实例计算分析表明,基于变模量弹塑性模型的局部强度折减法对边坡进行稳定性分析是可行的。 相似文献
4.
《岩土力学》2019,(12):4865-4872
广义Hoek-Brown(HB)准则广泛应用于岩体的计算和分析,然而,广义HB准则是典型的非线性强度准则,不能直接在有限元强度折减法中采用来开展岩体的稳定性分析。针对这一问题,开展瞬时线性化研究,根据已有的应力状态将HB强度包线上一点的抗剪强度转化为该点切线对应的黏聚力和内摩擦角,并提出了两种瞬时线性化强度折减方案:(1)基于弹塑性分析获得的应力场,对每个应力点专属的瞬时Mohr-Coulomb(MC)强度参数进行折减,相应的方法记为Point-IL-SSRFEM;(2)由于传统有限元法要求单元的抗剪强度参数保持不变,在每个单元上各个应力点获得瞬时MC强度参数后,对这些参数进行单元均一化处理并进行折减,相应的方法记为Element-IL-SSRFEM。基于岩质边坡算例,对比和评述了三参数等比折减技术和瞬时线性化强度折减技术。数值分析结果表明:与Element-IL-SSRFEM相比,Point-IL-SSRFEM对网格划分的要求较低,计算精度和计算效率相对较高;与三参数等比折减相比,Point-IL-SSRFEM的计算精度高、计算性能稳定。因此,推荐使用Point-IL-SSRFEM来分析岩质边坡的稳定性。 相似文献
5.
目前的强度折减法大多基于Mohr-coulomb准则,而较少基于Hoek-Brown准则。为了在Hoek-Brown准则中实施强度折减法,并使其得到的结果与Mohr-coulomb准则中强度折减法得到的结果等效,本文利用Hoek-Brown准则参数m、s、σci与粘结力c和内摩擦角φ之间的关系,在Hoek-Brown准则中同时对m、s实施强度折减,通过理论推导得到m、s折减系数之间的关系;并进一步推导得到m、s折减系数与基于Mohr-coulomb准则强度折减系数之间的关系;最后,由FLAC3D软件建立计算模型,采用所确定的折减方法计算边坡的安全系数,并将该结果与极限平衡法所得到计算结果进行比较,结果表明:本文确定的折减方法与极限平衡法所得到的安全系数的相差仅1.76%,验证了本文所确定的强度折减法的可行性。 相似文献
6.
基于有限差分强度折减法的略阳电厂边坡稳定性分析 总被引：2，自引：0，他引：2
将强度折减理论应用于边坡稳定性分析中,借助FLAC/SLOPE有限差分分析程序,选择弹塑性Mohr-Coulomb模型及其破坏准则,以大唐略阳电厂边坡作为工程实例,分析了该边坡的稳定性,并与传统的Bishop法、Janbu法等方法计算所得边坡稳定系数进行了对比分析。结果表明,有限差分强度折减法能更加真实地反映边坡的实际情况,求得的边坡稳定系数更接近边坡的实际稳定状态,显示出其在边坡稳定性分析中的一定优势。 相似文献
7.
采用不同Drucker-Prager屈服准则得到的边坡安全系数的转换 总被引：3，自引：0，他引：3
研究了边坡稳定分析的有限元强度折减过程中（平面应变条件下）Drucker-Prager（简称D-P）屈服面的变化特点,从而提出了有限元强度折减法采用不同屈服准则计算得到的边坡安全系数之间的转换关系式。在利用有限元强度折减法计算边坡稳定安全系数时,ANSYS有限元软件采用的岩土材料屈服准则为Mohr-Coulomb（简称M-C）六边形外接圆D-P准则,可先求出外接圆D-P准则条件下的安全系数,然后利用所提出的安全系数转换公式就可直接计算出各D-P准则条件下的安全系数。因此,通过转换就可以在ANSYS程序中实现不同M-C准则,而不需要进行二次开发。采用ANSYS软件通过算例分析,比较了由转换关系式得到的安全系数与实际计算的结果,讨论了转算结果的误差。算例结果表明：通过转换关系式得到的安全系数与计算得到的结果非常接近,具有比较高的计算精度,同时也证明所提出的方法是可行的。 相似文献
8.
针对节理岩质边坡稳定性分析问题,开展了基于Hoek-Brown破坏准则的强度折减法研究。边坡的失稳过程是一个渐进累积破坏过程,破坏过程中各强度参数的衰减程度不同,在强度折减法中对应的折减系数也不同,不同折减系数间关系的确定及其综合安全系数的定义值得深入探讨。首先从岩体材料软化（硬化）特性出发,根据岩体强度参数从峰值强度到残余强度的变化规律,推导了Hoek-Brown破坏准则中3个强度参数折减系数间的数学关系式,然后以折减前后滑面上抗滑力之比定义综合安全系数来评价边坡的稳定性,最后结合算例验证了该方法的合理性,可有效应用于节理岩体边坡的稳定性分析。 相似文献
9.
结合工程算例,采用强度折减有限元法,对边坡治理前后的稳定性进行了分析。结果表明,有限元强度折减法能更加直观的得到坡体的实际破坏形式,求得的边坡稳定系数更接近边坡的实际稳定状态,显示出其在边坡稳定性分析中的一定优势。 相似文献
10.
通过野外观测与室内试验发现,边坡后缘往往存在拉应力区。拉应力区的存在会影响边坡的稳定性,而地震荷载的存在会放大这种影响。分析拉应力区对边坡稳定性的影响,当前主要采用的方式为:对强度准则中抗拉强度进行折减（即张拉截断）。文章通过极限分析上限原理和拟静力法,推导出边坡临界加速度计算方程。以边坡在不同参数组合下的位移系数为基础,输入实测地震波,采用改进的Newmark法对边坡进行位移分析。文章算例的结果表明:拉应力区的存在会大大降低边坡临界加速度,土体在完全张拉截断下的临界加速度对边坡可能会产生超过50%的折减。拉应力区的存在也可以使永久位移达到传统的摩尔库伦理论计算值的2倍之多。文中所有的结果皆以图表形式展示,非常便于理解以及读取数据。 相似文献
11.
12.
《地学前缘(英文版)》2020,11(5):1511-1531
The nature of the measured data varies among different disciplines of geosciences.In rock engineering,features of data play a leading role in determining the feasible methods of its proper manipulation.The present study focuses on resolving one of the major deficiencies of conventional neural networks(NNs) in dealing with rock engineering data.Herein,since the samples are obtained from hundreds of meters below the surface with the utmost difficulty,the number of samples is always limited.Meanwhile,the experimental analysis of these samples may result in many repetitive values and 0 s.However,conventional neural networks are incapable of making robust models in the presence of such data.On the other hand,these networks strongly depend on the initial weights and bias values for making reliable predictions.With this in mind,the current research introduces a novel kind of neural network processing framework for the geological that does not suffer from the limitations of the conventional NNs.The introduced single-data-based feature engineering network extracts all the information wrapped in every single data point without being affected by the other points.This method,being completely different from the conventional NNs,re-arranges all the basic elements of the neuron model into a new structure.Therefore,its mathematical calculations were performed from the very beginning.Moreover,the corresponding programming codes were developed in MATLAB and Python since they could not be found in any common programming software at the time being.This new kind of network was first evaluated through computer-based simulations of rock cracks in the 3 DEC environment.After the model's reliability was confirmed,it was adopted in two case studies for estimating respectively tensile strength and shear strength of real rock samples.These samples were coal core samples from the Southern Qinshui Basin of China,and gas hydrate-bearing sediment(GHBS) samples from the Nankai Trough of Japan.The coal samples used in the experiments underwent nuclear magnetic resonance(NMR) measurements,and Scanning Electron Microscopy(SEM) imaging to investigate their original micro and macro fractures.Once done with these experiments,measurement of the rock mechanical properties,including tensile strength,was performed using a rock mechanical test system.However,the shear strength of GHBS samples was acquired through triaxial and direct shear tests.According to the obtained result,the new network structure outperformed the conventional neural networks in both cases of simulation-based and case study estimations of the tensile and shear strength.Even though the proposed approach of the current study originally aimed at resolving the issue of having a limited dataset,its unique properties would also be applied to larger datasets from other subsurface measurements. 相似文献
13.
基于差异进化算法的前馈神经网络在大坝变形监测中的应用 总被引：1，自引：0，他引：1
针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。 相似文献
14.
15.
充分认识岩石的地质本质性是准确描述其物理力学特性的桥梁。岩石的地质本质性涵盖了岩石的物质性、结构性和赋存状态3个方面的内容。在综合考虑岩石上述3方面特征及其与单轴试验联系的基础上,以矿物组成、密度、纵波波速和含水状态为基本指标,采用回归和BP神经网络的方法对碳酸盐岩单轴抗压强度进行预测,并采用灰色关联分析法验证本研究所选用的预测基本指标的合理性。实例应用表明：本次采用的回归方法对该类岩石强度预测的最大误差为15.3%,BP神经网络方法预测的最大误差为8.5%。预测误差出现的原因为碳酸盐岩物质组成复杂,所选预测基本指标是实际情况的简化,同时泥灰质岩石所具有的膨胀性也导致实测和预测结果具有一定的差异。 相似文献
16.
Seyed Adel Ahmadi Hosseini S. Farid F. Mojtahedi 《Georisk: Assessment and Management of Risk for Engineered Systems and Geohazards》2020,14(2):142-157
ABSTRACTGround improvement techniques are inevitable for weak soils that cannot endure the design load imposed by superstructures. Deep mixing technique (DMT) as one of these methods is promising and effective when a deep soil layer with low bearing capacity is encountered. Such deposits are quite common in the South-west of Iran where the studied site is located. In order to validate the influence of DMT on the enhancement of strength, both in-situ and laboratory tests were conducted. Afterwards, a parametric study was carried out to investigate the influence of key factors including cement content, water–cement ratio, curing time and plasticity index (PI) on the performance of DMT. In summary, a total of 192 different conditions were examined in this study by using two methods of 3D plotting and artificial neural networks (ANNs) as the optimisation tool. Results proved the importance of water–cement ratio as a key parameter in DMT. Based on the trained networks, ANN was revealed to give satisfactory predictions on the strength of an improved soil with different admixture conditions. More important, the optimisation made by ANN could determine the specific values for selected key admixture factors to reach a desired strength level with the coefficient of determination higher than 0.85. 相似文献
17.
应用自适应算法对BP网络进行改进，可以提高BP网络的收敛速度和全局寻优性能。在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率的神经网络模型为例，通过网络的学习、训练，建立测井解释神经网络模型。并应用此模型，定量计算出多口井的渗透率值，与常规渗透率计算结果相比，BP的解释结果及精度均令人满意，同时还取得了良好的实际应用效果。 相似文献
18.
Artificial neural networks are used to predict the micro‐properties of particle flow code in three dimensions (PFC3D) models needed to reproduce macro‐properties of cylindrical rock samples in uniaxial compression tests. Data for the training and verification of the networks were obtained by running a large number of PFC3D models and observing the resulting macro‐properties. Four artificial networks based on two different architectures were used. The networks used different numbers of input parameters to predict the micro‐properties. Multi‐layer perceptron networks using Young's modulus, Poisson's ratio, uniaxial compressive strength, model particle resolution and the maximum‐to‐minimum particle ratio showed excellent performance in both training and verification. Adding one more variable—namely, minimum particle radius—showed degrading performance. Copyright © 2009 John Wiley & Sons, Ltd. 相似文献
19.
20.
建筑物震陷预测新方法研究 总被引：1，自引：0，他引：1
利用人工神经网络的基本原理，本文修正了经典BP型神经网络的激励函数，并对学习率和训练样本进行了动态调整等多方面改进。根据70个多层建筑震陷的实测资料，在分析了建筑物震陷的影响因素基础上，提取了9个指标；采用改进后的BP算法，建立了多指标的建筑物震陷预测模型。研究结果表明，改进的BP网络性能良好，所建立的模型预测精度高，具有一定的工程实用价值；神经网络法是一种有效可行的预测新方法，人工神经网络技术具有广泛的应用前景。 相似文献