基于随机响应面法的金鸡岭岩质边坡可靠度分析及抽样方法对比
1武汉科技大学资源与环境工程学院,湖北 武汉 430081
Reliability Analysis and Sampling Method Comparison of Jinjiling Rock Slope Based on Stochastic Response Surface Method
1College of Resources and Environment Engineering,Wuhan University of Science and Technology,Wuhan 430081,Hubei,China
通讯作者:
第一联系人:
收稿日期: 2017-09-20 修回日期: 2018-01-26 网络出版日期: 2018-04-30
Received: 2017-09-20 Revised: 2018-01-26 Online: 2018-04-30
关键词:
Keywords:
本文引用格式
盛建龙, 翟明洋.
SHENG Jianlong, ZHAI Mingyang.
边坡工程作为一种复杂的岩土系统工程,其稳定性受到诸多因素的影响。这些因素往往具有不确定性,由于对边坡不确定性研究和认识不足导致的滑坡灾害时有发生。一般认为岩土工程不确定性因素主要分为两类:一类是物理不确定性因素,如力学参数空间变异性、应力场和渗流场分布、振动荷载及自然降雨影响等,这类不确定性因素是物理量本身的固有属性,无法完全消除但可以运用控制手段降低影响;另一类是认知不确定性因素,如分布参数的统计不确定性、各种力学模型及失效准则的模型不确定性、系统行为传播机理的传播不确定性等,这类不确定性因素需要发展新的研究理论、分析评价方法及监测防控技术予以降低[1]。近年来,可靠度理论因同时考虑了岩土系统工程内部和外部不确定性因素的影响而在岩土工程中得到了广泛应用。边坡工程可靠度分析方法主要有2种:将确定性分析与随机分析进行耦合的随机有限元法[2]和将二者独立展开进行的非侵入式分析方法[3]。随机有限元方法将概率分布参数嵌入有限元数值分析过程中,编程复杂,计算量较大,因此难以在工程上推广。然而,在随机有限元法的基础上发展起来的非侵入式随机分析方法因解耦了确定性分析与随机分析过程,计算量显著减少、计算精度提高且分析方法更为灵活,因此得到了工程界的广泛关注。
1998年,美国学者Isulapalli等[4]首次提出了随机响应面法并率先将其应用于环境和生物系统不确定性分析。近年来,许多学者开展了边坡工程非侵入式随机分析方法的研究,如:蒋水华等[5]首次将非侵入式随机分析方法运用于水电工程复杂三维开挖边坡的可靠度计算;李典庆等[6]将此法运用于洞室变形可靠度计算及敏感性分析;胡冉等[7]采用此法研究了心墙堆石坝渗透可靠度问题。上述研究主要针对可靠度分析方法和参数变异性等方面,却忽略了非侵入式随机分析的关键问题,即随机抽样配点方法对可靠度分析的影响。随机抽样配点方法决定了样本观测点在变量分布空间的位置,对响应面函数的拟合精度、可靠度分析结果和安全系数统计特征等有着重要影响。因此,本文在采用Hermite随机响应面法对岩质边坡进行可靠度分析的基础上,系统对比分析了常见的4种抽样配点方法对响应面拟合精度和可靠度分析结果的影响,为岩土工程可靠度分析时抽样方法的选取提供参考。
1 基本理论
1.1 有限元滑面应力法
有限元滑面应力法(Slip Surface Stress Method,简称SSSM)是一种基于有限元算法的边坡稳定性数值分析方法[8]。在求解边坡初始应力场的基础上,通过对滑面S上的真实抗剪力和滑动抗剪力进行积分,将安全系数定义为二者的比值,可表示为
式中:
相比极限平衡法,该方法考虑了岩土材料应力应变本构模关系和初始应力场对边坡稳定性的影响。而较之有限元强度折减法,该方法具有计算量小、易获取潜在滑面位置和运行速度快等优点。有限元滑面应力法可借助GEOSTUDIO等岩土仿真软件实现。具体做法:首先采用SIGMA/W程序进行有限元原位计算,求解边坡初始应力场分布,将每个积分点的应力映射到单元节点并取节点应力平均值,然后将计算结果导入SLOPE/W模块进行边坡稳定性分析,通过沿滑面底部划分土条,根据土条底部中点应力、滑面倾角和土条长度等信息计算每个土条底部的真实抗剪强度和剪应力,最后通过该模块自带的剪入剪出方法或其他自动搜索法搜索临界滑面和临界安全系数
1.2 Hermite随机响应面法
则边坡功能函数可表示为
待定系数数目可表示为
式中:
1.3 抽样配点方法
常用的概率抽样配点方法有均匀设计抽样、拉丁超立方抽样(LHS)、改进拉丁超立方抽样和分层抽样等。以上述4种抽样方法作为研究对象,根据各抽样方法原理要求,借助EXCEL电子表格及MATLAB的randperm()函数将产生的初始样本数列随机打乱,最终产生N组抽样样本点。
均匀设计抽样是在均匀选取设计水平的基础上,利用均匀设计表及其使用表来设计试验方案,使试验点均匀散布于样本空间[14]。采用MATLAB编制均匀设计表
图1
由样本点分布可知,均匀设计抽样减小了样本点的随机性,样本点分布呈现规律性,均匀分布于样本空间;而LHS抽样和改进LHS抽样的样本点主要集中于变量均值附近,改进LHS抽样产生的样本点较LHS抽样样本点更为集中;分层抽样样本点分布区域较广,样本点覆盖到了变量概率分布的尾部。
2 边坡可靠度非侵入式分析模型
2.1 边坡工程概况
金鸡岭岩质边坡最大坡高33.4m,分为三级,第一级边坡坡率约为1∶0.8,坡高8 m,宽度约为2 m;第二级边坡坡率约为1∶0.9,坡高9 m,宽度为1.5~2.0 m;第三级边坡坡率为约为1∶1.0,最大坡高为13 m。边坡地质条件单一,边坡由矽卡岩强风化岩体及其接触变质带构成,接触变质带节理裂隙发育,规律较差。岩体内发育2组节理剪节理,节理面平直光滑,基本不张开,无充填,延展性差,长度一般为3~5 m。上部覆盖0.5~2.5 m第四系残坡积层,局部地段有粉质粘土。边坡地表排水较好,勘察期间未见地下水。为简化计算不考虑结构面的影响,边坡简化几何模型如图2所示。
图2
2.2 边坡有限元稳定性分析
不考虑边坡节理裂隙和降雨等因素的影响,选取岩质边坡7-7剖面进行有限元数值模拟分析。边坡上覆一层厚度为0.5~2.5 m的粉质粘土,下部为矽卡岩强风化层。由式(4)可知,Hermite随机多项式展开系数数目会随着随机变量数目的增大而增大,为减小计算量,将边坡稳定性影响程度较大的岩土参数
表1 岩土物理力学参数及统计特征
力学参数 | 统计参数 | 粉质粘土 | 矽卡岩强风化岩层 | 分布类型 |
---|---|---|---|---|
粘聚力c/kPa | 均值μ | 25.0 | 60.0 | 正态分布 |
变异系数COV | 0.25 | 0.22 | ||
内摩擦角φ/(°) | 均值μ | 23.0 | 25.0 | 正态分布 |
变异系数COV | 0.16 | 0.15 | ||
重度γ/(kN/·m-3) | 均值μ | 18.8 | 21.5 | 正态分布 |
变异系数COV | 0.20 | 0.18 | ||
弹性模量E/MPa | 30.5 | 33 600.00 | 常量 | |
泊松比(ν) | 0.35 | 0.26 | 常量 |
图3
岩土材料为服从Mohr-Coulomb准则的弹塑性本构模型;模型左右边界施加水平位移约束,下边界为全约束;将模型划分为四边形和三角形网格,有限单元网格共4 152个,节点4 171个,对边坡表层存在滑坡危险的区域有限单元网格进行适当加密处理。将岩土力学参数均值输入有限元模型,计算所得的边坡安全系数为0.930,说明从确定性分析角度来看,该边坡稳定性很差,需立即采取加固措施。
2.3 边坡稳定可靠度分析模型
边坡可靠度分析过程中取随机变量
图4
表2 失效概率与岩土结构安全性能的关系
失效 概率 | 可靠度指标 | 性能水平 | 处理措施 |
---|---|---|---|
3.0×10-7 | 5 | 高 | 正常维护 |
3.0×10-5 | 4 | 较好 | 正常交通情况下维护 |
0.001 | 3 | 平均安全水平以上 | 关闭以修复 |
0.006 | 2.5 | 平均安全水平以下 | 频繁停用以修复 |
0.023 | 2 | 较差 | 频繁较长时间停用以修复 |
0.07 | 1.5 | 不容乐观 | 集中修复 |
0.16 | 1 | 灾难性的 | 紧急行动以减轻灾害 |
3 抽样配点方法研究
3.1 响应面精度验算结果对比分析
在边坡可靠度分析之前须对响应面函数拟合精度进行验算,以确保分析结果的准确性。采用相关指数
式中:
响应面拟合精度与响应面函数形式及概率抽样配点方法有关。为研究抽样配点方法对响应面在整个变量定义域空间拟合精度的影响,不仅要验算响应面函数在样本点处的拟合精度,还需随机抽取若干个(取
表3 各抽样配点方法对应的R2验算结果
计算点 | 均匀设计抽样 | LHS | 改进LHS | 分层抽样 |
---|---|---|---|---|
样本点 | 1 | 0.9996 | 0.9999 | 0.9999 |
其他验算点 | 0.9877 | 0.9972 | 0.998 | 0.991 |
由表3可见,根据4种抽样配点方法建立的Hermite随机响应面在样本点处的拟合精度均很高,但在样本点之外随机选取的其他验算点处拟合精度却存在明显差异。由均匀设计抽样构造的响应面虽在样本点处的
3.2 边坡可靠度分析结果对比
为进一步揭示抽样配点方法对可靠度分析的影响,对比4种抽样配点方法对应的边坡失效概率统计特征,并将结果与Monte-Carlo法可靠度分析结果进行对比分析。表4给出了各抽样配点方法所得边坡失效概率均值
表4 各抽样配点方法所得失效概率及其变异系数
抽样方法 | ||
---|---|---|
Monte-Carlo法 | 0.1843 | - |
均匀设计抽样 | 0.2461 | 2.387×10-7 |
LHS | 0.1840 | 1.174×10-7 |
改进LHS | 0.1841 | 1.652×10-7 |
分层抽样 | 0.2127 | 1.985×10-7 |
由表4可见,基于改进LHS抽样的随机响应面法对边坡失效概率的计算精度最高,LHS次之;分层抽样和均匀设计抽样计算所得边坡失效概率均值相比改进LHS和LHS误差明显较大。因此4种抽样配点方法中,改进LHS和LHS适用于随机响应面的概率配点,而分层抽样和均匀设计抽样所得响应面对整个参数空间的拟合精度低于改进LHS和LHS,配点效果不佳。
图5
4 结论
(1)结合有限元滑面应力法和Hermite随机响应面法,采用非侵入式随机分析方法对金鸡岭岩质边坡进行了可靠度分析。金鸡岭岩质边坡未支护状态下的失效概率约为18.4%,偏危险,需采取支护加固措施。
(2)对常见的4种抽样配点方法对响应面拟合精度和可靠度分析结果的影响进行了系统的对比分析。改进LHS和LHS均能够很好地保证所构造响应面的拟合精度、边坡失效概率及安全系数统计特征的准确性,由分层抽样和均匀设计抽样配点所得响应面对整个参数空间的拟合精度相对较低,可能使可靠度分析结果出现较大误差。在对实际工程的可靠度分析中,建议采用改进LHS和LHS抽样进行随机响应面的概率配点计算。另外边坡可靠度分析响应面法需在整个参数空间尤其是样本点以外的验算点对响应面拟合精度进行校验;若响应面精度不符合要求,应返回上一步对响应面函数形式及多项式展开系数进行调整和再验算。
参考文献
水电工程边坡可靠度非侵入式随机分析方法
[D].
A Non-intrusive Stochastic Method for Slope Reliability in Hydroelectricity Engineering
[D].
Stochastic response surface methods for uncertainty propagation:Application to environmental and biological systems
[J].
锦屏一级水电站左岸坝肩边坡施工期高效三维可靠度分析
[J].
Efficient three-dimensional reliability analysis of an abutment slope at the left bank of Jinping I hydropower station during construction
[J].
基于非侵入式随机有限元法的地下洞室可靠度分析
[J].
Reliability analysis of underground rock caverns using non-intrusive stochastic finite element method
[J].
心墙堆石坝渗透稳定可靠性分析的随机响应面法
[J].
Reliability analysis of seepage stability of core-wall rockfill dam based on stochastic response surface method
[J].
Search for critical silp surface based on finite element method
[J].
边坡可靠度分析的随机响应面法及程序实现
[J].
Reliability analysis of slope using stochastic response surface method and code implementation
[J].
基于逐步回归分析的随机响应面法
[J].
Improved stochastic response surface method based on stepwise regression analysis
[J].
基于随机响应面法的结构可靠度分析
[J].
Structural reliability analysis using stochastic response surface me-thod
[J].
考虑参数空间变异性的边坡系统可靠度分析
[J].
System reliability analysis of slope considering spatial variability of soil properties
[J].
基于Kriging方法的结构可靠性分析及优化设计
[D].
Structural Reliability Analysis and Optimization Design based on Kriging Method
[D].
电力系统可靠性评估中的改进拉丁超立方抽样方法
[J].
Improved latin hypercube sampling method for reliability evaluation of power systems
[J].
基于改进拉丁超立方重要抽样方法的结构可靠性分析
[D].
Structural Reliability Analysis (SRA) Based on Improved Latin Hypercube Important Sampling
[D].
基于改进的拉丁超立方参数随机地下水数值模拟研究
[D].
Study on Parameter Stochastic Groundwater Numerical Simulation Based on Improved Latin Hypercube Sampling
[D].
Characterization of geotechnical variability
[J].
Evaluation of geotechnical property variability
[J].
/
〈 |
|
〉 |
