摘要：含缓倾软弱夹层岩质边坡中,存在应力场、渗流场等多场相互作用。由于不同区域缓倾软弱夹层形成的地质条件和组成成分不同,导致软弱夹层力学参数各异,在渗流场和应力场耦合作用下软弱夹层力学性质相对于自然状态亦会产生变化,因此流固耦合作用下缓倾软弱夹层参数特征的研究成为边坡稳定性分析与治理工作中需要进一步研究的问题。为探求流固耦合作用下含缓倾软弱夹层典型相关参数对岩坡稳定性的影响程度,以四川省金顶黄山石灰石矿山边坡为研究对象,基于强度折减法和流固耦合理论对边坡进行稳定性分析,选取软弱夹层倾角、厚度、内摩擦角及黏聚力设计正交试验,并采用极差分析和单因素分析法对各参数在边坡稳定性分析中的敏感性进行研究。研究结果表明:在流固耦合作用下,软弱夹层厚度越大、黏聚力越高,边坡稳定性不一定越好;软弱夹层倾角越小、内摩擦角越大,边坡越趋向于稳定。

摘要：受流变特性的影响,岩体的力学参数具有时效性。为得到边坡时效安全系数,在FLAC数值模拟软件中,通过对岩体抗剪强度参数先折减再流变、先流变再折减及强度参数随流变时步折减(老化理论)3种方式将流变分析与强度折减法相结合,实现了理想弹塑性与黏弹塑性分析的有机结合。研究了时效安全系数的物理意义,利用边坡特征点水平位移增量量化表征了岩体流变特性对稳定性的影响程度;采用岩体强度参数的初始瞬时值和长期强度值,计算得到了考虑边坡时效性安全系数的上下限值。结合黄山石灰石矿山工程实例分析得到:采用抗剪强度参数长期值和瞬时值进行流变分析的结果与现场实际监测数据误差较大,强度参数随流变时间折减时最大误差为5.03%,拟合度最高,模拟结果最接近工程实测分析,能够为边坡长期稳定性评价及滑坡预警预测提供理论依据;将边坡设计的永久性过渡到时效性,流变计算5 a,边坡的安全系数由1.35降低至1.25,表明未来5年边坡处于稳定状态。

摘要：针对传统类神经网络智能优化算法存在的拟合性和泛化性不足等缺陷,引入一种集成学习算法——随机森林(RF)算法,为智能优化方法提供了一种新的求解方式。通过以黄山某石灰石矿山边坡软弱夹层力学参数为对象构建正交设计样本,将随机森林(RF)算法与传统BP神经网络和GA-BP神经网络模型的性能进行对比,结果表明RF算法在数据拟合精度和运行速率相较于类神经网络算法有很明显的优势,凭借其不易陷入过拟合以及泛化能力强的特点,能够很好地构建数据间的映射关系,同时算法模型凭借控制参数较少具有很好的可操作性。结合粒子群算法(PSO)的全局寻优能力,组合成RF-PSO混合算法应用到矿山边坡软弱夹层力学参数反演分析中,获得的反演力学参数通过边坡工程地质数值模型进行正分析对比,结果表明反演力学参数正分析计算的精度达95%以上,为矿山边坡软弱夹层力学参数反演分析提供了一种新的方法。