循环荷载下岩石应变率双因素模型实验研究

在单轴压缩、恒幅和变幅下,分别对花岗岩、白砂岩和大理岩进行循环荷载疲劳试验,建立了一种测定岩石疲劳应变率双因素实验模型.实验结果表明,变幅应力是影响岩石疲劳变形特性的主要因素;变幅与恒幅应力相比,变幅应力的基础疲劳寿命和临界强度分别降低了15.8%~18.0%和21.6%~25.8%,临界应变率增加了17.3%~21.3%.尽管岩石的试验数据离散性很大,但该模型对于测定岩石的疲劳应变率和疲劳寿命具有良好的适应性;与传统方法相比,它更准确、更符合实际;该模型对岩石疲劳变形规律的研究和岩石基础工程长期稳定性监测具有实用价值.     

基于被动楔模型的临坡段水平受荷桩计算方法

当基桩设置于临坡地段时,由于靠斜坡一侧土体抗力的削弱作用,其水平承载能力将明显减少。为考虑该削弱效应,基于小比例模型试验提出一个针对临坡段水平受荷桩的改进土体被动楔体模型,该模型根据楔体发展深度的不同,可将土体被动楔体形状分为3种情况,从而充分考虑斜坡形态及基桩临坡距离的影响。在此基础上,根据临坡段与水平面水平受荷桩的差异,提出等效拓展深度的概念,将其导入土体传统p-y曲线方程,进而获得可考虑斜坡削弱效应的水平受荷桩的内力及位移求解方法。运用该方法对临坡水平受荷桩的室内模型试验及现场试验观测进行对比,对比结果表明,本文方法与实测数据吻合良好。     

基于Bootstrap和GA-Elman的土质滑坡坡表变形区间预测

坡体变形是表征边坡稳定性最直观的指标。如何科学合理地解译其演化特征,对滑坡灾害预警防范具有重大的工程意义及科学价值。由于滑坡灾害的影响因素中,很多不确定因素都不可能完全准确地定量分析,只能从定性层面建立影响因素与坡体变形的关系,为了解决滑坡确定性预测方法中未考虑预测与数据误差的问题,量化滑坡点预测结果中的不确定因素的影响,依托滑坡坡表变形点预测方法,提出基于残差Bootstrap与GA-Elman神经网络的区间预测方法。相比于传统方法,通过变形伪数据集的建立、GA-Elman模型的迭代训练与总方差估计、ELM网络残差训练与随机误差方差估计等步骤创建的区间预测方法在预测可靠性、区间宽度、针对特殊变化坡体的预测灵活度等方面都有显著提升。利用Bootstrap重抽样模型、GA-Elman神经网络预测算法以及区间预测理论方法,建立基于Bootstrap和GA-Elman的滑坡变形区间预测模型。研究导致滑坡变形的不同影响因素、预测模型参数及置信区间等对于区间预测模型效果的影响,并运用到现场滑坡中。分析结果表明,所提出的方法可适用于现场滑坡,更好地将滑坡降雨等影响因素与坡体表观变形建立联系,为滑坡...