西南某电厂高填方边坡不稳定变形的数值与物理模拟研究

边坡稳定性问题一直是工程地质专业较突出的问题之一，而在稳定性分析过程中，高填方边坡的不稳定变形是工程设计、治理的最终核心问题。以西南某电厂高填方边坡为例，采用FLAC3D对高填方边坡进行三维实体模拟及变形计算，同时，利用降雨物理模拟试验对边坡变形进行验证分析。通过数值模拟和物理模拟试验，得出以下结论:降雨条件下，土体达到饱和时，边坡变形达到最大值，且产生应力集中现象，致使边坡发生进一步破坏；通过物理模拟验证边坡的具体变形，分析得出降雨对边坡造成变形的作用机理。     

水流冲击下益阳外环路基边坡三相耦合及可靠性分析

以益阳外环路路基边坡为例，运用COMSOL Multiphysics软件，对边坡在10 mm/h的水流冲击作用下48小时内的各项参数进行有限元分析，根据边坡各项参数随空间分布的差异性，将其以随机变量来表示，并选取边坡顶部、中部和底部三个位置的各项参数进行灵敏度分析，忽略灵敏度较小的参数的随机性，以达到简化计算的目的。最后分析边坡不同位置的可靠性随水流冲击时间的变化情况，找出了边坡的危险位置，为边坡的预警与加固提供依据。     

兰永线顺层岩质边坡稳定性及治理措施研究

以兰永线一级公路路堑边坡为工程背景，阐述了节理顺层边坡破坏模式和讨论了边坡稳定性的影响因素，同时对其支护措施进行论述，并利用岩土分析软件PLAXIS进行了数值分析计算。分析结果表明:边坡的最大位移不一定发生在坡脚，而是发生在坡脚之上第一个节理层位置处；其次采用强度折减法研究稳定性，节理层岩体特性对稳定性的变化影响较大；边坡采用板墙加预应力锚索治理措施，确保了边坡的稳定。     

基于蒙特卡洛法与极限分析上限法的边坡失效概率分析

边坡稳定性分析中，相比安全系数的确定性分析方法，可靠度方法可考虑系统中岩土参数的随机性，更加符合实际。为获得准确的边坡可靠度解答，采用蒙特卡洛法和极限分析上限法，结合边坡算例，对其边坡可靠度进行了分析。结果表明:对于具有相同岩土材料参数变异性与高度的边坡，其失效概率与自身安全系数有一定对应关系，得出的边坡概率模型避免了对同类边坡（相同变异性与坡高）可靠度（用失效概率表达）的逐个分析，大大提升了工作效率。     

蒙特卡洛法在边坡锚杆优化设计中的应用

在边坡可靠性分析的基础上，以边坡几何形状，边坡加固为设计变量，建立了以经济指标为设计目标的目标函数，并采用蒙特卡洛法进行锚杆边坡的优化设计。     

漳永高速公路某高边坡稳定性分析及治理设计

运用Slide计算软件对漳永高速公路CK0+139~+414段右侧高边坡稳定性进行计算，分析边坡在不同工况下的安全状况。计算结果表明:边坡在未支护情况下，安全系数为1.148；对其进行防护加固后，边坡安全系数提高到1.209，尽管提高了边坡的稳定性，但未考虑到其他不确定性因素（如持续强降雨、台风等）的影响，无法保障边坡的稳定安全；对边坡进行补强加固措施后，边坡安全系数为1.353，满足规范要求，能保证边坡稳定安全。     

岩体破碎边坡锚杆框架梁支护稳定性分析

红砂岩路堑边坡岩体破碎，适宜用锚杆框架梁护坡，本文对采用锚杆框架梁护坡后的边坡，按虚拟重力式挡墙进行稳定性分析，然后采用平面有限元分析锚杆受力和边坡受力情况。结果表明，边坡的锚杆深度在5m左右较为合理，锚杆主要起联结破碎岩体和支撑混凝土骨架作用，对边坡设计有一定的指导价值。     

考虑临界体积含水率作用的无黏性边坡模型试验

针对路基边坡失稳进行分析，研究改进无黏性边坡模型试验，在恒定降雨强度下，边坡体积含水率随时间变化，将初始恒定体积含水率定义为临界体积含水率θ_iqs；通过图像处理技术，对不同土层厚度下边坡内部任意位置处的体积含水率与边坡位移之间关系进行分析。试验监测不同深度下的水分分布，对垂直方向的降雨渗透行为进行评估；在超过初始的θ_iqs后，体积含水率的增加会导致地下水位线的上升，从而诱发边坡变形，随即产生位移，θ_iqs可作为预测坡趾失稳指标；在边坡中上部范围内，当未超过θ_iqs但土体内部已经形成饱和带时，边坡也会发生小部分位移。     

山区高等级公路边坡病害的类型分析

清连公路是广东省粤西北山区第一条高等级公路。路堑边坡高陡，时有边坡病害发生，对正常公路运输已构成威胁。本文对清连公路边坡估的类型、特征及其发展趋势进行了研究，对边坡病害与公路工程的关系进行了分析，并对如何加强工程地质工作提出建议。     

基于GWO-SVR模型的基坑边坡变形预测及敏感性分析

准确预测基坑边坡变形是确保隧道明挖顺作施工的关键工作。针对传统预测方法无法表征土的物理力学参数与基坑边坡变形非线性关系和单一预测算法精度和鲁棒性低的局限性，鉴于此，提出了一种基坑边坡变形的灰狼算法(GWO)优化支持向量回归机(SVR)预测模型。通过GWO对SVR预测模型c和g进行自动寻优，建立了GWO-SVR预测模型；以某基坑边坡为例，利用该模型进行预测，并与未进行GWO优化的SVR进行对比分析；最后，利用主成分分析法对不同影响基坑边坡变形指标进行敏感性分析，分析影响指标的影响权重。结果表明：GWO-SVR预测模型能够有效地预测基坑边坡变形，GWO算法优化后，SVR预测模型精度和鲁棒性提高约2倍；压缩模量和渗透系数的敏感性最高，对基坑边坡变形影响程度最高。可为基坑边坡变形的长期预测提供一种思路和方法。