勘察数据变化条件下空间变异土坡稳定可靠度协同更新方法

田华明; 李典庆

doi:10.11779/CJGE20221579

勘察数据变化条件下空间变异土坡稳定可靠度协同更新方法 English Version

田华明^{1, 2},
李典庆^{1, 2, ,}

1.
武汉大学水资源工程与调度全国重点实验室, 湖北武汉 430072
2.
武汉大学水利水电学院工程风险与防灾研究所, 湖北武汉 430072

基金项目:

国家自然科学基金重点项目 U2240211

详细信息

作者简介:
田华明(1993—)，男，博士，主要从事岩土工程可靠度与风险控制方面的研究工作。E-mail: huamingtian@ whu.edu.cn

通讯作者:
李典庆, E-mail: dianqing@whu.edu.cn

中图分类号: TU431
计量
- 文章访问数: 443
- HTML全文浏览量: 74
- PDF下载量: 112
出版历程
- 收稿日期: 2022-12-27
- 网络出版日期: 2024-03-24
- 刊出日期: 2024-07-31

Collaborative reliability updating of slopes with spatially varying soil properties considering different site investigation data

TIAN Huaming^{1, 2},
LI Dianqing^{1, 2, ,}

1.
State Key Laboratory of Water Resources Engineering and Management, Wuhan University, Wuhan 430072, China
2.
Institute of Engineering Risk and Disaster Prevention, School of Water Resources and Hydropower Engineering, Wuhan University, Wuhan 430072, China

摘要

摘要: 贝叶斯理论为合理表征土性参数的空间变异性以及量化勘察数据（如不排水剪切强度值）对边坡稳定可靠度的影响提供了有效工具。然而，勘察数据随边坡空间位置变化，而且土性参数空间变异性表征模型（如随机场模型）包含高维不确定性参数。勘察数据的动态变化与高维随机参数反演导致基于贝叶斯理论的边坡稳定可靠度更新具有显著的计算量。为此，提出了考虑变化勘察数据的空间变异土坡稳定可靠度协同更新方法。该方法首先基于贝叶斯更新框架BUS模拟条件随机场，执行边坡稳定性分析；然后基于拒绝抽样原理和协同式分析方法根据不同勘察数据表征岩土体参数的空间变异性，并更新边坡的稳定可靠度。当勘察数据在边坡不同空间位置变化时，避免了重新模拟条件随机场以及执行边坡稳定性分析，同时继承了BUS解决高维随机参数反演的特性，实现了基于贝叶斯理论的空间变异边坡稳定可靠度快速更新。以单层非平稳随机场土坡为例验证了所提方法的合理性和有效性。结果表明，所提方法为勘察数据变化条件下土性参数空间变异性动态表征以及边坡稳定可靠度实时更新提供重要工具。
- 土坡 /
- 空间变异性 /
- 勘察数据 /
- 贝叶斯更新 /
- 协同式分析 /
- 稳定可靠度
Abstract: The Bayesian theory provides an effective tool to properly characterize the spatial variability of soil properties and quantify the effect of site investigation data (e.g., undrained shear strength data) on reliability of slope stability. However, the site investigation data sequentially appears at different spatial locations of a slope, and the model to characterize the spatially varying soil properties (e.g., random field model) usually involves a great number of uncertain parameters. These pose a great computational challenge for Bayesian updating of slope reliability considering spatially varying soil properties. A collaborative reliability updating approach for the slope stability with spatially varying soil properties considering different site investigation data is proposed. It first makes use of the Bayesian updating with structural reliability methods (BUS) to simulate random fields and perform slope stability analyses, and then employs the rejection sampling principle and collaborative analysis to characterize the spatially varying soil properties and update the reliability of slope stability considering different test data. As the site investigation data spatially appears within a slope, repeated simulations of conditional random fields and a significant number of slope stability analyses are avoided. Moreover, the combination of the BUS makes it possible for efficient slope reliability updating using the Bayesian analysis that involves high-dimensional model parameters. A single-layered soil slope with a non-stationary random field is employed to demonstrate the effectiveness and validity of the proposed approach. It is shown that the proposed approach provides an effective tool for dynamic characterization of spatial variability of soils and real-time reliability updating of slope stability under different site investigation data.
- soil slope /
- spatial variability /
- site investigation data /
- Bayesian updating /
- collaborative analysis /
- reliability assessment

HTML全文

0. 引言

非饱和状态下的土体具有很高的强度^[1]，然而遇水湿化强度会迅速降低，局部可能达到饱和，该状态下的土压力值与非饱和条件下的值差别很大。多名学者统计显示大部分基坑事故都与水有关，此外，2019年6月8日南宁绿地中心基坑塌陷也是因为场地管道爆裂，非饱和土遇水湿化，作用在支护结构的土压力增大^[2]。因此，亟需定量评估浸湿作用对非饱和土侧向土压力的影响，提出计算方法，减少此类事故发生。

目前，对非饱和土压力研究获得了很大进展，但现有研究多从理论出发进行公式推导，1961年Coleman等^[3]提出双变量理论，Fredlund便得到净应力与吸力的双变量理论，之后得到了扩展的朗肯土压力理论，但是在平时的设计和研究中，仍然采用朗肯土压力理论^[4]计算非饱和土压力。姚攀峰等^[5]提出了与扩展型朗肯土压力不同的计算方法广义朗肯土压力计算方法，陈铁林等^[6]解决水位变化及降水条件下的土压力计算问题，根据K₀定义推导K₀求解式。任传健等^[7]结合Fredlund非饱和土抗剪切与强化准则和经典的朗肯土压计算公式，得出考虑降水变化的土压计算公式。汪丁建等^[8]在饱和土朗肯土压力分析基础上，推导出降雨条件下非饱和朗肯土压力。王晓亮等^[9]将降雨和蒸发对基质吸力的影响引入到非饱和土抗剪强度公式中，得到K₀随降雨定性变化，但没有定量结果。

已有的大量研究充分表明水对静止土压力的影响不可忽略，但已有的计算公式复杂不实用，结果有待验证。导致现有非饱和土体仍采用饱和土理论的计算结果加安全储备来设计计算^[10]，安全系数是否足够不明确。为了使湿化条件下静止土压力增量的演化规律更明确，本文通过室内试验确定了其相关的变化规律、建立相应的计算模型，减小对安全施工的威胁。

1. 试验材料与方法

1.1 土料特性

取北京延庆地区原状粉质黏土进行烘干、碾碎、过0.25 mm筛备用，进行基本物理性质测试，依据《土工试验方法标准：GB/T50123—2019》^[11]，结果见表 1。

表 1 土的基本物理性质

Table 1. Basic physical properties of soil

最大干密度/ (g·cm^-3)	最优含水率/%	液限 w_L/%	塑限w_P/%	塑性指数I_P	土粒相对密度G_S
1.80	16.5	30.7	15.2	15.5	2.73

下载: 导出CSV

| 显示表格

1.2 试验方案

选择干密度1.53 g/cm³（压实度0.85）、高度40 mm的标准环刀试样开展K₀压缩试验，设5个不同的初始饱和度与4个不同的上覆荷载，具体方案见表 2。

表 2 浸水条件下非饱和粉质黏土试验方案

Table 2. Test schemes under water immersion conditions

上覆荷载/kPa	加载过程	初始饱和度
100/200/ 300/400	100(200/300/400)kPa→湿化→逐级加载至1600kPa	0.2/0.3/0.4/ 0.5/0.6

下载: 导出CSV

| 显示表格

1.3 试验过程

（1）仪器标定。本文采用JCY型K₀固结仪来完成K₀压缩试验，在气囊中充入与试样等体积的水，利用水各向等压特性标定仪器在竖向压力下对土压力的测量，根据试验数据拟合得到两仪器的标定系数^[12]。

（2）制样并养护得到不同初始含水率试样。用饱和再风干的土样模拟经过了干湿循环的天然非饱和土，通过7 d密闭养护保证孔隙水分布均匀，见图 1。

图 1 准备不同初始含水率的试样

Figure 1. Preparation of samples with different initial moisture contents

下载: 全尺寸图片幻灯片

（3）加上覆荷载待稳定后进行湿化饱和，湿化稳定后养护7 d，再完成后续设定加载至试验结束。

（4）卸压并整理仪器装置，将不同初始饱和度湿化前与湿化压缩后试样进行对比，如图 2所示。

图 2 试验前后对比图

Figure 2. Comparison of soil samples before and after tests

下载: 全尺寸图片幻灯片

2. 试验结果及规律

K₀固结仪连接压力传感器采集数据，得到侧压力随时间变化关系^[12]，从而得到粉质黏土在5个不同初始饱和度S_r和4个不同上覆荷载P作用下发生湿化与湿化后继续加载的水平静止土压力-竖向压力的关系曲线，见图 3，因篇幅关系只展示S_r=0.2结果^[12]。对于非饱和土一般采用水土合算计算土压力，此时侧压力传感器测量得到的相当于水土合算下的土压力。

图 3 静止土压力随竖向压力变化关系(S_r=0.2)

Figure 3. Variation of static earth pressure with vertical pressure (S_r=0.2)

下载: 全尺寸图片幻灯片

湿化静止土压力增量 $\Delta {\sigma _{{\text{h}}}}$ 统计见表 3，计算式为

$\Delta {\sigma _{{\text{h}}}} = {\sigma _{{\text{w}}}} - {\sigma _{{\text{d}}}} 。$

(1)

表 3 湿化静止土压力增量计算值统计

Table 3. Statistics of calculated increment static earth pressure

初始饱和度S_r	0.2	0.3	0.4	0.5	0.6
100 kPa下增量值	35.14	25.10	17.41	12.5	3.53
200 kPa下增量值	68.95	48.38	33.32	22.97	6.31
300 kPa下增量值	95.01	68.95	47.86	29.99	8.98
400 kPa下增量值	118.02	90.00	60.99	35.97	10.11

下载: 导出CSV

| 显示表格

式中： ${\sigma _{{\text{d}}}}$ 为上覆荷载作用下湿化前静止土压力大小； ${\sigma _{{\text{w}}}}$ 湿化饱和后静止土压力大小。

3. 静止土压力增量计算模型

3.1 湿化过程中静止土压力演变规律

不同初始饱和度湿化过程的增湿水平不同，可使用湿化前初始饱和度表示增湿水平，即：S_r=1的增湿水平为0，S_r越小增湿水平越大。

由表 3可以看到湿化时静止土压力都有不同程度的增大，且初始饱和度S_r越低或上覆荷载P越大，静止土压力增量越大。图 3数据显示，湿化后继续加载呈线性且斜率基本一致，表明K₀值大小近似一致，S_r与P的不同不会影响湿化饱和后K₀大小。可能原因是：静止土压力系数主要由有效内摩擦角决定，饱和后有效内摩擦角接近，因此湿化饱和后K₀近似一致。

土体强度理论认为土颗粒间存在综合作用，包括吸力、胶结作用、德华力以及化学键等^[4]，非饱和土研究学者^[13]一般认为土骨架受压为保证完整性依靠两部分力平衡：一是土颗粒间的基质吸力，取决于土体的含水量；另外是土颗粒间的胶结力，取决于土体内部的黏粒微量物质。静止土压力增量是由颗粒间胶结作用的减弱和基质吸力减小两方面原因引起的^[14]。为推导计算模型引出中间变量0.65-S_r，如图 4所示，初始饱和度越小，湿化导致基质吸力减少量就越大，静止土压力增量就越大；湿化饱和后上覆荷载越大，对土体胶结力破坏就越大，如图 5所示，湿化饱和后的静止土压力增量，随上覆荷载增加而变大。

图 4 静止土压力增量与初始饱和度关系

Figure 4. Variation of increment of static earth pressure increment with initial saturation

下载: 全尺寸图片幻灯片

图 5 静止土压力增量与上覆荷载关系

Figure 5. Variation of increment of static earth pressure with load

下载: 全尺寸图片幻灯片

3.2 湿化过程中静止土压力增量计算模型

土压力增量 $\Delta {\sigma _{{\text{h}}}}$ 与上覆荷载P，初始饱和度S_r都呈线性关系，双线性模型见式（2），P和S_r确定时有一次函数式（3），（4）。当变量 $n=（{S}_{\text{r}}{\text{+}}{b}_{1}）{\text{=0}}{\text{.65}}-{S}_{{\text{r}}}$ 时，土压力增量 $\Delta {\sigma _{{\text{h}}}}$ 与n成正比例， ${k_1}{k_2}m$ 为斜率，见图 4。

$\Delta {\sigma _{{\text{h}}}} = {k_1}n \times {k_2}m {\text{，}}$

(2)

${k}_{1}n={k}_{1}（{S}_{{\text{r}}}{\text{+}}{b}_{1}） {\text{，}}$

(3)

${k}_{2}m={k}_{2}（P{\text{+}}{b}_{2}）。$

(4)

P与其对应的 ${k_1}{k_2}m$ 拟合得 ${k_1}{k_2}m{{\text{ = 0}}}{{\text{.60}}}P + {{\text{19}}}{{\text{.76}}}$ ，再将 $n$ 代入式（2）中，得到式（5）。当初始饱和度S_r较大接近饱和土时，静止土压力增量为0，观察式（5），当饱和度S_r＞0.65时，湿化不会引起静止土压力增加。

$\Delta {\sigma _{{\text{h}}}} = \left\{ \begin{array}{l} (0.60P{{\text{ + 19}}}{{\text{.76}}}){{\text{(}}}0.65 - {S_{{\text{r}}}}{{\text{)}}} \;\;\;\;{{\text{(}}}{S_{{\text{r}}}} \leqslant 0.65{{\text{)}}} \hfill \\ 0\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{{\text{ (}}}{S_{{\text{r}}}} > 0.65{{\text{)}}} \hfill \\ \end{array} \right. 。$

(5)

为了更直观的表现增量的含义，将 $\Delta {S_{{\text{r}}}} = 1 - {S_{{\text{r}}}}$ 代入式（5），得到最终的增量表达式如下：

$\begin{equation} \Delta \sigma_{\mathrm{h}}=\left\{\begin{array}{ll} (0.60 P+19.76)\left(\Delta S_{\mathrm{r}}-0.35\right) & \left(\Delta S_{\mathrm{r}} \geqslant 0.35\right) \\ 0 & \left(\Delta S_{\mathrm{r}}<0.35\right) \end{array}\right. 。 \end{equation}$

(6)

4. 挡土墙静止土压力计算案例分析

以延庆某深基坑为背景，结合勘察数据，对上文的模型进行试算。该基坑开挖深度23 m，上表面有8 kPa的均布荷载，施工阶段饱和度0.25，已勘测到自然地面以下34 m地层特性，土体基本为粉质黏土。

根据划分土层的重度与厚度计算出土层下表面荷载，并根据K₀算出湿化前静止土压力 ${\sigma _{{\text{h}}}}_i$ ，K₀按经验值取0.3。根据式（6）算出静止土压力增量 $\Delta {\sigma _{{\text{h}}}}_i$ ，接着计算出湿化后静止土压力 ${\sigma _{{\text{w}}}}_i$ 和 ${\sigma _{{\text{w}}}}_i$ / ${\sigma _{{\text{h}}}}_i$ 比值，计算值随深度变化绘制在图 6中，发现比值随深度增大而减小，但始终大于1.8，说明湿化对静止土压力影响较大。

图 6 不同累计深度处静止土压力与其相关计算值关系

Figure 6. Static earth pressures and their correlation with depth

下载: 全尺寸图片幻灯片

由于本文采用重塑土进行试验，和天然土体湿化时侧压力变化结果不同，特别是黄土等结构性非饱和土，其湿化可能发生湿陷等行为，导致土压力演化较为复杂。本文研究结果仅适用于非结构性的非饱和土。

5. 结论

本文通过开展室内试验，定量评估浸湿作用对非饱和土侧向土压力的影响，实测浸湿饱和作用下静止土压力增量的变化规律，建立相应的计算模型，通过应用发现设计时必须重视湿化的影响，并得到以下3点结论。

（1）湿化饱和后，土体的静止土压力系数K₀值与初始饱和度、上覆荷载无关。推测土体静止土压力系数K₀值主要由有效内摩擦角决定，饱和后有效内摩擦角基本一致，故K₀值大小近似一致。

（2）湿化前的初始饱和度越低，湿化饱和后的静止土压力增量越大；且湿化饱和后的静止土压力增量，随湿化时的上覆荷载增加而变大。

（3）基于试验数据和机理分析，得到了湿化条件下考虑上覆荷载与初始饱和度的双线性土压力增量计算模型；将其应用于某支挡工程，发现湿化后的土压力可达初始土压力1.8倍以上，设计时必须予以重视。

图 1 空间变异土坡稳定可靠度协同示意图

Figure 1. Schematic diagram of collaborative reliability updating of slope stability with spatially varying soil properties

下载: 全尺寸图片幻灯片

图 2 空间变异土坡稳定可靠度协同更新计算流程

Figure 2. Implementation flowchart of collaborative reliability updating of slope stability with spatially varying soil properties

下载: 全尺寸图片幻灯片

图 3 边坡稳定性分析模型与勘察数据

Figure 3. Slope stability model and site investigation data

下载: 全尺寸图片幻灯片

图 4 考虑x = 22.5 m钻孔勘察数据的条件随机场表征及边坡稳定可靠度更新

Figure 4. Modeling of conditional random field and updating of slope reliability with site investigation data at x = 22.5 m

下载: 全尺寸图片幻灯片

图 5 考虑不同钻孔位置勘察数据的条件随机场表征

Figure 5. Modeling of conditional random field considering site investigation data at different borehole locations

下载: 全尺寸图片幻灯片

图 6 考虑不同钻孔位置勘察数据的边坡稳定可靠度更新

Figure 6. Reliability updating of slope stability considering different site investigation data at various borehole locations

下载: 全尺寸图片幻灯片

表 1 非平稳随机场模型参数的先验统计量

Table 1 Prior statistics of random parameters for non-stationary random field

参数	分布类型	统计特征
S_u0	对数正态分布	${\mu _{{S_{{\text{u}}0}}}}$ = 14.67 kPa; ${\sigma _{{S_{{\text{u}}0}}}}$ = 4.04 kPa
b	对数正态分布	${\mu _{\text{b}}}$ = 0.272; ${\sigma _{\text{b}}}$ = 0.189
w(q)	高斯随机场	${\mu _{\text{w}}}$ = 0.272; ${\sigma _{\text{w}}}$ = 0.189 ${\lambda _{\text{h}}}$ = 38 m; ${\lambda _{\text{v}}}$ = 3.8 m

下载: 导出CSV

表 2 考虑不同勘察数据的土性参数条件随机场表征与边坡稳定可靠度更新计算时间单位: s

Table 2 Computational time for characterization of spatial variability of soils considering different site investigation data

计算时间	图 4 (a)	图 4 (b)	图 5 (a)	图 5 (b)	图 5 (c)
本文方法	20.4	34.8	6.6	6.5	6.6
RCBU	3640.2	14411.4	1860.4	1878.6	1473.7
计算时间	图 5 (d)	图 5 (e)	图 5 (f)	图 6 (a)	图 6 (b)
本文方法	6.5	6.5	6.0	21.2	21.0
RCBU	1238.9	1485.6	1235.8	15016.3	14323.2
计算时间	图 6 (c)	图 6 (d)	图 6 (e)	图 6 (f)
本文方法	16.0	13.2	12.9	8.2
RCBU	11324.7	8308.1	8855.3	6231.1
注：所提方法驱动贝叶斯分析计算时间为6480.4 s；记录时间的计算机配置为AMD Ryzen 7 5800H with Radeon Graphics 3.20 GHz。

下载: 导出CSV

参考文献(21)

[1]	GRIFFITHS D V, FENTON G A. Probabilistic Slope Stability Analysis by Finite Elements[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2004, 130(5): 507-518. doi: 10.1061/(ASCE)1090-0241(2004)130:5(507)
[2]	陈朝晖, 黄凯华. 土质边坡可靠性分析的分层非平稳随机场模型[J]. 岩土工程学报, 2020, 42(7): 1247-1256. doi: 10.11779/CJGE202007008 CHEN Zhaohui, HUANG Kaihua. Non-homogeneous random field model for reliability analysis of slopes[J]. Chinese Journal of Geotechnical Engineering, 2020, 42(7): 1247-1256. (in Chinese) doi: 10.11779/CJGE202007008
[3]	LI D, XIAO T, CAO Z, et al. Efficient and consistent reliability analysis of soil slope stability using both limit equilibrium analysis and finite element analysis[J]. Applied Mathematical Modelling, 2016, 40(9/10): 5216-5229.
[4]	邓志平, 牛景太, 潘敏, 等. 考虑地层变异性和土体参数空间变异性的边坡可靠度全概率设计方法[J]. 岩土工程学报, 2019, 41(6): 1083-1090. doi: 10.11779/CJGE201906012 DENG Zhiping, NIU Jingtai, PAN Min, et al. Full probabilistic design method for slopes considering geological uncertainty and spatial variability of soil parameters[J]. Chinese Journal of Geotechnical Engineering, 2019, 41(6): 1083-1090. (in Chinese) doi: 10.11779/CJGE201906012
[5]	谭晓慧, 董小乐, 费锁柱, 等. 基于KL展开的可靠度分析方法及其应用[J]. 岩土工程学报, 2020, 42(5): 808-816. doi: 10.11779/CJGE202005002 TAN Xiaohui, DONG Xiaole, FEI Suozhu, et al. Reliability analysis method based on KL expansion and its application[J]. Chinese Journal of Geotechnical Engineering, 2020, 42(5): 808-816. (in Chinese) doi: 10.11779/CJGE202005002
[6]	LI X Y, ZHANG L M, LI J H. Using Conditioned Random Field to Characterize the Variability of Geologic Profiles[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2016, 142(4): 04015096. doi: 10.1061/(ASCE)GT.1943-5606.0001428
[7]	LLORET-CABOT M, HICKS M A, VAN DEN EIJNDEN A P. Investigation of the reduction in uncertainty due to soil variability when conditioning a random field using Kriging[J]. Géotechnique Letters, 2012, 2(3): 123-127. doi: 10.1680/geolett.12.00022
[8]	ZHAO T, WANG Y. Determination of efficient sampling locations in geotechnical site characterization using information entropy and Bayesian compressive sampling[J]. Canadian Geotechnical Journal, 2019, 56(11): 1622-1637. doi: 10.1139/cgj-2018-0286
[9]	JIANG S, PAPAIOANNOU I, STRAUB D. Bayesian updating of slope reliability in spatially variable soils with in-situ measurements[J]. Engineering Geology, 2018, 239: 310-320. doi: 10.1016/j.enggeo.2018.03.021
[10]	JIANG S, PAPAIOANNOU I, STRAUB D. Optimization of site-exploration programs for slope-reliability assessment[J]. ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part A: Civil Engineering, 2020, 6(1): 4020004. doi: 10.1061/AJRUA6.0001042
[11]	STRAUB D, PAPAIOANNOU I, BETZ W. Bayesian analysis of rare events[J]. Journal of Computational Physics, 2016, 314: 538-556. doi: 10.1016/j.jcp.2016.03.018
[12]	蒋水华, 魏博文, 张文举, 等. 基于多源试验数据空间变异土体参数概率反演及边坡可靠度更新[J]. 岩土力学, 2018, 39(4): 1491-1499. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201804042.htm JIANG Shuihua, WEI Bowen, ZHANG Wenju, et al. Probabilistic back analysis of spatially varying soil properties and reliability updating of slopes with multiple sources of test data[J]. Rock and Soil Mechanics, 2018, 39(4): 1491-1499. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201804042.htm
[13]	STRAUB D, PAPAIOANNOU I. Bayesian Updating with Structural Reliability Methods[J]. Journal of Engineering Mechanics, 2015, 141(3): 04014134. doi: 10.1061/(ASCE)EM.1943-7889.0000839
[14]	蒋水华, 刘贤, 黄发明, 等. 考虑多参数空间变异性的降雨入渗边坡失稳机理及可靠度分析[J]. 岩土工程学报, 2020, 42(5): 900-907. doi: 10.11779/CJGE202005012 JIANG Shuihua, LIU Xian, HUANG Faming, et al. Failure mechanism and reliability analysis of soil slopes under rainfall infiltration considering spatial variability of multiple soil parameters[J]. Chinese Journal of Geotechnical Engineering, 2020, 42(5): 900-907. (in Chinese) doi: 10.11779/CJGE202005012
[15]	BETZ W, PAPAIOANNOU I, BECK J L, et al. Bayesian inference with Subset Simulation: Strategies and improvements[J]. Computer Methods in Applied Mechanics and Engineering, 2018, 331: 72-93. doi: 10.1016/j.cma.2017.11.021
[16]	AU S, BECK J L. Estimation of small failure probabilities in high dimensions by subset simulation[J]. Probabilistic Engineering Mechanics, 2001, 16(4): 263-277. doi: 10.1016/S0266-8920(01)00019-4
[17]	AU S K. Augmenting approximate solutions for consistent reliability analysis[J]. Probabilistic Engineering Mechanics, 2007, 22(1): 77-87. doi: 10.1016/j.probengmech.2006.08.004
[18]	AU S K, WANG Y. Engineering risk assessment with subset simulation[M]. Singapore: John Wiley and Sons, 2014.
[19]	TIAN H M, CAO Z J, LI D Q, et al. Efficient and flexible Bayesian updating of embankment settlement on soft soils based on different monitoring datasets[J]. Acta Geotechnica, 2022, 17(4): 1273-1294. doi: 10.1007/s11440-021-01378-4
[20]	TIAN H M, LI D Q, CAO Z J, et al. Auxiliary Bayesian updating of embankment settlement based on finite element model and response surface method[J]. Engineering Geology, 2023, 323: 107244. doi: 10.1016/j.enggeo.2023.107244
[21]	CHING J, PHOON K, CHEN Y. Reducing shear strength uncertainties in clays by multivariate correlations[J]. Canadian Geotechnical Journal, 2010, 47(1): 16-33. doi: 10.1139/T09-074