Time series prediction of surface displacement induced by excavation of foundation pits based on deep learning
-
摘要: 为更精准预测基坑工程中数据的时间特性,结合卷积神经网络CNN模型与两种单一时间序列神经网络模型长短期记忆网络LSTM模型、门控循环单元GRU模型,建立混合时间序列神经网络CNN-LSTM模型、CNN-GRU模型。基于杭州某邻近既有车站基坑开挖工程,采用滚动预测方法建立基坑开挖引起邻近地铁车站地表沉降数据集。通过平均绝对误差MAE、平均相对误差MAPE和均方根误差RMSE3种评价指标对预测结果进行评价。结果表明:CNN-GRU模型预测效果最优,CNN-LSTM模型次之,其次是GRU模型,最后是LSTM模型。CNN-LSTM混合网络模型相较于LSTM模型对3种评价指标分别降低了24.4%,53.8%,4.1%,CNN-GRU混合网络模型相较于GRU模型分别降低了13.9%,49.1%,1%。Abstract: To predict the time characteristics of data more accurately in foundation pit engineering, two single time series neural network models are combined, the convolutional neural network (CNN) and long short-term memory network (LSTM), as well as the gated recurrent unit (GRU), to establish a hybrid time series neural network model CNN-LSTM and CNN-GRU. An excavation project of a foundation pit adjacent to an existing station in Hangzhou is selected, and a rolling prediction method is used to create a dataset of surface settlement caused by excavation of the foundation pit in the adjacent subway stations. The predicted results are evaluated by three evaluation indexes: mean absolute error (MAE), mean relative error (MAPE) and root mean square error (RMSE). The results demonstrate that the CNN-GRU has the best prediction effects, followed by the CNN-LSTM, GRU and LSTM. Compared with the LSTM model, the CNN-LSTM hybrid network model reduces the three evaluation indexes by 24.4%, 53.8% and 4.1%, respectively, and the CNN-GRU hybrid network model decreases by 13.9%, 49.1% and 1%, respectively, compared with the GRU model.
-
0. 引言
实际工程中岩质边坡大多是由岩桥和不连续节理面组成的复杂地质体[1-2],且大多数岩质边坡节理面相对于工程尺度呈显著的非贯通特征。由于岩桥和不连续节理面大都埋入边坡内部,节理面的发育具有显著的随机性,故对其稳定性分析较为复杂和困难。在断续节理顺层岩质边坡内部存在共面和雁型两种节理面[3-4]。破坏模式区别在于岩桥贯通模式:若是节理间岩桥贯通则为平面型破坏模式;若是相邻节理间岩桥贯通则为阶梯状(或多阶梯)破坏模式。在强震[5-6]、降雨[7-8]、开挖[9]、长期蠕变时空演化及其他作用[10-11]下发生的阶梯状滑坡表明:当岩桥发生破坏后,通过与相邻节理面搭接或多层节理面搭接形成阶梯状和多阶梯状破坏模式(图 1)。
基于平面型破坏模式,Jennings[12]提出了断续节理强度参数的加权平均计算公式:tanφ = ktanφj + (1-k)tanφr,c=kcj+(1-k)cr(k为裂隙连通率)。该式考虑了岩桥和节理面抗剪强度参数的差异性,却未考虑其相关性(本文研究对象为次生节理,该类节理可视为由完整岩石演化而来)。虽然邹宗兴[13]探究了顺层岩质边坡滑带抗剪强度参数弱化系数的问题,但是,从规范中相关规定和实际情况可知[2, 14],内摩擦角正切值与黏聚力两者的弱化程度并不一致。目前研究大都忽略了岩桥和节理面强度参数的相关性和差异性,或对两者仍采用相同的破坏准则,其合理性受到削弱。节理面抗剪性能并不总能满足M-C破坏准则,尤其当σn较小时计算出的剪切强度明显偏大[15]。Barton等[16-18]通过研究节理面直剪特性,并基于试验结果提出了可用于评估不规则、无充填节理面峰值抗剪强度的非线性JRC-JCS经验公式(即B-B破坏准则),可较好反映节理面的抗剪性能。
综上所述,首先,岩桥和节理面分别服从M-C和B-B破坏准则,岩桥和节理面强度参数采用不同弱化系数Kφ和Kc。然后,开展考虑后缘倾斜拉裂缝存在的阶梯状岩桥剪切破坏模式下边坡稳定性研究,开展对比分析和参数敏感性分析,获取各关键参数对断续节理顺层岩质边坡稳定性的影响规律。最后,基于台阶型边坡外形特征,开展台阶法开挖次数和坡角角度对节理顺层岩质边坡安全系数影响规律的探究。同时考虑水力作用的影响,探究出流缝被堵塞和未堵塞对边坡稳定性的影响,分析拉裂缝倾角和拉裂缝充水高度对边坡稳定性的影响规律。
1. 断续节理顺层边坡阶梯状失稳模式
1.1 B-B破坏准则与M-C破坏准则的参数转换
岩桥服从M-C破坏准则,节理面服从B-B破坏准则。考虑岩桥和节理面抗剪强度参数的差异性,利用不同的弱化系数Kc和Kφ获取岩桥强度参数cr,φr。根据相关学者研究[19-20],获得两准则参数具体转换为(图 2)
φ=arctan(∂τ∂σn), (1) ∂τ∂σn=tan(JRClgJCSσn+φb)− πJRC180ln10[tan2(JRClgJCSσn+ϕb)+1], (2) c=τ−σntanφ。 (3) 通过式(1)~(3)可获取节理面黏聚力cj和内摩擦角φj,结合Kc,Kφ可获得岩桥黏聚力cr和内摩擦角φr。
1.2 岩桥与节理面强度参数弱化特性
断续节理顺层岩质边坡与贯通节理岩质边坡破坏机理有些不同[21-22],因而岩桥和节理面强度参数存在显著的弱化特性,并存在以下两方面的假定:
(1)根据节理接触状态,节理面所受到的法向应力等于总法向应力乘以传压系数。本文假定节理面承担的法向应力与岩桥部分承担的法向应力一致。
(2)实际边坡中岩桥和节理面搭接处是应力集中部位,存在明显弱化现象,且向岩桥内部弱化趋势逐渐减弱。本文假定忽略岩桥局部弱化情况,取完整岩桥相关强度参数。
基于以上两个假定,通过引入弱化系数将弱化特性体现在强度参数上面,可有效体现节理面对断续节理顺层岩质边坡稳定性的影响。
1.3 断续节理顺层岩质边坡阶梯状失稳模式构建
基于上述相关假定,构建阶梯状滑动极限状态失稳模式如图 3所示,为求解方便建立直角坐标系,A点坐标为(0,0),X轴方向指向向右,Y轴方向指向向上。注意:根据黄达等的研究[2, 23],当岩桥倾角小于90°时主要发生剪切破坏;岩桥倾角大于90°时主要发生张拉破坏。本文构建的分析模型中岩桥倾角小于90°(图 3中β3),故分析模型适用于岩桥剪切破坏。
图 3中,边坡坡角和坡顶角分别为β,α,OB水平距离为L,边坡高度为H+Ltanα。BB1高度为H1+Ltanα,倾角为β1;B1B2,B3B4为节理面长度,高度分别为H2和H4,倾角分别为β2,β4(岩桥间节理面大都近平行,故β4=β2)。B2B3为岩桥剪切破坏长度,高度为H3,倾角为β3。BC2,B2B5,B1B6与B4C2垂直,BC22与B4C22垂直。坐标参数:B(H/tanβ+L,H+Ltanα),B1(H/tanβ+L-(H1+Ltanα)/tanβ1, H-H1),B2(H/tanβ+L- (H1+Ltanα)/tanβ1-H2/tanβ2,H-H1-H2)。
阶梯状滑动裂隙连通率表达式为
kY=H4+H2sinβ2+(H1+Ltanα)⋅cos(β1−β2)sinβ1H4+H2sinβ2+H3⋅cos(β3−β2)sinβ3+(H1+Ltanα)⋅cos(β1−β2)sinβ1=kY1+kY2, (4) 式中,kY为裂隙连通率。kY1可提供抗滑力(节理面),kY2不可提供抗滑力(后缘倾斜拉裂缝)。
H4可由H3,y4表示:
H4 = H−H1−H2−y4−H3。 (5) 通过式(6),y4可由H3表示:
y4=y44−H3sin(β3−β2)⋅sinβsin(β−β2)⋅sinβ3。 (6) 将式(5),(6)代入式(4),可获得H3表达式:
H3=(1−kY)(H1+Ltanα)⋅cos(β1−β2)sinβ1+(1−kY)H−H1−y44sinβ2(kY−1)sin(β3−β2)⋅sinβsin(β−β2)⋅sinβ3⋅sinβ2+kYcos(β3−β2)sinβ3+(1−kY)sinβ2。 (7) 进而获取点B4的坐标x4和y4:
x4=H−H1−tanβ2(Htanβ+L−H1+Ltanαtanβ1)tanβ−tanβ2−H3sin(β3−β2)⋅cosβsin(β−β2)⋅sinβ3,y4=x4⋅tanβ。} (8) 将式(8)中y4代入式(5),可获得H4表达式。将H3,H4及其他相关参数代入阶梯状滑动面岩桥剪切破坏稳定性分析中,可获取其安全系数表达式。
2. 断续节理顺层岩质边坡阶梯状失稳模式的构建
2.1 断续节理阶梯状滑动岩桥剪切破坏稳定性分析
边坡沿缓倾裂隙面滑移导致岩桥发生剪切破坏贯通。因此,可沿缓倾裂隙方向(图 3中B4C2方向)计算抗滑力Fresist和下滑力Finduce从而得到该模式下安全系数表达式[12]。
(1)边坡体沿B4C2方向抗滑力的计算
节理面和岩桥承担的法向应力相同,投影在B4C2上坡体法向应力σnY为
σnY=Wcosβ4B4B6, (9) 式中,W为滑坡体自重,W=γSY滑,SY滑为滑坡体面积。SY滑的计算过程如下:
a)四边形OBC22B4面积SY1的求解
SY1=L⋅Ltanα2+L⋅(H1+H2+H3+H4)+ (H1+H2+H3+H4)22tanβ 。 (10) b)多边形BC22B4B3B2B1面积SY2的求解
SY2=(Ltanα+H1)22tanβ1+(Ltanα+H1tanβ1+H22tanβ2)⋅H2+(Ltanα+H1tanβ1+H2tanβ2+H32tanβ3)⋅H3+(Ltanα+H1tanβ1+H2tanβ2+H3tanβ3+H42tanβ4)⋅H4, (11) SY滑=SY1−SY2。 (12) 用H5≥0对滑动面在坡表出露进行约束:
H5=H−H1−H2−H3−H4(H5≥0)。 (13) c)B4B6长度
B4B6=H4sinβ4+H3⋅cos(β3−β4)sinβ3+H2sinβ2。 (14) 阶梯状滑动面为岩桥剪切破坏与相邻节理面连接贯通而成,岩桥倾角大于节理面倾角,故β3 > β2=β4。
由于岩桥和节理面对边坡稳定性的贡献不同,故B4B6方向抗滑力为
Fresist=(cr+σnY⋅tanφr)⋅B3B5+(B5B6+B4B3)⋅ {σnYtan[ϕb+JRClg(JCSσnY)]} 。 (15) (2)边坡体沿B4B6方向下滑力的计算
Finduce=W⋅sinβ4。 (16) (3)阶梯状岩桥剪切破坏模式安全系数的计算
Fs={ (cr+σnY⋅tanφr)⋅B4C2⋅(1−kY)+{σnYtan[φb+JRClg(JCSσnY)]}⋅ B4C2⋅kY1}/W⋅sinβ4 。 (17) 将相关参数代入式(17),可求得阶梯状滑动岩桥剪切破坏时边坡安全系数Fs。
2.2 各关键参数对阶梯状滑动岩桥剪切破坏影响分析
(1)对比分析
开展平面型与阶梯状失稳模式下安全系数的对比分析对比结果如图 4所示。参数取值:① kY=0.5~1.0,β3=35°~80°,Kφ=0.6,Kc=0.2;②kY=0.5~1.0,β3=35°~80°,Kφ=0.8,Kc=0.4。
其他参数取值:H=100 m,L=25 m,α=10°,β=75°,γ=25 kN/m3,H1=2 m,H2=3 m,β1=75°,β2=35°,φb=20°,JRC=6,JCS=40 MPa。
由图 4可知,当β3=β2=35°时为平面型失稳模式。随β3的增大,平面型失稳模式转化为阶梯状失稳模式,Fs呈减小趋势,且β3越大,减小得越快,这与文献[4]中数值模拟的结果规律相一致。由图 4(a)可知,kY越小岩桥对边坡稳定性的贡献越大,故Fs越高。此时随着β3的变化,对Fs的影响越来越显著。由图 4对比可知,随Kφ和Kc的增大,岩桥抗剪强度参数相应减小,故Fs相对降低,这是由于以节理面参数为基础,Kφ和Kc越大,岩桥强度参数越小,故Fs越低。
(2)参数敏感性分析
探究裂隙连通率kY和基本摩擦角φb、粗糙度系数JRC和壁面有效抗压强度JCS、弱化系数Kφ和Kc、岩桥倾角β3和节理面倾角β2对阶梯状滑动边坡稳定性的影响,具体如图 5所示。参数取值如表 1所示,其他参数取值:图 5(a)~(c)中H=50 m,α=10°,γ=25 kN/m3,H1=2 m,H2=3 m。图 5(d)中H=100 m,α=10°,γ=25 kN/m3,H1=1 m,H2=3 m。节理面参数取值时,应保证φb+JRClg(JCS/σn)最大值不大于70°。
表 1 参数分析图 5参数取值Table 1. Values of parameters in Fig. 5参数 kY φb/(°) Kφ Kc JRC JCS
/MPaβ3/(°) β2 /(°) β/(°) L/m β1/(°) 图 5(a) 0.2~1.0(0.1) 20~36(4) 0.8 0.4 6 50 50 40 60 16 60 图 5(b) 0.8 28 0.650.6~0.95
(0.05)0.05~0.40
(0.05)6 30 60 45 60 15 60 图 5(c) 0.65 20 0.6 0.3 0~18(3) 20~100(20) 50 40 60 22 60 图 5(d) 0.6 20 0.8 0.4 10 40 30~75(5) 25~50(5) 58 10 60 由图 5可知,随kY,Kφ和Kc的增大,FS显著减小。φb增大同样提高了岩桥和节理面抗剪强度参数,Fs呈非线性增大趋势。FS随JRC和JCS的增大均呈非线性增大趋势,只是后者增加得越来越慢。FS随β3的增大而非线性减小,且减小趋势非常显著,即岩桥倾角越大,减小越快。这是由于岩桥倾角越大,构成的阶梯状滑动面更容易下滑,边坡越不稳定。故所呈现的效果与滑动面的倾角越大边坡越不稳定的情况类似,因此,FS越小。FS随β2的增大而非线性减小,且减小趋势较为显著。
3. 阶梯状滑动台阶型坡面岩质边坡稳定性分析
3.1 台阶型坡面边坡阶梯状失稳模式构建
典型顺层岩质边坡表现为节理面在坡面出露或者随着开挖进行在开挖面出露。目前针对边坡的开挖处置大都基于台阶法开展,通常情况下坡率设置为1︰0.75(53.13°)或1︰1(45°),台阶之间设置平台(通常设置为2 m,可根据现场实际情况相应调整),达到对边坡卸载和使之更加稳定的目的。台阶型坡面顺层岩质边坡阶梯状岩桥剪切贯通模式如图 6所示。
基于图 3,6分别设置若干级边坡和台阶,自上而下为AiDi (i=1, 2, …,n-1)和AnA,倾角为αi (i=1, 2, …, n-1),高度为h1+LA1tanα1、hi (i=2, 3, …, n),平台宽度为di (i=1, 2, …, n-1)。考虑边坡开挖顺序均是自上而下进行,故着重探究开挖次数和各级边坡坡率对阶梯状滑动岩质边坡稳定性的影响分析。
(1)台阶型坡面引起边坡几何尺寸的变化
基于2.1节,通过边坡裂隙连通率、几何尺寸和岩土体参数获得阶梯状滑动面位置和安全系数表达式,具体依照2.1节相关内容求解。
台阶法使阶梯状滑动面上部岩体重力荷载减小,若按照2.1节计算公式,滑动面上的正应力、岩桥和节理面参数均随之变化,故为获得开挖次数和坡角角度的影响,设定每组情况下岩桥和节理面抗剪强度参数均一致,而正应力因为上覆荷载的变化而随之变化,进而影响抗滑力计算。开挖效应主要引起边坡体几何尺寸和潜在滑动面上覆岩土体重度的变化,不考虑开挖时滑坡体面积为SY滑(式(12)),开挖掉的滑坡体面积为SY挖,具体相关几何尺寸计算如下:
台阶型坡面点A1至坡顶点O的水平距离LA1为
LA1=n−1∑i=1hitanαi+hntanβ+n−1∑i=1di−Htanβ1−tanαtanα1。 (18) 每级开挖体面积计算为
SY挖i=(LA1⋅(1−tanαtanα1)−(i−1∑1(hjtanαj+dj−hjtanβ))hi+hi22tanβ−hi22tanαi (i=1,2,⋯,n−1), (19) 故开挖体总面积为
SY挖=n−1∑iSY挖i。 (20) 此时阶梯状滑动台阶型坡面滑坡体区域面积为
SY台=SY滑−SY挖 。 (21) 有些情况下滑坡体潜在滑动面从台阶型边坡坡面或者平台间出露,即此时未完全包含挖坡体,故在计算开挖后滑坡体面积时需将多减去的部分重新加回。
(2)边坡体沿B4C2方向抗滑力的计算
a)若B3B4未因开挖而出露,可参照式(9)进行法向应力计算。故投影在B4C2上坡体法向应力σnY台为
σnY台=W台⋅cosβ4B4B6, (22) 式中,W台为滑坡体自重,W台= γSY台,SY台为滑坡体面积,具体计算见式(21)。
由于开挖时潜在滑动面并未出露,故B4B6的长度和抗滑力计算如式(14),(15)不变。
b)若B3B4因开挖而出露,此时节理面长度变短,即采用新的B3B4台代入式(14),(15)求解因节理面出露而造成法向应力、B4B6的长度和抗滑力改变后的数值。
(3)边坡体沿B4B6方向下滑力为
Finduce=W台⋅sinβ4。 (23) (4)台阶型坡面阶梯状失稳模式安全系数为
Fs={(cr+σnY台⋅tanϕr)⋅B3B5+(B5B6+B4B3)⋅ {σnY台tan[ϕb+JRClg(JCSσnY)]}}W台⋅sinβ4, (24) 式中,若因开挖节理面出露,采用新的σnY台和B3B4台代入相应的位置进行替代。
将相关参数代入式(24)中,可以求得台阶型坡面阶梯状失稳模式岩桥剪切破坏时安全系数Fs。
3.2 算例分析
(1)对比分析
锦屏一级水电站右岸泄洪洞引渠内侧岩质边坡共形成六级台阶,属于典型多级台阶状坡面岩质高边坡。由于文献[24]中采用的各节理面裂隙连通率为100%,故此时发生平面型滑动破坏模式。相关参数如下:后缘拉裂缝处内摩擦角为16.70°,黏聚力为20 kPa,抗拉强度为200 kPa。滑动面g8sz-1错动带处内摩擦角为30.96°,黏聚力为170 kPa。滑动面gyj7错动带处内摩擦角为28.81°,黏聚力为150 kPa[24]。基于本节方法开展与文献[24,25]中计算结果的对比分析(表 2)。
由表 2可知,与文献[24]计算结果十分接近,差异率在1%以内,与文献[25]计算结果也较为接近,差异率在5%以内,从而验证了本文方法的准确性。结果表明:伴随着后缘拉裂缝的开展,FS降低达17.08%,表明后缘拉裂缝开展对边坡稳定性的显著影响。
(2)算例分析
台阶型开挖次数和坡角角度对节理岩质边坡稳定性影响显著,故探究它们对台阶型岩质边坡稳定性的影响规律。参数取值为:kY=0.75,β1=60°,β2=30°,β3=50°,β=45°~53°(坡率1︰1~1︰0.75),α=0°,H=50 m,H1=4 m,H2=3 m,L=15 m,γ=25 kN/m3,Kφ=0.6,Kc=0.2,φb=20°,JRC=3,JCS=20 MPa。本节以五级边坡为例,开挖次数和坡角角度对岩质边坡阶梯状失稳模式安全系数的影响规律具体如图 7所示。图 7(a)中虚线表示未考虑节理面出露对抗滑力贡献的丧失,图 7(b),7(c)中红色虚线表示出露的节理面长度。
由图 7可知,开挖坡率较大时(倾角较小),节理面不易随开挖而出露。此时,随着开挖次数的进行,达到对边坡安全卸载的目的,故FS相应提高(图 7(a))。而随开挖坡率的减小,节理面在边坡下部出露。由于保持裂隙连通率不变,使得阶梯状滑动面剪出口位置相应提高,故其节理面出露长度相应减小(图 7(b),7(c))。由于节理面出露部分对抗滑力贡献的丧失,使FS显著降低,开挖坡率越小,降低程度越显著,降低程度分别从β=47°的7.2%增加至β=53°的22.8%,说明节理面对边坡抗滑力的影响。
4. 水力作用下阶梯状滑动岩质边坡稳定性分析
4.1 水力作用下阶梯状滑动岩质边坡失稳模式构建
由于边坡后缘拉裂缝的存在,为水力作用提供了过水通道,因而降雨或地下水会对顺层岩质边坡的稳定性产生更为不利影响。基于图 3,考虑出流缝被堵塞和出流缝未堵塞两种工况[26],其中,出流缝未堵塞时采用地下水位中点处水压力最大的水力分布情况[26-27],构建了水力作用下阶梯状滑动岩质边坡失稳模式如图 8所示。
基于图 3相关参数,设地下水的重度为γw,拉裂缝充水高度为hw;出流缝被堵塞时节理面、岩桥和拉裂缝所受的水压力分别为U1,T1和V1;出流缝未堵塞时各部分所受的水压力分别为U2,T2和V2。
(1)出流缝被堵塞时边坡安全系数FS1的计算
根据图 8(a),出流缝被堵塞时节理面、岩桥和拉裂缝所受的水压力分别为
U1=γwH2(2hw+H2)2sinβ2+γwH4(2hw+2H2+2H3+H4)2sinβ4,T1=γwH3(2hw+2H2+H3)2sinβ3,V1=γwh2w2sinβ1。} (25) 基于式(25),坡体法向应力σn1为
σn1=Wcosβ4−U1−T1cos(β3−β4)−V1cos(β1−β4)B4B6。 (26) 坡体抗滑力Fresist1为
Fresist1=(cr+σn1⋅tanφr)⋅B3B5+(B5B6+B4B3)⋅ {σn1tan[ϕb+JRClg(JCSσn1)]} 。 (27) 坡体下滑力Finduce1为
Finduce1=Wsinβ4+T1sin(β3−β4)+V1sin(β3−β4)。 (28) 出流缝被堵塞时边坡安全系数FS1为
FS1={ (cr+σn1⋅tanφr)⋅B4C2⋅(1−kY)+{σn1tan[ϕb+JRClg(JCSσn1)]}⋅B4C2⋅kY1} / (W⋅sinβ4+T1sin(β3−β4)+V1sin(β1−β4))。 (29) (2)出流缝未堵塞时边坡安全系数FS2的计算
根据图 8(b),出流缝未堵塞时节理面、岩桥和拉裂缝所受的水压力分别为
U2=γwH2(2hw+H2)2sinβ2+γwH242sinβ4,T2=γw[(hw+H2+H3−H4)(hw+H2+H3−3H4)+(−hw−H2+H3+H4)(3hw+3H2+H3+H4)]/8sinβ3,V2=γwh2w2sinβ1。} (30) 基于式(30),坡体法向应力σn2为
σn2=Wcosβ4−U2−T2cos(β3−β4)−V2cos(β1−β4)B4B6。 (31) 坡体抗滑力Fresist2为
Fresist2=(cr+σn2⋅tanφr)⋅B3B5+(B5B6+B4B3)⋅ {σn2tan[ϕb+JRClg(JCSσn2)]} 。 (32) 坡体下滑力Finduce2为
Finduce2=W⋅sinβ4+T2sin(β3−β4)+V2sin(β1−β4)。 (33) 出流缝被堵塞时边坡安全系数FS2为
FS2={ (cr+σn2⋅tanφr)⋅B4C2⋅(1−kY)+{σn2tan[φb+JRClg10(JCSσn2)]}⋅B4C2⋅kY1} / (W⋅sinβ4+T2sin(β3−β4)+V2sin(β1−β4))。 (34) 将相关参数代入式(29),(34),可求得出流缝被堵塞和未堵塞时边坡的安全系数FS1,FS2。
4.2 拉裂缝相关参数和拉裂缝充水高度对边坡稳定性的影响
裂缝倾角β1和拉裂缝充水高度hw对边坡稳定性影响显著。基于此,开展出流缝被堵塞与未堵塞时的对比分析与β1和hw对边坡稳定性的参数敏感性分析,如图 9所示。参数取值:β1=60°~90°,hw=0~2.0 m。其他参数取值:H=100 m,L=25 m,α=10°,β=75°,γ=25 kN/m3,H1=2 m,H2=3 m,β2=35°,φb=20°,JRC=6,JCS=40 MPa,γw=10 kN/m3。
由图 9可知,当出流缝被堵塞或未堵塞时,FS均随着hw的增加而降低,且均随着β1的增加而降低。由图 9(a)与(b)对比可知,当β1=60°时,出流缝被堵塞时FS1随着hw的增加降低了22.0%,出流缝未堵塞时FS2降低了3.1%,出流缝被堵塞时FS对hw的变化较敏感。在不考虑水力作用的情况下,当β1=60°时,FS=1.41;当出流缝被堵塞且hw=2.0 m时,与不考虑水力作用时相比,FS下降了62.8%;当出流缝未堵塞且hw=2.0 m时,与不考虑水力作用时相比,FS下降了20.3%。因此,水力作用对带裂缝边坡的稳定性有重要的影响。
5. 结论
本文开展了阶梯状岩桥剪切贯通失稳模式下各关键参数对断续节理顺层岩质边坡稳定性影响规律的研究,获得4点结论。
(1)假定岩桥服从M-C破坏准则,节理面服从B-B破坏准则,考虑岩桥和节理面强度参数的弱化系数Kφ,Kc,依据节理面强度参数和弱化系数Kφ,Kc获得了岩桥内摩擦角φr和黏聚力cr。
(2)基于断续节理顺层岩质边坡阶梯状岩桥剪切失稳模式,通过对比分析验证了该模式的准确性。研究表明:裂隙连通率kG(kY)、基本摩擦角φb、粗糙度系数JRC、弱化系数Kc和岩桥倾角β3对FS影响显著。尤其β3越大,FS减小越显著,边坡越不稳定。
(3)通过对比分析验证了台阶型坡面岩质边坡阶梯状失稳模式稳定性计算结果的准确性。研究表明:开挖次数和坡率对断续节理顺层岩质边坡稳定性影响显著。开挖范围不涉及潜在滑动面时边坡更为稳定,而开挖一旦使节理面出露便使得边坡稳定性大幅下降,最高下降达22.8%,因此当开挖范围涉及到潜在滑动面时,此时使得边坡稳定性显著下降。故在实际工程中,不能盲目放坡,应先对目标边坡地质情况进行细致调研,才能真正达到放坡促使边坡更为稳定的目的。
(4)通过对比分析以及参数分析探究了水力作用对边坡稳定性的影响规律。研究表明:水力作用对边坡稳定性的不利影响十分显著。其中,出流缝被堵塞时边坡FS下降非常显著,hw=2.0 m时FS下降达62.8%,出流缝未堵塞时安全系数下降较为显著;拉裂缝倾角和拉裂缝充水高度对边坡稳定性有一定的不利影响。在实际工程中对于带裂缝边坡,不能忽视水力作用的影响,在实际工程中,对易滑边坡及时做出排水措施。
-
表 1 预测模型评价指标
Table 1 Evaluation indexes of prediction models
评判指标 LSTM CNN-LSTM 优化效果/% GRU CNN-GRU 优化效果/% MAE 0.1019 0.0819 24.4 0.0902 0.0782 13.9 MAPE 1.2779 0.5909 53.8 1.0970 0.5581 49.1 RMSE 0.1251 0.1199 4.1 0.1185 0.1174 1.0 -
[1] LIU Bo, WU Wenwen, LIU Haipei, et al. Effect and control of foundation pit excavation on existing tunnels: a state-of-the-art review[J]. Tunnelling and Underground Space Technology, 2024, 147: 105704. doi: 10.1016/j.tust.2024.105704
[2] 王卫东. 软土深基坑变形及环境影响分析方法与控制技术[J]. 岩土工程学报, 2024, 46(1): 1-25. doi: 10.11779/CJGE20231146 WANG Weidong. Analytical methods and controlling techniques for deformation and environmental influence of deep excavations in soft soils[J]. Chinese Journal of Geotechnical Engineering, 2024, 46(1): 1-25. (in Chinese) doi: 10.11779/CJGE20231146
[3] HU Y, LEI H Y, ZHENG G, et al. Assessing the deformation response of double-track overlapped tunnels using numerical simulation and field monitoring[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2022, 14(2): 436-447. doi: 10.1016/j.jrmge.2021.07.003
[4] XU Q W, XIE J L, LU L H, et al. Numerical and theoretical analysis on soil arching effect of prefabricated piles as deep foundation pit supports[J]. Underground Space, 2024, 16: 314-330. doi: 10.1016/j.undsp.2023.09.011
[5] 胡之锋, 陈健, 邱岳峰, 等. 挡墙水平变位诱发地表沉降的显式解析解[J]. 岩土力学, 2018, 39(11): 4165-4175. HU Zhifeng, CHEN Jian, QIU Yuefeng, et al. Analytical formula for ground settlement induced by horizontal movement of retaining wall[J]. Rock and Soil Mechanics, 2018, 39(11): 4165-4175. (in Chinese)
[6] 薛艳杰. 基于机器学习算法的土岩复合地层深基坑变形时序预测[J]. 现代隧道技术, 2022, 59(增刊2): 77-85. XUE Yanjie. Deformation time series prediction of deep foundation pit in soil-rock composite stratum based on machine learning algorithm[J]. Modern Tunnelling Technology, 2022, 59(S2): 77-85. (in Chinese)
[7] 赵华菁, 张名扬, 刘维, 等. 基于神经网络算法的深基坑地连墙变形动态预测[J]. 地下空间与工程学报, 2021, 17(增刊1): 321-327. ZHAO Huajing, ZHANG Mingyang, LIU Wei, et al. Dynamic prediction of deformation of diaphragm wall in deep foundation pit based on neural network algorithm[J]. Chinese Journal of Underground Space and Engineering, 2021, 17(S1): 321-327. (in Chinese)
[8] 张生杰, 谭勇. 基于LSTM算法的基坑变形预测[J]. 隧道建设(中英文), 2022, 42(1): 113-120. ZHANG Shengjie, TAN Yong. Deformation prediction of foundation pit based on long short-term memory algorithm[J]. Tunnel Construction, 2022, 42(1): 113-120. (in Chinese)
[9] 徐长节, 李欣雨. 基于人工神经网络的深基坑支护结构侧移预测[J/OL]. 上海交通大学学报, 1-20. [2024-09-11]. https://doi.org/10.16183/j.cnki.jsjtu.2023.109. XU Changjie, LI Xinyu. Lateral Deformation Prediction of Deep Foundation Retaining Structures Based on Artificial Neural Network[J/OL]. Journal of Shanghai Jiao Tong University, 1-20[2024-09-11]. https://doi.org/10.16183/j.cnki.jsjtu.2023.109. (in Chinese)
[10] 方庆, 陈胜, 刘雪珠, 等. 基于变分模态分解的CNN-LSTM模型在基坑变形预测中的应用[J/OL]. 力学与实践, 1-8[2024-09-11]. http://kns.cnki.net/kcms/detail/11.2064.o3.20240314.2043.002.html. FANG Qin, CHEN Sheng, LIU Xuezhu, et al. Application of the variational mode decomposition-based CNN-LSTM model in predicting excavation deformation[J]. Mechanics in Engineering, 1-8[2024-09-11]. http://kns.cnki.net/kcms/detail/11.2064.o3.20240314.2043.002.html. (in Chinese)
[11] 满轲, 武立文, 刘晓丽, 等. 基于CNN-LSTM模型的TBM隧道掘进参数及岩爆等级预测[J/OL]. 煤炭科学技术, 1-19[2024-09-11]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231026.1344.003.html. MAN Ke, WU Liwen, LIU Xiaoli, et al. The prediction of TBM tunnel boring parameters and rockburst grade based on CNN-LSTM model[J/OL]. Coal Science and Technology, 1-19[2024-09-11]. http://kns.cnki.net/kcms/detail/11.2402.TD.20231026.1344.003.html. (in Chinese)
[12] 王锋. 基于SSA-LSTM模型的软岩隧道变形特征智能预测及应用研究[J]. 现代隧道技术, 2024, 61(1): 56-66. WANG Feng. Study on intelligent prediction of the deformation characteristics of soft rock tunnel based on SSA-LSTM model and its application[J]. Modern Tunnelling Technology, 2024, 61(1): 56-66. (in Chinese)
[13] 洪宇超, 钱建固, 叶源新, 等. 基于时空关联特征的CNN-LSTM模型在基坑工程变形预测中的应用[J]. 岩土工程学报, 2021, 43(增刊2): 108-111. doi: 10.11779/CJGE2021S2026 HONG Yuchao, QIAN Jiangu, YE Yuanxin, et al. Application of CNN-LSTM model based on spatio-temporal correlation characteristics in deformation prediction of foundation pit engineering[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(S2): 108-111. (in Chinese) doi: 10.11779/CJGE2021S2026
-
期刊类型引用(2)
1. 张洪芳,张世涛. 自旋式防基底隆起支护装置在基坑支护中的应用与效果评估. 中国水运. 2025(06): 151-154 . 百度学术
2. 黄致兴,张兴杰,任晓光,谌越,谭路,范兰杨,王涛. AI在基坑工程中的应用研究. 广州建筑. 2025(04): 76-82 . 百度学术
其他类型引用(0)