Shear properties of two-order morphology of rock joints
-
摘要: 岩石结构面表面形貌由宏观起伏体（一级）和表面微凸体（二级）两级形貌共同组成，剪切过程中各级形貌的剪切特性不尽相同。结合三维激光扫描技术、3D打印技术和模拟材料批量制作了模型结构面，开展了不同法向应力条件下的直剪试验。试验结果表明：相同法向应力条件下，二级形貌剪切磨损接近总体形貌，且大于一级形貌；不同法向应力条件下，剪切前后两级粗糙参数平均变化率随法向应力增加而逐渐增加，其中一级粗糙参数平均变化率ηI为1.99%~4.03%，二级粗糙参数平均变化率ηπ为5.97%~8.16%；进一步基于“余弦相似性”原理计算余弦夹角以评价剪切前后结构面形貌相似性，发现二级形貌余弦夹角波动最大，一级形貌余弦夹角与总体形貌余弦夹角较接近，验证了二级形貌的剪损特性和一级形貌的剪胀特性。上述研究可为结构面抗剪强度的评价提供参考意义。Abstract: The surface morphology of rock joints is composed of two-order morphology, including macroscopic undulation components (first-order) and asperities of joint surfaces (second-order), and different morphologic components contribute differently to the shear characteristics during the shearing process. 3D laser scanning, 3D printing technology and similar materials are adopted to produce different model joints in batches, and direct shear tests are carried out under different normal stress conditions. The test results show that under the same normal stress, the second-order morphology shear wear is close to the overall morphology and greater than the first-order morphology. Under different normal stresses, the average variation rate of the two-order roughness parameters gradually increases with the increase of the normal stress before and after shearing. The average variation rate of the first-order roughness parameters ηI is 1.99%~4.03%, and that of the second-order roughness parameters ηπ is 5.97%~8.16%. The cosine angle is calculated based on the principle of "cosine similarity" to evaluate the similarity of the joints before and after shearing. The cosine angle of the second-order morphology fluctuates most, the cosine angle of the first-order morphology is close to the overall morphology, and the shear wear characteristics of the second-order morphology and the shear dilatancy characteristics of the first-order morphology are verified. The above results are of reference significance for the evaluation of the shear strength of joints.
-
0. 引言
在岩土工程中，基础、挡土墙、边坡等土工结构的设计以及路堤稳定性、土压力和地基承载力的计算等均需用到土的抗剪强度指标。抗剪强度指标的选取关乎土工结构的设计与安全，不合理的取值会造成工程灾害发生、工程造价提高等不良影响[1]，中国某些软土地基基坑坍塌就是由于强度指标选择不当而造成的。但土的抗剪强度指标受到多种因素的影响，首先取决于土本身的物理性质，即土的组成、土的状态和土的结构，其次还取决于它所受的应力状态[2]，各因素之间相互作用及其影响机理较为复杂[3]，难以解释，因此目前主要还是依靠室内试验和现场原位试验确定其取值。
胡海军等[4]比较了不同试验测试方法及其适用性，指出试验方法的选择对确定抗剪强度指标有很大的影响，且不同施工期需采用不同的抗剪强度指标；闫澎旺等[5]指出十字板剪切试验不能准确反映实际滑动面的强度，并通过大量的试验结果回归分析得到软黏土的抗剪强度指标，但其回归方程的某些参数也是依靠经验取值.由于试验手段获取的抗剪强度指标会受到试验条件的限制，具有精度难以保证以及过于依靠“经验”而导致的不确定性等缺点，越来越多的学者选择采用数值分析或机器学习等非试验方法获取抗剪强度指标[6-7]。其中，机器学习（machine learning）是人工智能领域的1个子领域[8]，它可以通过让计算机系统自动识别数据中的模式、规律和趋势，从而使其能够对目标参数进行准确的预测和决策。随着近些年人工智能领域的发展，机器学习在工程领域中已经得到大量的应用并表现出惊人的能力[9]。
对于土体抗剪强度指标的预测，也有不少学者采用不同的机器学习算法展开了大量研究。Das等[10]采用人工神经网络ANN预测黏土的内摩擦角，其测试集的可决系数R2达到0.868；Pham等[11]采用自适应模糊推理系统ANFIS预测软土的抗剪强度，并用SVM，ANN两种算法做对比，得出结论粒子群优化的ANFIS的预测效果最好，其拟合度为0.601；刘晓燕等[12]采用回归树和模型树对黏土的不排水抗剪强度展开预测，其用模型树法预测的测试集可决系数R2达到0.95；Rabbani等[13]采用灰狼算法等6种启发式算法对ANN进行优化，训练土体抗剪强度预测模型，最终得到增强灰狼算法优化ANN的预测效果最好，其测试集的可决系数R2达到0.819；顾春生等[14]采用PAC优化BP神经网络的方法预测黏性土的抗剪强度，其抗剪强度拟合度达到0.85，内摩擦角拟合度达到0.72。
虽然学者们已经使用各种算法对抗剪强度指标的预测模型进行了研究，但是这些模型的预测精度并未达到理想水平。且以上研究尚未针对抗剪强度τf、内摩擦角φ和黏聚力c这3个指标进行统一的建模研究。集成学习模型是一种将多个算法模型集成在一起以提高模型性能的方法。它有几种不同的方法，包括Bagging，Boosting和堆叠法，在处理复杂数据和任务时表现出强大的能力，具有泛化能力高、鲁棒性好等优点。针对上述问题，采用两种集成学习算法（RF算法和Adaboost算法）对τf，φ，c3个指标的预测进行统一的建模研究。采用RMSE3，R2，MAE评估不同预测模型的泛化能力，使该预测模型具备泛化误差小、稳定性好、不易过拟合等特点。最后采用Adaboost算法对输入参数进行敏感性分析，找到对抗剪强度、内摩擦角、黏聚力影响最大的输入参数。
1. 数据集准备及预处理
1.1 特征筛选
从影响土体抗剪强度的因素出发，考虑土体的抗剪强度首先取决于其基本物理性质：即土的组成、土的状态和土的结构，其次还取决于它当前所受的应力状态，因此选择用土体的基本物理参数以及所受的应力状态来预测其抗剪强度及其强度指标。故将模型的输入参数确定为相对质量密度Gs、塑限wp、液限wl、黏粒含量d0.005、塑性指数Ip、不均匀系数Cu、曲率系数Cc、含水率w、干密度ρd以及所受的法向应力σ。输出参数为抗剪强度τf和抗剪强度指标为内摩擦角φ、黏聚力c。
1.2 数据集准备及统计值描述
建立一个精确的抗剪强度指标预测模型，必须收集大量的试验数据，并通过机器学习算法对这些试验数据展开研究，找到输入变量和输出变量之间复杂的映射关系，数据集的质量对预测模型的精度起到决定性的作用。从文献[15~19]中共收集到695条有效的抗剪强度指标的试验数据，构成训练模型的数据集。绘制了τf，φ，c这3个输出参数的直方分布图，如图 1所示，以更清晰地观察其数据分布情况。并绘制了3个参数的箱型图进行异常值检测，如图 2所示。据图 2显示，抗剪强度和黏聚力均存在异常值的情况，且大部分异常值是超越了箱型图上限，因此在训练模型之前需将这些异常值剔除，内摩擦角则几乎不存在异常值的情况。将在拟合曲线上方的数据视为异常值，经筛选，抗剪强度存在11个异常值，黏聚力存在3个异常值，将异常值所在的数据列删除，最终用于训练模型的数据集为681条有效数据。
1.3 相关性分析
为了防止所建立的模型出现多重共线性，需要在训练模型之前进行输入变量之间的相关性分析。Spearman相关分析方法可用于衡量两个变量之间的非线性关系，且Spearman相关系数不要求数据满足正态分布或其他特定分布，对异常值相对较不敏感，具有较好的鲁棒性[20]。因此，采用Spearman相关系数法计算所有输入参数之间的相关系数。Spearman相关系数的计算公式为
rs=1−6∑d2in(n2−1)。 (1) 式中：di为xi与yi的等级差；n为样本组数。
图 3为各输入参数的Spearman等级相关系数矩阵热图。|rs|越接近于1，说明两个参数之间的相关性越强，正值代表两个参数之间具有正相关性，负值代表两个参数之间具有负相关性。可以看出，对角线上的相关系数为1，而其他大部分位置的相关系数都小于0.6，说明不同输入参数之间的相关性较低。因此，预测精度不受输入变量自相关性的影响。
2. 集成学习算法及训练策略
2.1 集成学习模型
集成学习是一种通过结合多个学习器来提高整体性能的机器学习方法。根据个体学习器的生存方式，集成学习大致可分为：①个体学习器间存在强依赖关系的序列化方法，如Adaboost算法；②个体学习器间不存在依赖关系的并行化方法，如随机森林算法。
其中，Adaboost算法属于序列化集成学习算法，其核心思想是通过结合多个弱学习器（通常是简单且性能较差的学习器）来构建一个强学习器[21]。将该算法用于回归任务中的优点包括该算法对噪声数据具有鲁棒性、在处理复杂问题时的高准确性等，并且不需要特别复杂的弱学习器。然而，需要注意的是数据的离散化可能会导致信息损失，并且Adaboost在处理高维数据时效果不如其他算法，Adaboost算法的原理示意图见图 4。
随机森林（RF）是Bagging的一个扩展变体，它是以决策树为基学习器构建Bagging集成的基础上，在决策树的训练过程中引入随机属性的选择。随机森林的训练效率常优于Bagging[22]，因为在个体决策树的构建过程中，Bagging使用的是“确定型”决策树，在选择划分属性时要对节点的所有属性进行考察；而随机森林使用的是“随机型”决策树，只需考察一个属性子集。随机森林简单、容易实现、计算代价小，但在很多现实任务中展现出强大的性能，RF算法的原理示意图见图 5。
2.2 训练策略
将数据集按照8︰2的比例划分为训练集和测试集，训练集用于模型的训练，测试集用于评估模型的泛化能力。由于输入变量和输出变量的原始数据跨度范围相当大，为了避免奇异样本数据的出现，减少训练时间，使模型更快收敛，对原始数据基于以下线性映射函数进行归一化处理：
xn=x−xminxmax−xmin。 (2) 式中：xn为各参数的归一化数据；xmax为样本数据的最大值；xmin为数据样本中的最小值。
为了比较不同模型的泛化能力，使用评估回归模型最常用的RMSE，R2，MAE3个指标来评估各模型的预测性能：
RMSE =√1mm∑i=1(yi−^yi)2, (3) R2=1−m∑i=1(yi−˜y)2m∑i=1(yi−¯yi)2, (4) MAE=1mm∑i=1|yi−˜yi|。 (5) 式中：yi为真实的观测值，˜yi为预测值，¯yi为真实观测值的平均值。
3. 结果与讨论
3.1 泛化能力比较
在预测抗剪强度的任务中，RF算法和Adaboost算法在训练集和测试集上的3个评价指标统计于表 1。可决系数R2最接近于1的算法是Adaboost算法，训练集和测试集分别达到0.998，0.925。绝对值误差MAE最小的算法是Adaboost算法，训练集和测试集分别为0.942，13.272。均方根误差RMSE最小的算法是Adaboost算法，训练集和测试集的RMSE分别为3.809、22.244。综合3个评价指标，Adaboost算法预测土体抗剪强度的能力优于RF算法。
表 1 τf，φ，c预测模型各指标统计表Table 1. Indexes of prediction model for τf, φ and c模型 R2 MAE RMSE 训练 测试 训练 测试 训练 测试 τf RF 0.967 0.932 10.717 15.528 13.947 23.921 Adaboost 0.998 0.925 0.941 13.274 3.809 22.244 φ RF 0.997 0.965 0.901 1.469 1.167 1.536 Adaboost 0.991 0.964 0.192 0.579 0.413 2.189 c RF 0.952 0.910 2.860 3.978 4.087 5.623 Adaboost 0.978 0.942 0.734 1.251 2.777 4.377 在预测内摩擦角的任务中，RF算法和Adaboost算法在训练集和测试集上的3个评价指标统计于表 1。可决系数R2最接近于1的算法是RF算法，训练集和测试集分别达到0.997，0.965。绝对值误差MAE最小的算法是Adaboost，训练集和测试集分别为0.192，0.579。均方根误差RMSE最小的算法是RF，训练集和测试集的RMSE分别为1.167，1.536。但是Adaboost算法训练集和测试集的RMSE分别为0.413，2.189，测试集的误差远大于训练集的误差，可能出现了过拟合的现象。综合3个评价指标，RF算法预测内摩擦角的能力优于Adaboost算法，且Adaboost算法预测内摩擦角可能会出现过拟合。
在预测黏聚力的任务中，RF算法和Adaboost算法在训练集和测试集上的3个评价指标统计于表 1。R2最接近于1的算法是Adaboost算法，训练集和测试集分别达到0.978，0.942。MAE最小的算法是Adaboost，训练集和测试集分别为0.734，1.251。RMSE最小的算法是Adaboost，训练集和测试集的RMSE分别为2.777，4.377。综合3个评价指标，Adaboost算法预测黏聚力的能力优于RF算法。
3.2 不同模型综合能力比较结果
根据以上分析，综合考虑模型的泛化能力，预测抗剪强度、内摩擦角、黏聚力表现能力最好的算法分别是Adaboost，RF，Adaboost。3个算法在测试集中真实值和预测值的拟合参考图见图 6。
![]()
图 6 3个模型测试集中真实值、预测值拟合参考图Figure 6. Reference plots of true and predicted values fitted in three model test sets其中使用Adaboost算法预测内摩擦角时，训练结果显示测试集的误差远大于训练集的误差，可能出现了过拟合的现象。究其原因，可能为：①AdaBoost算法对异常值比较敏感，因为这些异常值可能在每一轮的训练过程中得到强调，从而影响模型的泛化能力。②Adaboost算法采用的弱学习器数量过多，虽然增加弱学习器的数量可以提高模型的复杂度，但也容易导致过拟合。
3.3 输入参数敏感性分析
由于AdaBoost是一种迭代的学习方法，每一轮都在调整样本的权重以关注先前被错误分类的样本，因此对参数的敏感性较高。在Adaboost算法训练完成后会得到每个弱分类器的权重，每个弱分类器对应一个参数，这样就可以识别不同参数对模型性能的影响程度[23]。因此，为了评估模型的输入参数对抗剪强度指标的影响程度，采用Adaboost算法对参数做敏感性分析，分析结果见图 7。根据训练结果可以得到，对抗剪强度τf影响程度最大的3个参数为干密度、含水率和法向应力，分别占比25.7%，25.3%，23%；对内摩擦角影响程度最大的，个参数为曲率系数、黏粒含量和含水率，分别占比31%，22.6%，19.3%；对黏聚力影响程度最大的3个参数是含水率、干密度和液限，分别占比35.1%，25.3%，13.6%。在使用数据驱动模型预测相应指标时，若数据集缺失某些输入参数，可优先考虑将以上参数作为模型的输入参数。
4. 结论
提出了一种基于集成学习的正常固结土抗剪强度指标预测模型，利用土体常用的物理参数来预测土体的抗剪强度、内摩擦角和黏聚力，为工程中抗剪强度指标的选取提供参考。首先通过数据集的扩建及预处理，使用集成学习算法（RF，Adaboost）进行模型的构建，然后利用RMSE，R2，MAE3个评价指标评估模型的泛化能力，最后采用Adaboost算法进行输入参数的敏感性分析，得到2点结论。
（1）所建立的模型对τf，φ，c 3个参数的预测均取得了不错的效果。比较各模型的泛化能力，预测抗剪强度效果最好的算法是Adaboost算法，其测试集的R2可达0.925；预测内摩擦角效果最好的算法是RF，其测试集的R2可达0.965；预测粘聚力效果最好的算法是Adaboost，其测试集的R2可达0.942。
（2）敏感性分析结果表明：对抗剪强度影响最大的参数是干密度（25.7%）、含水率（25.3%）、法向应力（23%）；对内摩擦角影响最大的3个参数是曲率系数（31%）、黏粒含量（22.6%）、含水率（19.3%）；对粘聚力影响最大的3个参数是含水率（35.1%）、干密度（25.3%）、液限（13.6%）。
-
![]()
图 3 粗糙表面积与采样间距的直线关系拟合
Figure 3. Fitting of linear relationship between areas of joint surfaces and sampling intervals
![]()
图 8 剪切后结构面形貌剪切磨损区域
Figure 8. Shear loss areas of surface morphology of rock joints after shearing
![]()
图 9 3组结构面剪损面积比
Figure 9. Percentage of shear loss areas of three groups of rock joints
![]()
图 10 剪切前后结构面各级形貌比较
Figure 10. Comparison of first and second-order morphologies of rock joints before and after shearing
表 1 不同采样间距下结构面粗糙表面积
Table 1 Areas of joint surfaces under different sampling intervals
δ/mm S/mm2 J01 J02 J03 50 9214 9222 9229 25 9215 9226 9234 20 9216 9227 9237 10 9219 9232 9241 5 9226 9247 9254 4 9229 9250 9257 2 9236 9262 9269 1 9243 9271 9278 
下载: 导出CSV
表 2 剪切前后粗糙参数变化率汇总
Table 2 Summary of variation rate of roughness parameters before and after shearing
法向应力
/MPa试样编号 θ∗max/(C+1)I 变化率/% 平均变化率/% θ∗max/(C+1)π 变化率/% 平均变化率/% θ∗max/(C+1)总 变化率/% 平均变化率/% 剪切前 剪切后 剪切前 剪切后 剪切前 剪切后 0.5 J01-1 4.25 4.35 2.35 1.99 4.42 4.47 1.13 5.97 5.88 5.88 0 2.18 J02-1 7.57 7.50 0.92 5.38 4.67 13.20 9.13 8.74 4.27 J03-1 10.32 10.04 2.71 6.73 6.49 3.57 11.45 11.19 2.27 1.0 J01-2 4.76 4.54 4.62 2.17 4.46 4.12 7.62 7.20 6.23 5.94 4.65 2.66 J02-2 8.72 8.74 0.23 5.33 4.78 10.32 9.60 9.54 0.63 J03-2 10.19 10.02 1.67 7.09 6.83 3.67 11.47 11.16 2.70 1.5 J01-3 4.23 3.95 6.62 3.98 4.41 4.04 8.39 7.60 5.81 6.01 3.44 2.73 J02-3 8.09 8.20 1.36 5.49 4.81 12.39 9.59 9.32 2.81 J03-3 10.13 9.73 3.95 6.91 6.77 2.03 11.33 11.11 1.94 2.0 J01-4 4.84 4.98 2.89 4.03 5.13 4.81 6.24 8.16 6.53 7.09 8.58 5.66 J02-4 9.13 9.64 5.59 5.39 4.97 7.79 10.05 10.28 2.29 J03-4 10.21 9.84 3.62 5.46 4.89 10.44 11.95 11.22 6.11
下载: 导出CSV
表 3 剪切前后结构面余弦夹角汇总
Table 3 Summary of cosine angle of rock joints before and after shearing
(°) 试样编号 剪切前后结构面余弦夹角 剪切后结构面余弦夹角 一级 二级 总体 一级与总体 二级与总体 J01-1 16.81 32.22 15.90 3.86 46.93 J02-1 0.92 7.25 1.01 1.60 17.85 J03-1 1.15 12.83 0.74 1.46 29.70 J01-2 1.44 57.01 0.95 1.77 35.97 J02-2 0.56 19.13 0.92 2.57 20.54 J03-2 4.94 8.39 5.08 1.06 28.10 J01-3 27.85 43.01 28.35 3.29 51.62 J02-3 1.11 28.01 1.29 1.09 15.91 J03-3 12.55 23.31 10.88 2.06 30.33 J01-4 2.50 37.60 2.37 1.07 33.76 J02-4 8.35 15.17 8.28 1.33 33.27 J03-4 6.90 45.51 8.27 1.80 33.40
下载: 导出CSV
-
[1] 夏才初, 唐志成, 宋英龙, 等. 节理峰值剪切位移及其影响因素分析[J]. 岩土力学, 2011, 32(6): 1654-1658. doi: 10.3969/j.issn.1000-7598.2011.06.010 XIA Cai-chu, TANG Zhi-cheng, SONG Ying-long, et al. Analysis of relationship between joint peak shear displacement and its influence factors[J]. Rock and Soil Mechanics, 2011, 32(6): 1654-1658. (in Chinese) doi: 10.3969/j.issn.1000-7598.2011.06.010
[2] 夏才初, 宋英龙, 唐志成, 等. 粗糙节理剪切性质的颗粒流数值模拟[J]. 岩石力学与工程学报, 2012, 31(8): 1545-1552. doi: 10.3969/j.issn.1000-6915.2012.08.007 XIA Cai-chu, SONG Ying-long, TANG Zhi-cheng, et al. Particle flow numerical simulation for shear behavior of rough joints[J]. Chinese Journal of Rock Mechanics and Engineering, 2012, 31(8): 1545-1552. (in Chinese) doi: 10.3969/j.issn.1000-6915.2012.08.007
[3] 陈世江, 朱万成, 刘树新, 等. 岩体结构面粗糙度各向异性特征及尺寸效应分析[J]. 岩石力学与工程学报, 2015, 34(1): 57-66. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201501007.htm CHEN Shi-jiang, ZHU Wan-cheng, LIU Shu-xin, et al. Anisotropy and size effects of surface roughness of rock joints[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(1): 57-66. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201501007.htm
[4] BARTON N. Review of a new shear-strength criterion for rock joints[J]. Engineering Geology, 1973, 7(4): 287-332. doi: 10.1016/0013-7952(73)90013-6
[5] BARTON N, CHOUBEY V. The shear strength of rock joints in theory and practice[J]. Rock Mechanics, 1977, 10(1/2): 1-54. doi: 10.1007/BF01261801
[6] ISRM. International Society for Rock Mechanics Commission on Standardization of Laboratory and Field Tests: Suggested methods for the quantitative description of discontinuities in rock masses[J]. International Journal of Rock Mechanics and Mining Sciences and Geomechanics Abstracts, 1978, 15(6): 319-368. doi: 10.1016/0148-9062(78)91472-9
[7] JAFARI M K, HOSSEINI K A, PELLET F, et al. Evaluation of shear strength of rock joints subjected to cyclic loading[J]. Soil Dynamics and Earthquake Engineering, 2003, 23(7): 619-630. doi: 10.1016/S0267-7261(03)00063-0
[8] 沈明荣, 张清照. 规则齿型结构面剪切特性的模型试验研究[J]. 岩石力学与工程学报, 2010, 29(4): 713-719. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201004011.htm SHEN Ming-rong, ZHANG Qing-zhao. Experimental study of shear deformation characteristics of rock mass discontinuities[J]. Chinese Journal of Rock Mechanics and Engineering, 2010, 29(4): 713-719. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201004011.htm
[9] YANG Z Y, TAGHICHIAN A, LI W C. Effect of asperity order on the shear response of three-dimensional joints by focusing on damage area[J]. International Journal of Rock Mechanics and Mining Sciences, 2010, 47(6): 1012-1026. doi: 10.1016/j.ijrmms.2010.05.008
[10] 朱小明, 李海波, 刘博, 等. 含二阶起伏体的模拟岩体节理试样剪切特性试验研究[J]. 岩土力学, 2012, 33(2): 354-360. doi: 10.3969/j.issn.1000-7598.2012.02.006 ZHU Xiao-ming, LI Hai-bo, LIU Bo, et al. Experimental study of shear characteristics by simulating rock mass joints sample with second-order asperities[J]. Rock and Soil Mechanics, 2012, 33(2): 354-360. (in Chinese) doi: 10.3969/j.issn.1000-7598.2012.02.006
[11] 周辉, 程广坦, 朱勇, 等. 大理岩规则齿形结构面剪切特性试验研究[J]. 岩土力学, 2019, 40(3): 852-860. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201903004.htm ZHOU Hui, CHENG Guang-tan, ZHU Yong, et al. Experimental study of shear deformation characteristics of marble dentate joints[J]. Rock and Soil Mechanics, 2019, 40(3): 852-860. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201903004.htm
[12] LIU X R, LIU Y Q, LU Y M, et al. Experimental and numerical study on pre-peak cyclic shear mechanism of artificial rock joints[J]. Structural Engineering and Mechanics, 2020, 74(3): 407-423.
[13] 刘新荣, 许彬, 黄俊辉, 等. 多形态贯通型岩体结构面宏细观剪切力学行为研究[J]. 岩土工程学报, 2021, 43(3): 406-415. https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC202103003.htm LIU Xin-rong, XU Bin, HUANG Jun-hui, et al. Macro-meso shear mechanical behaviors of coalescent rock joints with different morphologies[J]. Chinese Journal of Geotechnical Engineering, 2021, 43(3): 406-415. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTGC202103003.htm
[14] LI Y, OH J, MITRA R, et al. A constitutive model for a laboratory rock joint with multi-scale asperity degradation[J]. Computers and Geotechnics, 2016, 72: 143-151. doi: 10.1016/j.compgeo.2015.10.008
[15] 孙盛玥, 李迎春, 唐春安, 等. 天然岩石节理双阶粗糙度分形特征研究[J]. 岩石力学与工程学报, 2019, 38(12): 2502-2511. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201912010.htm SUN Sheng-yue, LI Ying-chun, TANG Chun-an, et al. Dual fractal features of the surface roughness of natural rock joints[J]. Chinese Journal of Rock Mechanics and Engineering, 2019, 38(12): 2502-2511. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201912010.htm
[16] LI Y C, SUN S Y, TANG C A. Analytical prediction of the shear behaviour of rock joints with quantified waviness and unevenness through wavelet analysis[J]. Rock Mechanics and Rock Engineering, 2019, 52(10): 3645-3657. doi: 10.1007/s00603-019-01817-5
[17] 黄曼, 洪陈杰, 杜时贵, 等. 岩石结构面形貌分级方法及两级粗糙特性研究[J]. 岩石力学与工程学报, 2020, 39(6): 1153-1164. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX202006007.htm HUANG Man, HONG Chen-jie, DU Shi-gui, et al. Study on morphological classification method and two-order roughness of rock joints[J]. Chinese Journal of Rock Mechanics and Engineering, 2020, 39(6): 1153-1164. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX202006007.htm
[18] HUANG M, HONG C J, DU S G, et al. Experimental technology for the shear strength of the series-scale rock joint model[J]. Rock Mechanics and Rock Engineering, 2020, 53(12): 5677-5695. doi: 10.1007/s00603-020-02241-w
[19] TATONE B S A, GRASSELLI G. A method to evaluate the three-dimensional roughness of fracture surfaces in brittle geomaterials[J]. The Review of Scientific Instruments, 2009, 80(12): 125110. doi: 10.1063/1.3266964
[20] TATONE B S A, GRASSELLI G. An investigation of discontinuity roughness scale dependency using high- resolution surface measurements[J]. Rock Mechanics and Rock Engineering, 2013, 46(4): 657-681. doi: 10.1007/s00603-012-0294-2
[21] 黄曼, 罗战友, 杜时贵. 岩石模型结构面的取样代表性试验研究[J]. 岩石力学与工程学报, 2013, 32(10): 2008-2014. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201310008.htm HUANG Man, LUO Zhan-you, DU Shi-gui. Experimental study of sampling representativeness of structural plane of rock model[J]. Chinese Journal of Rock Mechanics and Engineering, 2013, 32(10): 2008-2014. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201310008.htm
[22] 洪陈杰, 黄曼, 夏才初, 等. 岩体结构面各向异性变异系数的尺寸效应研究[J]. 岩土力学, 2020, 41(6): 2098-2109. https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX202006035.htm HONG Chen-jie, HUANG Man, XIA Cai-chu, et al. Study of size effect on the anisotropic variation coefficient of rock joints[J]. Rock and Soil Mechanics, 2020, 41(6): 2098-2109. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX202006035.htm
[23] 罗战友, 李棋, 熊志强, 等. 吻合岩石结构面一体化制作模具研制及试验对比研究[J]. 岩石力学与工程学报, 2018, 37(3): 689-698. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201803017.htm LUO Zhan-you, LI Qi, XIONG Zhi-qiang, et al. Development and experimental comparative study of the integrated mold for fit joint of rock[J]. Chinese Journal of Rock Mechanics and Engineering, 2018, 37(3): 689-698. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201803017.htm
[24] 杜时贵, 黄曼, 罗战友, 等. 岩石结构面力学原型试验相似材料研究[J]. 岩石力学与工程学报, 2010, 29(11): 2263-2270. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201011014.htm DU Shi-gui, HUANG Man, LUO Zhan-you, et al. Similar material study of mechanical prototype test of rock structural plane[J]. Chinese Journal of Rock Mechanics and Engineering, 2010, 29(11): 2263-2270. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX201011014.htm
[25] 黄曼. 岩石模型结构面的相似材料研制及力学可靠性研究[D]. 杭州: 浙江大学, 2012. HUANG Man. Similar Materials Developed and Mechanical Reliability Study on Model Rock Structural Plane[D]. Hangzhou: Zhejiang University, 2012. (in Chinese)
[26] GRASSELLI G, WIRTH J, EGGER P. Quantitative three- dimensional description of a rough surface and parameter evolution with shearing[J]. International Journal of Rock Mechanics and Mining Sciences, 2002, 39(6): 789-800. doi: 10.1016/S1365-1609(02)00070-9
[27] GRASSELLI G. Manuel rocha medal recipient shear strength of rock joints based on quantified surface description[J]. Rock Mechanics and Rock Engineering, 2006, 39(4): 295-314. doi: 10.1007/s00603-006-0100-0
[28] 唐志成, 王晓川. 不同接触状态岩石节理的剪切力学性质试验研究[J]. 岩土工程学报, 2017, 39(12): 2312-2319. doi: 10.11779/CJGE201712021 TANG Zhi-cheng, WANG Xiao-chuan. Experimental studies on mechanical behaviour of rock joints with varying matching degrees[J]. Chinese Journal of Geotechnical Engineering, 2017, 39(12): 2312-2319. (in Chinese) doi: 10.11779/CJGE201712021
-
期刊类型引用(3)
1. 杨禹，章赛泽. 含裂隙预崩解炭质泥岩的强度特性预测. 西北工程技术学报(中英文). 2025(01): 45-52 . 
百度学术
2. 王钰轲，冯爽，万愉快，钟燕辉. 基于深度卷积网络混合LSSVM算法的路基粉土抗剪强度指标预测. 中国公路学报. 2025(05): 26-37 . 百度学术
3. 赵恒梓，李素敏，郭庆，王中羽. 样本优化的集成学习模型在滑坡易发性评价中的应用. 测绘科学. 2024(12): 132-141 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 243
- HTML全文浏览量: 23
- PDF下载量: 85
- 被引次数: 4
