基于粗糙集理论的膨胀土路基气候作用分析及水毁灾害预测

论文摘要

膨胀土是一种颗粒高度分散、能够反复胀缩变形、对环境的湿热变化十分敏感的高塑性粘土，它具有吸水膨胀软化、失水收缩开裂的工程特性。由于其不良的工程特性导致了工程上的许多问题或地质灾害的频繁发生。作为浅表层轻型构筑物的路基工程，膨胀土路基的水毁损害一直是岩土工程界和工程地质领域中世界性的重大工程难题之一。膨胀土路基的水毁受气候的影响非常之大。就膨胀土的形成和分布而言，它与气候有很大的关系，特别是降雨和干旱对膨胀土路基的水毁更是有着直接的关联。在全球变暖的大环境下考虑异常气候对膨胀土路基水毁的影响非常必要。本文结合交通部西部课题《水对膨胀土路基的损害作用机理研究》，综合分析了国内外对膨胀土水毁研究的现状，通过理论分析、室内试验、大型模型试验和粗糙神经网络预测等方法，对膨胀土的水毁机理和灾害预测进行了广泛而深入的研究，取得了一些创新性的成果，得出了如下几方面的结论：1．提出了运用粗糙集理论对膨胀土进行分类的新方法。本文基于粗糙集的理论和方法，运用粗糙集理论的重要性原理，对膨胀土分类指标的重要性进行排序，可以剔除膨胀土胀缩等级评价体系中的相互关联甚至无效的指标。现行的对膨胀土胀缩等级进行评判的指标和方法很多，但是从评判结果与试验指标之间的粗糙依赖度来看，在许多膨胀土分级方法中，评判结果并不完全依赖于某些试验指标。研究表明：通过计算膨胀土胀缩指标的重要性可以补充新的试验指标以完善指标体系，使之更加准确地对膨胀土进行分级。针对膨胀土分类时数据不相容和信息不完备等情况，提出了引入贝叶斯方法计算可信度和支持度的条件概率，以及提取条件概率大于某一阈值的规则。最后通过逻辑合取与析取归并膨胀土的分类规则。该算法解决了粗糙集在处理类似问题时容易出现的数据挖掘规则失真等问题。2．分析了气候对膨胀土路基水毁的影响。特别是干燥的膨胀土具有强大的膨胀潜势，对膨胀土路基的稳定尤为不利。通过对广西南（宁）友（谊关）路宁明路段中膨胀土和湖南常（德）张（家界）路慈利路段弱膨胀土的一系列室内试验和大型模型试验研究，深入地探讨了不同气候条件下膨胀土路基土体内含水量的变化规律和干湿循环对路基土体的影响；分析了雨水入滲与土体风化作用对边坡土体强度和稳定性的影响；指出了由于膨胀土路基裂隙的存在，不能忽视降雨冲刷力和地表径流对路基稳定的影响；并根据膨胀土地区的路基附属建筑物的受力分析，提出了一种新的膨胀土路基附属物的设计方法。3．对膨胀土路基水毁有着重要影响的降雨和干旱两种气候进行了概率分析。为了更好地分析极端降雨对膨胀土路基的影响，本文根据某地的日降雨量资料，对极端降雨的分析中公认较为出色的皮尔逊-Ⅲ型分布、耿贝尔分布建立了分析模型，进行了极值分布模型拟合优度检验，指出皮尔逊-Ⅲ型分布可以更好地模拟日降雨量的极值。并分析了干旱对膨胀土以及膨胀土路基的影响，建立了基于马尔可夫链的晴雨转化矩阵，并引入某干旱模型来评价干旱等级，为膨胀土路基水毁的预测提供了依据。4．根据灾害学原理对膨胀土路基的水毁进行了分类。膨胀土路基水毁是严重的地质灾害。根据常规地质灾害的属性特征和等级划分，对膨胀土的地质灾害特征进行了分析，指出膨胀土路基水毁是突发性地质灾害。并根据常规地质灾害等级的划分对膨胀土灾害进行了分析，确定了膨胀土的地质灾害风险等级和地质灾害等级。结合常规地质灾害灾情的评估，分析了膨胀土路基地质灾害评估和预测的特点，并提出了评估和预测膨胀土路基水毁灾害的方法。5．采用粗糙神经网络对膨胀土路基的水毁进行了预测。膨胀土路基水毁是一个典型的非线性问题，本文采用改进型BP神经网络对膨胀土路基的水毁进行预测。本文提出了运用粗糙集对神经网络的训练数据进行分析，约简输入数据来简化输入节点数，并提取规则确定神经网络隐含层节点个数，从而确定神经网络的结构。对于MATLAB中已经训练好的神经网络在相同输入出现不同输出的现象，首次提出了用蒙特卡洛方法对膨胀土胀缩等级、降雨量、干旱持时和路基坡度进行概率模拟，然后再输入到训练好的神经网络中进行计算，进而对输出结果进行数理统计，确定膨胀土路基水毁的发生概率。计算结果分析表明：该算法为计算任意地区的膨胀土路基水毁的概率提供了可扩展的计算方法。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 膨胀土的胀缩特性及其危害
• 1.1.2 膨胀土路基对道路交通的影响
• 1.1.3 气候异常下膨胀土路基的水毁破坏
• 1.1.4 研究意义与课题来源
• 1.2 国内外研究现状
• 1.2.1 气候对膨胀土的影响
• 1.2.2 气候对膨胀土路堑的影响
• 1.2.3 气候对膨胀土路堤的影响
• 1.2.4 膨胀土路基水毁灾害的研究
• 1.3 研究方法和内容
• 1.3.1 研究内容
• 1.3.2 研究的技术路线
• 1.3.3 论文的叙述结构
• 第二章 基于粗糙集的膨胀土分类研究
• 2.1 膨胀土的粘土矿物成分及其工程性质
• 2.1.1 判别原则
• 2.1.2 现有的分类指标
• 2.1.3 常用的分类方法
• 2.2 粗糙集理论基本概念
• 2.2.1 知识与不可分辨关系
• 2.2.2 粗糙集合的下近似、上近似、边界域
• 2.2.3 粗糙集理论的应用
• 2.2.4 基于粗糙集理论的膨胀土数据挖掘
• 2.3 膨胀土分类指标的重要性分析
• 2.3.1 分类指标的重要性
• 2.3.2 粗糙依赖度
• 2.3.3 指标重要性的计算
• 2.3.4 分类指标重要性的应用
• 2.4 不相容信息情况下膨胀土分类规则的提取
• 2.4.1 相容规则的提取
• 2.4.2 膨胀土分类规则的提取
• 2.4.3 不相容规则提取的计算
• 2.4.4 不相容规则提取的应用
• 2.5 不完备信息情况下膨胀土分类规则的提取
• 2.5.1 不完备信息及其常规算法
• 2.5.2 膨胀土分类系统完备性分析
• 2.5.3 信息不完备膨胀土规则的提取
• 2.5.4 不相容规则提取的应用
• 2.6 计算机程序设计
• 2.6.1 计算机程序设计的必要性
• 2.6.2 算法流程图
• 本章小结
• 第三章 膨胀土水毁室内模型试验
• 3.1 试验准备工作
• 3.1.1 试验模型箱设计
• 3.1.2 试验元器件埋设
• 3.1.3 试验填料密实度的控制
• 3.2 试验进程和气候模拟
• 3.2.1 试验的进展情况
• 3.2.2 不同气候的模拟
• 3.2.3 模型试验分析及结论
• 3.3 气候对路基含水量的影响
• 3.3.1 持续干旱对含水量的影响
• 3.3.2 晴雨转换对路基含水量的影响
• 3.3.3 降雨入渗对路基含水量的影响
• 3.4 气候对膨胀土路基水毁的影响
• 3.4.1 水对膨胀土路基的损害机理
• 3.4.2 膨胀土吸水膨胀的力学方程
• 3.4.3 晴雨转换对膨胀土路基的影响
• 本章小结
• 第四章 降雨和干旱对膨胀土路基的影响
• 4.1 降雨入渗对膨胀土路基的影响
• 4.1.1 现有降雨入渗分析的回顾
• 4.1.2 现有降雨入渗分析假定的不足
• 4.2 降雨冲刷对膨胀土路基的影响
• 4.3 干旱对膨胀土的影响
• 4.3.1 干旱对膨胀土收缩性的影响
• 4.3.2 干旱对膨胀土崩解性的影响
• 4.4 干旱对膨胀土路基的影响
• 4.4.1 含水量对膨胀土路基的影响
• 4.4.2 水分蒸发对膨胀土路基的影响
• 4.4.3 植被对膨胀土路基的影响
• 4.5 气候对路基附属工程的影响
• 4.5.1 破坏状况及其原因
• 4.5.2 构造物侧压力受力分析
• 4.5.3 考虑水平膨胀力的构造物设计
• 4.6 膨胀土路基及附属工程的施工
• 本章小结
• 第五章 降雨和干旱的概率模型
• 5.1 频率分析法的引入
• 5.1.1 频率分析法
• 5.1.2 重现期和保证率的确定
• 5.1.3 选样方法的确定
• 5.1.4 频率分布曲线的选择
• 5.2 极端日降雨量的皮尔逊-Ⅲ型分布
• 5.2.1 皮尔逊曲线族的通用性公式
• 5.2.2 皮尔逊-Ⅲ型曲线的概率密度分布
• 5.2.3 皮尔逊-Ⅲ型频率分布曲线的确定
• 5.3 极端日降雨量的耿贝尔分布
• 5.3.1 耿贝尔分布的矩法确定
• 5.3.2 耿贝尔分布的耿贝尔确定
• 5.3.3 耿贝尔频率分布曲线的确定
• 5.4 极值分布模型拟合优度检验
• 2检验法'>5.4.1 x²检验法
• 2检验'>5.4.2 极值分布模型的x²检验
• 5.4.3 极值分布模型的选取
• 5.5 干旱持续的数学模型
• 5.5.1 干旱等级的划分
• 5.5.2 干旱等级的模拟
• 5.5.3 晴雨转化的马尔可夫模型
• 本章小结
• 第六章 膨胀土路基的水毁灾害预测
• 6.1 膨胀土灾害概况及成灾特点
• 6.1.1 灾害概况
• 6.1.2 成灾特点
• 6.2 膨胀土灾害分级
• 6.2.1 地质灾害属性特征
• 6.2.2 地质灾害等级划分
• 6.2.3 膨胀土地质灾害的分类
• 6.2.4 膨胀土路基损毁等级
• 6.3 膨胀土路基灾害评估
• 6.3.1 地质灾害灾情评估
• 6.3.2 膨胀土路基水毁评估特点
• 6.3.3 膨胀土路基水毁评估方法
• 6.4 人工神经网络
• 6.4.1 神经网络基本原理
• 6.4.2 BP算法的一般步骤
• 6.4.3 改进BP神经网络
• 6.4.4 确定网络结构的难点
• 6.5 粗糙神经网络
• 6.5.1 粗糙集与神经网络的结合
• 6.5.2 粗糙神经网络的建模原理
• 6.5.3 粗糙神经网络的建模方法
• 6.5.4 适当地选取离散化分点
• 6.6 膨胀土路基的水毁预测
• 6.6.1 试验数据的离散化
• 6.6.2 粗糙神经网络的结构设计
• 6.6.3 蒙特卡洛方法
• 6.6.4 路基水毁预测分析
• 本章小结
• 第七章 结论与展望
• 7.1 本文研究工作的总结
• 7.2 本文主要创新
• 7.3 有待进一步研究的问题
• 参考文献
• 攻读学位期间主要的研究成果
• 一、承担的科研项目
• 二、发表和录用的学术论文
• 致谢