岩质高边坡稳定性分析与锚索加固综合分析研究

论文摘要

分析了西南某岩质高边坡的工程地质条件和区域地质条件,分别采用Sarma法、三维楔形体法等分析了各种工况及不同开挖锚固情况下边坡的安全稳定性；结合实际分析了预应力锚索加固优化设计的主导参数,并在滑动面基本已定情况下计算了右岸边坡的理论最优锚固角；用有限单元法对岩质高边坡的不同锚索加固工况进行了数值模拟,进一步分析了边坡预应力锚索的加固效果；建立了三维楔形体稳定性分析的遗传算法及人工神经网络预测分析模型,并对边坡的三维楔形块体局部失稳模式稳定性系数进行了预测。首先对两岸的边坡进行了沿结构面滑动破坏失稳模式（Sarma法）和三维楔形块体局部失稳模式的边坡稳定性刚体极限平衡法分析。着重介绍了用Sarma法计算分析右岸LPⅧ-Ⅷ剖面卸荷裂隙XL9-15和XL316-1滑移模式。通过赤平投影法将工程勘察地质报告的裂隙进行组合,并进行三维楔形块体局部失稳模式计算,为进一步的边坡加固分析和神经网络预测提供相应的参考数据。对预应力锚索锚固体系进行了论述,提出影响锚索设计的相关参数后,按照最优决策分析原理,确定出影响优化设计的关键参数和优化结果,包括锚索与水平面的夹角、锚固段长度和锚索的间距等参数,根据实际工程条件,当滑动面基本已定时,主导设计参数变为锚索水平倾角（即锚固角）θ,计算了右岸各个主要剖面沿卸荷裂隙XL9-15滑移模式的理论最优锚固角。在有限元模拟分析过程中分别通过减少锚固长度20%,增加锚固长度20%,来分析左岸与右岸各个剖面边坡相对位移、第一主应力、第三主应力中的拉应力以及塑性区的变化规律,进一步分析了边坡预应力锚索的加固效果。结合高边坡工程实际,建立了三维楔形体稳定性分析遗传算法优化后的BP神经网络预测分析模型。在神经网络输入变量选择中引入了控制性结构面方位系数F及结构面倾向倾角对楔形体重量的影响系数。在遗传算法优化神经网络权重的种群初始化时,根据小区间法将[-2,2]均匀分为种群总数个小区间,并进行随机初始化,保证了初始种群含有较丰富的模式,增强了遗传算法搜索收敛于全局最优点的可能。利用改进的BP神经网络预测分析模型对边坡的三维楔形块体局部失稳模式稳定性系数进行了预测,得到了令人满意的预测结果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 边坡加固方案综合评价问题的研究背景
• 1.2 岩质高边坡加固方案综合评价与优化方法研究概况
• 1.2.1 岩质高边坡的稳定性研究
• 1.2.2 预应力锚索优化的研究
• 1.2.3 神经网络预测在边坡工程中的应用
• 1.3 本文的研究内容
• 第2章 某岩质高边坡岩体工程地质条件
• 2.1 工程概况
• 2.2 工程地质条件
• 2.2.1 地形地貌
• 2.2.2 地层岩性
• 2.2.3 地质构造
• 2.2.4 岩体变形及风化
• 2.2.5 水文地质条件
• 2.2.6 岩体地应力特征
• 2.3 卸荷裂隙密集带特征
• 2.3.1 XL316-1
• 2.3.2 XL9-15
• 2.3.3 卸荷裂隙带连通率
• 第3章 某岩质高边坡稳定性极限平衡分析
• 3.1 工程边坡设计标准
• 3.2 右岸1135m高程至缆机平台高程边坡Sarma法极限平衡分析
• 3.2.1 Sarma法计算的边坡范围
• 3.2.2 稳定性安全系数计算结果
• 3.2.3 影响因素敏感性分析
• 3.3 右岸坝顶以上边坡稳定性的三维楔形体极限平衡法分析
• 3.3.1 右岸坝顶以上边坡大楔形体组合1至7失稳模式
• 3.3.2 右岸缆机平台以上边坡小楔形体组合8至15失稳模式
• 第4章 岩质高边坡锚索加固综合分析
• 4.1 预应力锚索锚固体系
• 4.1.1 钢绞线的使用特点
• 4.1.2 预应力锚索外锚头
• 4.1.3 预应力锚索存在的问题
• 4.1.4 无（有）粘结锚索施工工艺流程
• 4.2 预应力锚索的优化方法
• 4.2.1 优化设计理念
• 4.2.2 锚索设计的基本内容
• 4.2.3 预应力锚索加固优化设计思路
• 4.3 预应力锚索加固最优锚索锚固角分析
• 4.3.1 由外锚头确定最优锚索锚固角
• 4.3.2 由内锚根确定最优锚索锚固角
• 4.3.3 最优锚固角的工程应用
• 4.4 基于有限元法的边坡锚固措施优化分析
• 4.4.1 有限元计算方法
• 4.4.2 基于有限元法的边坡锚固措施分析计算参数
• 4.4.3 基于有限元法的边坡锚固的计算结果与分析
• 第5章 岩质高边坡稳定性神经网络预测分析
• 5.1 神经网络与遗传算法概述
• 5.1.1 神经网络
• 5.1.2 遗传算法与神经网络结合
• 5.2 三维楔形体稳定性分析BP神经网络构建
• 5.2.1 影响三维楔形体稳定性的主要因素
• 5.2.2 三维楔形体稳定性分析BP神经网络输入输出量的选择
• 5.2.3 三维楔形体稳定性分析BP神经网络输入输出的数据处理
• 5.2.4 三维楔形体稳定性分析BP网络隐层神经元个数设计
• 5.2.5 构建三维楔形体稳定性分析BP神经网络
• 5.3 三维楔形体稳定性分析遗传算法优化神经网络
• 5.4 三维楔形体稳定性分析遗传算法优化神经网络的计算结果与分析
• 第6章 结论与展望
• 6.1 主要结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文和参加的科研项目