林咸志,薛 濤,余 鵬,陳 青
(1.浙江華光潭水力發(fā)電公司,浙江 臨安 311322;2.河海大學(xué)土木工程學(xué)院,南京 210098)
基于GA-ANFIS的邊坡穩(wěn)定性評價
林咸志1,薛 濤2,余 鵬2,陳 青2
(1.浙江華光潭水力發(fā)電公司,浙江 臨安 311322;2.河海大學(xué)土木工程學(xué)院,南京 210098)
自適應(yīng)神經(jīng)模糊推理系統(tǒng)將模糊推理的可解釋性和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)的能力結(jié)合起來,克服了邊坡巖體的不確定性問題帶給邊坡穩(wěn)定性分析的巨大困難,同時針對模糊推理系統(tǒng)內(nèi)部參數(shù)設(shè)定的合理性問題,建立了基于遺傳算法的自適應(yīng)模糊推理評判模型。結(jié)果表明,GA-ANFIS評判模型結(jié)果與現(xiàn)場監(jiān)測情況吻合,從而使其成為邊坡穩(wěn)定性評價的一種有效方法。
GA-ANFIS模型;評價指標(biāo);不確定性;邊坡穩(wěn)定性評價
邊坡穩(wěn)定性評價是一項(xiàng)較為復(fù)雜的綜合性工作,其最基本的評價指標(biāo)是極限平衡方程的解。傳統(tǒng)的方法是采用以安全系數(shù)為度量指標(biāo)的定值法,這種方法經(jīng)過長期的實(shí)踐證明是一種有效的工程實(shí)用方法,但卻存在計(jì)算結(jié)果與實(shí)測結(jié)果不一致的缺陷[1]。這是因?yàn)檫吰孪到y(tǒng)是一個開放復(fù)雜的系統(tǒng),邊坡巖體是性質(zhì)極其復(fù)雜的地質(zhì)介質(zhì),其力學(xué)參數(shù)、結(jié)構(gòu)面分布規(guī)律、工程性質(zhì)等復(fù)雜多變,具有強(qiáng)烈的不確定性。這些不確定性的客觀存在給邊坡穩(wěn)定性分析帶來了很大的困難。因此應(yīng)用模糊數(shù)學(xué),采用不確定的方法分析邊坡穩(wěn)定性已經(jīng)成為許多專家學(xué)者的研究對象。如李彰明針對邊坡穩(wěn)定性的普遍問題,遵循重要性、獨(dú)立性和易測性原則,建立了邊坡穩(wěn)定性分析的模糊綜合評價模型,并構(gòu)造了相關(guān)因素邊界值矩陣[2]。汪益敏、洪海春等在考慮影響邊坡穩(wěn)定性因素模糊性的基礎(chǔ)上采用多指標(biāo)因素模糊綜合評價方法,對邊坡巖體穩(wěn)定質(zhì)量進(jìn)行了多級模糊綜合評判研究[3,4]。徐衛(wèi)亞等通過對邊坡穩(wěn)定性分析中模糊因素的研究,提出了一種新的邊坡模糊穩(wěn)定性分析方法,建立了邊坡穩(wěn)定性分析的模糊數(shù)學(xué)模型,并給出相應(yīng)的求解方法[5]。楊建貴等將模糊隨機(jī)可靠度理論應(yīng)用于邊坡的穩(wěn)定分析,建立基于幾何法計(jì)算廣義可靠指標(biāo)的數(shù)學(xué)模型,并根據(jù)模型的特點(diǎn),引入加速遺傳算法尋找最小可靠指標(biāo),導(dǎo)出計(jì)算邊坡穩(wěn)定的模糊隨機(jī)可靠度算法[6]。考慮到在模糊推理系統(tǒng)建立的過程中,其內(nèi)部參數(shù)(如訓(xùn)練次數(shù)、聚類影響范圍、接受率、拒絕率、學(xué)習(xí)方法等)取值的合理性會影響最終結(jié)果的精度,因此,采用基于遺傳算法優(yōu)化自適應(yīng)模糊推理系統(tǒng)(GAANFIS)的方法對華光潭一級水電站廠房后邊坡滑坡體進(jìn)行了預(yù)測。通過與現(xiàn)場實(shí)測結(jié)果對比,結(jié)論可靠。
華光潭一級水電站位于浙江省臨安市昌化江上游的巨溪河段,兩岸及谷底基巖裸露,河流縱坡大。發(fā)電廠廠區(qū)位于河道右岸,主廠房、副廠房和升壓站依次從河道的上游往下游呈“一”字形排列。廠區(qū)地坪高程230 m,廠房后山坡高程232~600 m,調(diào)壓井井口高程471.98 m。工程于2002年4月開工建設(shè),2005年6月下閘蓄水,2005年12月基本建成。
根據(jù)一級水電站廠房后邊坡構(gòu)造發(fā)育性質(zhì)及發(fā)電引水隧洞揭露的地質(zhì)現(xiàn)象,廠房區(qū)NW向小斷裂發(fā)育,上坡外側(cè)自現(xiàn)有上坡線向山內(nèi)延伸長約80 m范圍內(nèi)巖石風(fēng)化較強(qiáng),一般呈全—強(qiáng)風(fēng)化狀。從平硐揭露情況看,深度約50 m范圍內(nèi)巖石中走向290°—320°的裂隙極其發(fā)育,多數(shù)充填次生粘土及碎石,一般厚0.5~2 cm,較厚者達(dá)20 cm,局部地段遇有空洞現(xiàn)象。馬道上鉆孔揭露全—強(qiáng)風(fēng)化巖石分布厚度11~16 m,多種跡象表明,一級水電站廠房后山坡巖石的風(fēng)化及破碎程度與構(gòu)造及變形相關(guān)性很強(qiáng)。
2008年6月,在廠房后邊坡坡腳擋墻上發(fā)現(xiàn)5 cm左右的拉裂縫(見圖1),后通過現(xiàn)場踏勘和調(diào)查發(fā)現(xiàn):邊坡中下部已發(fā)生明顯的水平位移和沉降;邊坡中部的截水溝漿砌塊石已嚴(yán)重開裂、錯位;中上部發(fā)育有多條被腐殖層和土壤層覆蓋的、開度可達(dá)20~40 cm的拉裂面(見圖2)。從鉆孔巖芯可見緩傾角軟弱結(jié)構(gòu)面,而且緩傾角結(jié)構(gòu)面上鐵錳渲染嚴(yán)重,水跡特征明顯。
圖1 邊坡?lián)鯄﹂_裂狀況Fig.1 Cracking status of slope retaining wall
圖2 坡面開裂狀況Fig.2 Status of slope cracking
鑒于此,廠房后邊坡的整體穩(wěn)定問題非常突出,因此查清該邊坡的變形破壞機(jī)理、合理地評價其穩(wěn)定性、科學(xué)地預(yù)測其在運(yùn)營期間可能發(fā)生的變化顯得尤為重要。
模糊推理[7]本質(zhì)上就是將一個給定輸入空間通過模糊邏輯的方法映射到一個特定輸出空間的計(jì)算過程,具有萬能逼近性。人工神經(jīng)網(wǎng)絡(luò)[8]具有強(qiáng)大的自學(xué)習(xí)、自適應(yīng)和非線性映射能力,模糊推理不具備自學(xué)習(xí)功能,但能很好地模擬人腦的推理功能。自適應(yīng)神經(jīng)模糊推理系統(tǒng)(adaptive neuro-fuzzy inference system,ANFIS)[9]充分利用了兩者的優(yōu)點(diǎn),利用神經(jīng)網(wǎng)絡(luò)中一些行之有效的算法從經(jīng)驗(yàn)數(shù)據(jù)中獲取模糊規(guī)則和確定隸屬函數(shù),并可利用神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來實(shí)現(xiàn)模糊推理,將模糊推理的可解釋性和神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)能力進(jìn)行有機(jī)結(jié)合。
應(yīng)用模糊數(shù)學(xué)解決不確定的問題有其優(yōu)越性,然而在模糊推理系統(tǒng)建立的過程中,其內(nèi)部參數(shù)(如訓(xùn)練次數(shù)、聚類影響范圍、接受率、拒絕率、學(xué)習(xí)方法等)設(shè)定的是否合理,會影響最終結(jié)果的精度。由于對神經(jīng)模糊推理系統(tǒng)內(nèi)部參數(shù)的調(diào)整是一個優(yōu)化組合問題,而優(yōu)化組合正是遺傳算法之所長。在此,利用遺傳算法優(yōu)化自適應(yīng)模糊推理系統(tǒng)的參數(shù)。
ANFIS參數(shù)設(shè)置:a.將訓(xùn)練次數(shù)、聚類影響范圍、壓縮系數(shù)、接收率、拒絕率、訓(xùn)練算法確定為需要優(yōu)化的參數(shù);b.訓(xùn)練次數(shù)選定為37~100,采用6位二進(jìn)制編碼;c.聚類影響范圍選定為0.2~0.5,采用2位二進(jìn)制編碼;d.壓縮系數(shù)選定0.8~1.5,采用3位二進(jìn)制編碼;e.接收率選定0.2~0.5,采用2位二進(jìn)制編碼;f.拒絕率選定0.1~0.4,采用2位二進(jìn)制編碼;g.訓(xùn)練算法共兩種,采用1位二進(jìn)制編碼。最后按以上順序?qū)⒕幋a進(jìn)行串聯(lián)組合得到16位二進(jìn)制碼作為一個個體。
設(shè)定生成10個樣本(每個樣本為16位二進(jìn)制碼)作為初始種群;訓(xùn)練代數(shù)為30代;代溝為0.9;變異概率為0.043;選擇方式為隨機(jī)遍歷抽樣;交叉方式為單點(diǎn)交叉。
一般取均方根誤差作為適應(yīng)度值評價函數(shù)。
式(1)中,di為實(shí)測值與預(yù)測值之差;n為數(shù)據(jù)序列長度。
已有研究表明,邊坡巖體穩(wěn)定性是多種非線性耦合作用的結(jié)果[10,11]。其中巖石強(qiáng)度、巖體結(jié)構(gòu)和風(fēng)化情況是影響邊坡穩(wěn)定性的內(nèi)在因素;水的作用、施工方法等則是影響邊坡穩(wěn)定性的觸發(fā)因素。CSMR 分類體系[12]是 RMR -SMR 系統(tǒng)[13]的一種應(yīng)用,它是在RMR-SMR體系的基礎(chǔ)上,引入高度修正系數(shù)和結(jié)構(gòu)面修正系數(shù)而提出的一種用于邊坡巖體質(zhì)量評價的方法,具體表達(dá)式見式(2):
CSMR= ξRMR-λ(F1×F2×F3)+F4(2)式(2)中,ξ為坡高修正系數(shù);RMR為地質(zhì)力學(xué)圍巖分類;λ為結(jié)構(gòu)面修正系數(shù);F1為不利結(jié)構(gòu)面與坡面傾向之間平行程度的調(diào)整因子;F2為平面破壞中結(jié)構(gòu)面傾角調(diào)整因子;F3為坡角與結(jié)構(gòu)面傾角之間關(guān)系的調(diào)整因子;F4為開挖方法調(diào)整因子。
由于華光潭一級水電站廠房后邊坡的滑動力學(xué)特征為牽引式滑動,即由邊坡下部的滑動帶動上部邊坡的變形破壞,所以邊坡下部的穩(wěn)定至關(guān)重要,故選取下級滑面作為優(yōu)勢不連續(xù)面進(jìn)行深入研究。
已有勘查資料顯示:邊坡下滑面附近的巖石為強(qiáng)風(fēng)化狀態(tài),呈碎塊狀;鉆孔ZK201在滑面附近的RQD為0,鉆孔ZK202在滑面附近的RQD為50%,鉆孔ZK203在滑面附近的RQD為0% ~50%,鉆孔ZK205在滑面附近的RQD為20%;滑面附近節(jié)理較發(fā)育,節(jié)理面粗糙,其內(nèi)充填軟性粘土及泥漿,厚度為1~5 cm;正常情況下底滑面與地下水位較接近,在持續(xù)降雨時則低于地下水位。沿滑面多為礫包泥狀的破碎巖石。下級滑坡后緣高程為310 m,前緣高程為232 m,因此坡高為78 m,邊坡產(chǎn)狀為45°∠35°,滑面產(chǎn)狀40°∠10°,邊坡開挖方式為預(yù)裂爆破。
綜上所述,可確定所需的5個參數(shù)值。
1)坡高修正系數(shù)ξ見式(3)。
式(3)中,Hr=80 m;H為邊坡高度。因此可得ξ=1.01。
2)RMR綜合了巖石強(qiáng)度、RQD、不連續(xù)面間距、不連續(xù)面狀態(tài)、地下水狀況等因素來反映巖體質(zhì)量的指標(biāo)。邊坡巖體各影響因素相應(yīng)的得分情況見表1。
表1 RMR值影響因素得分情況Table 1 Scores situation of RMR in different factors
由表1可得:RMR=4+3+15+7+4=33。
3)結(jié)構(gòu)面修正系數(shù)λ。根據(jù)表2,結(jié)構(gòu)面修正系數(shù)λ=1。
表2 結(jié)構(gòu)面修正系數(shù)λTable 2 Correction factor λ of structural surface
4)邊坡結(jié)構(gòu)系數(shù) SSC。將 F1、F2、F3整合為邊坡結(jié)構(gòu)系數(shù)SSC,其表達(dá)式見式(4):
式(4)中,F(xiàn)1為結(jié)構(gòu)面傾向與坡面傾向的關(guān)系;F2為結(jié)構(gòu)面傾角的影響;F3為坡角與結(jié)構(gòu)面傾角的關(guān)系。根據(jù)平面滑動的標(biāo)準(zhǔn)判斷,可知F1=0.85,F(xiàn)2=0.15,F(xiàn)3= -60,故 SSC= -7.65。
5)施工方法影響系數(shù)F4。根據(jù)表3,F(xiàn)4=10。
表3 施工方法影響系數(shù)Table 3 Influence coefficient of construction method
選取國內(nèi)已建水電工程邊坡的22個工程實(shí)例[14]作為學(xué)習(xí)和檢驗(yàn)樣本,樣本的輸入?yún)?shù)可見表4。經(jīng)過遺傳算法對訓(xùn)練參數(shù)進(jìn)行30代進(jìn)化,可以得到經(jīng)過優(yōu)化的ANFIS內(nèi)部參數(shù)(見表5)。通過對學(xué)習(xí)樣本和檢驗(yàn)樣本的輸出結(jié)果分析可知,GAANFIS具有較高的預(yù)測精度,學(xué)習(xí)樣本的誤差全部為0,而檢驗(yàn)樣本的預(yù)測誤差均在10%以下,已建立起邊坡影響參數(shù)與安全系數(shù)之間的模糊隸屬關(guān)系,可以用來預(yù)測影響條件復(fù)雜的邊坡巖土體。從預(yù)測華光潭一級水電站廠房后邊坡下級滑動面安全系數(shù)的情況看,在持續(xù)降雨的情況下,邊坡的安全系數(shù)為0.96,處于失穩(wěn)狀態(tài)。
表4 學(xué)習(xí)、檢驗(yàn)和預(yù)測樣本參數(shù)表Table 4 Parameter table of learning,testing and forecast sample
表5 優(yōu)化的ANFIS內(nèi)部參數(shù)表Table 5 Internal parameter table for ANFIS after optimized
華光潭一級水電站廠房后邊坡安全監(jiān)測工作始于2008年11月初。利用已有勘探鉆孔,布置了滲壓計(jì)、多點(diǎn)位移計(jì)及測斜儀觀測孔。2009年1月初,又根據(jù)現(xiàn)場揭露的地表拉裂縫分布情況,布置了多個測縫計(jì)。為了驗(yàn)證上述模型的可靠性,選取2009年2月到6月期間個別測點(diǎn)實(shí)時監(jiān)測數(shù)據(jù)進(jìn)行對比。
圖3為250高程上深度28.5 m水平位移觀測孔面向上游臨空面的變形趨勢,圖中線條為位移曲線。圖中顯示,至2009年6月25日,水平位移相對于2009年2月13日增大18.13 mm,而且主要表現(xiàn)為整體前移。
圖3 水平位移隨深度變化圖Fig.3 Relation graph between horizontal displacement and depth
圖4為310高程三向測縫計(jì)的實(shí)測結(jié)果,采樣頻率每月3次。圖4顯示,從2009年2月25日17:00至6月25日6:00,測點(diǎn)A的地表拉裂縫張開度增長7.8 mm,測點(diǎn)B所測裂縫兩壁沉降差增長-17.27 mm(即拉裂縫的后壁較前壁下沉17.27 mm)。測點(diǎn) C的地表拉裂縫張開度增長1.5 mm。
圖4 地表拉裂縫張開度變化時程曲線Fig.4 The time history curve of joint opening degree of tension crack in the surface
圖3和圖4均顯示,在2009年2月16日到3月10日期間,邊坡變形量較大。而該段時間正是當(dāng)?shù)爻掷m(xù)降雨過程。鑒于此,可以認(rèn)為基于GAANFIS的邊坡穩(wěn)定性預(yù)測模型的結(jié)論可靠。適用于預(yù)測本質(zhì)上復(fù)雜、多變,且具有強(qiáng)烈不確定性巖土體的安全狀態(tài)。
1)華光潭一級水電站廠房后邊坡的變形破壞,是斜坡表部巖體蠕動—滑移—拉裂變形長期發(fā)展的結(jié)果。伴隨著坡體臨空面的產(chǎn)生,原巖產(chǎn)生差異卸荷回彈,導(dǎo)致淺表部巖體破碎,厚大的覆蓋層增大了坡體的自重,坡體在自重應(yīng)力場的長期作用下發(fā)生剪切蠕動,邊坡的下部失穩(wěn)導(dǎo)致了坡體中上部失去阻滑力,引起大范圍的滑動變形。
2)華光潭梯級水電站為III等工程,引水發(fā)電系統(tǒng)和發(fā)電廠房為三級建筑物,因此一級廠房后邊坡的穩(wěn)定安全系數(shù)需達(dá)到 1.15 ~1.25[15]。而持續(xù)降雨條件下的預(yù)測結(jié)果卻不能達(dá)到規(guī)范要求,故需治理以提高其安全系數(shù)。
3)從對比分析可以看出,華光潭一級水電站廠房后邊坡穩(wěn)定性預(yù)測結(jié)果與實(shí)測結(jié)果一致,說明基于模糊理論的自適應(yīng)神經(jīng)模糊推理系統(tǒng)適用于預(yù)測本質(zhì)上復(fù)雜、多變,且具有強(qiáng)烈不確定性巖土體的安全狀態(tài)。
[1]姚愛軍,薛延河.復(fù)雜邊坡穩(wěn)定性評價方法與工程實(shí)踐[M].北京:科學(xué)出版社,2008.
[2]李彰明.模糊分析在邊坡穩(wěn)定性評價中的應(yīng)用[J].巖石力學(xué)與工程學(xué)報(bào),1997,16(5):490 -495.
[3]汪益敏.邊坡巖體穩(wěn)定質(zhì)量的模糊評判[J].華南理工大學(xué)學(xué)報(bào),1997,15(4):110 -115.
[4]洪海春,徐衛(wèi)亞,葉明亮.基于模糊綜合評判的邊坡穩(wěn)定性分析[J].河海大學(xué)學(xué)報(bào),2005,33(5):557 -562.
[5]徐衛(wèi)亞,蔣中明,石安池.基于模糊集理論的邊坡穩(wěn)定性分析[J].巖土工程學(xué)報(bào),2003,25(4):409 -413.
[6]楊建貴,蔡 新,張永樂.邊坡穩(wěn)定的模糊隨機(jī)可靠性分析[J].河海大學(xué)學(xué)報(bào),2002,30(1):58 -62.
[7]吳望名.模糊推理的原理和方法[M].貴州:貴州科技出版社,1994.
[8]Martin T Hagan,Howard B Demuth,Mark H Beale.神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[M].北京:機(jī)械工業(yè)出版社,2002.
[9]吳曉莉,林哲輝.MATLAB輔助模糊系統(tǒng)設(shè)計(jì)[M].西安:西安電子科技大學(xué)出版社,2002.
[10]谷德振.巖體工程地質(zhì)力學(xué)基礎(chǔ)[M].北京:科學(xué)出版社,1979.
[11]Hoek E,Bray J W.巖石邊坡工程[M].北京:冶金工業(yè)出版社,1981.
[12]葛 華,吉 峰,石豫川,等.巖體質(zhì)量分級方法——CSMR法的修正及其應(yīng)用[J].地質(zhì)災(zāi)害與環(huán)境保護(hù),2006,17(1):90-94.
[13]Romana M.SMR classification[C]//Proceedings of the 7thInternational Congress in Rock Mechanics.Beijing:International Society for Rock Mechanics(ISRM),1992.
[14]陳昌彥,王思敬,沈小克.邊坡巖體穩(wěn)定性的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J].巖土工程學(xué)報(bào),2001,23(2):157-161.
[15]張發(fā)明.地質(zhì)工程設(shè)計(jì)[M].北京:中國水利水電出版社,2008.
Evaluation of slope stability based on GA-ANFIS
Lin Xianzhi1,Xue Tao2,Yu Peng2,Chen Qing2
(1.Zhejiang Huaguangtan Hydropower Co.,Ltd.,Lin’an,Zhejiang 311322,China;2.College of Civil Engineering,Hohai University,Nanjing 210098,China)
Adaptive neuro-fuzzy inference system combines the interpretability of fuzzy reasoning and the ability of adaptability and self-learning of neural network,overcoming the enormous difficulties for slope stability analysis caused by the uncertainty of rock slope.At the same time,for the reasonable of parameter setting in fuzzy inference system,evaluation model of adaptive neuro-fuzzy inference based on genetic algorithm is established.It was shown that the results of GA-ANFIS model are consistent with field condition,which makes it be an effective method for slope stability evaluation.
GA-ANFIS model;evaluation index;uncertainty;slope stability evaluation
TU457
A
1009-1742(2011)03-0077-05
2009-07-15
國家重點(diǎn)基礎(chǔ)研究發(fā)展規(guī)劃973項(xiàng)目(2002CB412707)
林咸志(1966—),男,浙江臨海市人,高級工程師,主要從事邊坡穩(wěn)定性分析研究;E-mail:85359941@163.com