多因素耦合下的寒區(qū)渠道滑坡智能化定量評(píng)價(jià)

趙順利，鄧偉杰，路新景，郭 沖，李雪彤

（1.黃河勘測(cè)規(guī)劃設(shè)計(jì)研究院有限公司，河南 鄭州 450003； 2.河南工業(yè)大學(xué) 土木建筑學(xué)院，河南 鄭州 450001）

面對(duì)我國水資源時(shí)空分布不均、西北地區(qū)水資源短缺等突出問題，我國修建了一大批長距離供水工程［1］。 供水工程的修建極大地解決了水資源供需矛盾，但是部分寒區(qū)渠道工程運(yùn)行過程中安全問題極其突出，如頻繁滑坡等，嚴(yán)重影響了工程的運(yùn)行效率［2］。

寒區(qū)渠道滑坡的致災(zāi)機(jī)理較為復(fù)雜，是多因素耦合作用的結(jié)果。 對(duì)于穿越復(fù)雜地層的長距離高寒渠道而言，其巖土體通常面臨干濕循環(huán)、凍融循環(huán)等復(fù)雜條件。 如朱洵等［3］針對(duì)具體的寒區(qū)渠道工程開展了室內(nèi)干濕凍融循環(huán)耦合試驗(yàn)，研究結(jié)果表明，干濕凍融循環(huán)耦合過程顯著加劇了土體力學(xué)性質(zhì)的衰減。 渠道滑坡問題一定程度上與廣泛的滑坡具有類似的破壞機(jī)理，靳德武等［4］研究表明，凍土區(qū)氣溫升高時(shí)，有可能形成低抗剪強(qiáng)度或無抗剪強(qiáng)度的巖土泥漿混合物，從而造成斜坡失穩(wěn)；徐虎城［5］通過分析嚴(yán)寒地區(qū)某大型渠道水位下降時(shí)的破壞成因，指出排水措施的重要性；Subramanian 等［6］研究了融雪條件的季節(jié)性凍土預(yù)測(cè)預(yù)警指標(biāo)。 但目前研究多集中在災(zāi)變機(jī)理、定性描述、單一指標(biāo)預(yù)警等方面，關(guān)于多因素條件下的寒區(qū)渠道邊坡失穩(wěn)定量評(píng)價(jià)則研究不足。

基于此，以具體工程為依托，通過神經(jīng)網(wǎng)絡(luò)和遺傳算法構(gòu)建智能化評(píng)價(jià)體系，在風(fēng)險(xiǎn)因子識(shí)別的基礎(chǔ)上，開展多因素耦合研究，從工程實(shí)踐方面對(duì)智能化評(píng)價(jià)體系進(jìn)行驗(yàn)證。

1 工程概況及風(fēng)險(xiǎn)因子

1.1 工程概況

某供水工程位于北疆，工程區(qū)地域遼闊，地勢(shì)平坦。 總干渠渠線先后穿越階地、平原、低山丘陵等不同的地貌單元，沿線廣泛分布有古近系、新近系、第四系地層。 屬溫帶大陸性氣候區(qū)，緯度高、氣溫低、少酷暑、多嚴(yán)寒，最低氣溫-40.3 ℃。 泥巖、砂質(zhì)泥巖分布較廣，沿渠底分布總長為42.248 km，占渠道總長的31.6%，屬中-強(qiáng)膨脹巖。 渠道凍脹和泥巖、砂質(zhì)泥巖的膨脹問題是工程的主要工程地質(zhì)問題。

對(duì)工程歷年來發(fā)生的滑坡進(jìn)行統(tǒng)計(jì)，共收集有效數(shù)據(jù)107 條，具體如圖1 所示。 供水工程季節(jié)性供水，供水時(shí)間主要為4—9 月。 從圖1 不難看出，渠道停止供水時(shí)和剛停止供水時(shí)期災(zāi)害發(fā)生頻次較多，10 月份則開始逐步出現(xiàn)晝夜快速凍融。 春季時(shí)，凍土開始融化，上層凍土的滯水效應(yīng)使其出現(xiàn)一定的滑坡。 整體而言，運(yùn)行期的災(zāi)害發(fā)生概率較低。

圖1 渠道滑坡災(zāi)害統(tǒng)計(jì)

1.2 風(fēng)險(xiǎn)因子識(shí)別

根據(jù)具體的渠坡工程，滑坡的風(fēng)險(xiǎn)因子大致可以分為基礎(chǔ)因子、誘發(fā)因子和管理因子3 類。 基礎(chǔ)因子主要與渠坡的內(nèi)部結(jié)構(gòu)有關(guān)，如土質(zhì)、含水量、渠坡結(jié)構(gòu)等；誘發(fā)因子主要與外部因素有關(guān)，如降雨、氣溫、地震等，在多種誘發(fā)因子的耦合作用下，其最終導(dǎo)致基礎(chǔ)因子的變化，致使滑坡的發(fā)生；管理因子主要與管理水平、施工質(zhì)量、人員素質(zhì)等有關(guān)，較高的管理水平不僅可以有效降低災(zāi)害頻次，也能減少災(zāi)害損失。 通過具體的滑坡形成機(jī)制分析，識(shí)別出來的風(fēng)險(xiǎn)因子如圖2所示。

圖2 寒區(qū)渠坡滑坡風(fēng)險(xiǎn)因子

1.3 寒區(qū)指標(biāo)遴選

災(zāi)害發(fā)生時(shí)，主要受誘發(fā)因子和基礎(chǔ)因子影響。結(jié)合工程實(shí)際情況首先進(jìn)行誘發(fā)因子的篩選。 其中工程所處位置氣候干燥，降雨較少，區(qū)域地下水位埋深較深，且工程主要處于運(yùn)行期，人類活動(dòng)的頻度和強(qiáng)度較弱。 結(jié)合實(shí)際情況，誘發(fā)因子中，溫度、地震、運(yùn)行水位起主要作用。 其中地震主要影響其應(yīng)力場(chǎng)，運(yùn)行水位主要影響滲流場(chǎng)。 渠道整體溫度的影響主要考慮凍脹作用、凍融劣化和融化滯水的影響，其反映在基礎(chǔ)因子上主要是襯砌性質(zhì)和土體性質(zhì)改變。

對(duì)于具體的渠道而言，其地形地貌、渠坡結(jié)構(gòu)、地質(zhì)結(jié)構(gòu)會(huì)保持一定的穩(wěn)定性，排水措施與工程建設(shè)和后期維護(hù)相關(guān)，排水效果會(huì)隨著時(shí)間發(fā)生改變，與人類活動(dòng)相關(guān)。 因此，主要考慮誘發(fā)因子對(duì)襯砌結(jié)構(gòu)、土體性質(zhì)的影響。 已有研究表明，渠坡土體的反復(fù)干濕、凍融及運(yùn)行水位的改變會(huì)極大改變土體力學(xué)性質(zhì)，主要體現(xiàn)在內(nèi)聚力、摩擦角和彈性模量的劣化。 包括含水量、含冰量的改變，最終也可一定程度歸結(jié)為力學(xué)性質(zhì)的改變。 襯砌力學(xué)性質(zhì)改變相對(duì)較小，主要表現(xiàn)在結(jié)構(gòu)形式的變化，受反復(fù)凍融的影響，主要表現(xiàn)為錯(cuò)臺(tái)、空鼓、裂縫、防滲措施失效等［7］，考慮到對(duì)滑坡的影響，則主要體現(xiàn)在復(fù)合襯砌滲透性質(zhì)的改變。

結(jié)合以上分析，誘發(fā)因子中主要影響指標(biāo)為溫度、地震、運(yùn)行水位，基礎(chǔ)因子中主要考慮土體性質(zhì)（內(nèi)聚力、內(nèi)摩擦角、彈性模量等）、襯砌性質(zhì)（滲透性質(zhì)）、排水措施等。 溫度改變可最終歸結(jié)為土體性質(zhì)的改變。

2 渠道滑坡智能化定量評(píng)價(jià)模型

2.1 智能化定量評(píng)價(jià)模型構(gòu)建

針對(duì)具體某一確定渠坡進(jìn)行健康診斷時(shí)，受限于數(shù)據(jù)量和災(zāi)害統(tǒng)計(jì)的不足，各因素之間的關(guān)系難以明確，滑坡災(zāi)害的預(yù)測(cè)預(yù)警及安全響應(yīng)機(jī)制針對(duì)性較弱。因此，以安全監(jiān)測(cè)為依托，構(gòu)建智能化定量評(píng)價(jià)模型對(duì)保證工程安全具有重要意義。

構(gòu)建的智能化定量評(píng)價(jià)模型如圖3 所示。 具體實(shí)施時(shí)，針對(duì)具體的分析對(duì)象，結(jié)合工程實(shí)際完成指標(biāo)遴選，結(jié)合實(shí)際災(zāi)變規(guī)律構(gòu)建多因素耦合狀態(tài)下的數(shù)值模型，重點(diǎn)考慮應(yīng)力場(chǎng)、滲流場(chǎng)、動(dòng)力特征等。 通過改變數(shù)值模型的參數(shù)，構(gòu)建大型定量數(shù)據(jù)庫。 在定量數(shù)據(jù)庫的基礎(chǔ)上，利用智能化手段，建立評(píng)價(jià)模型。 在實(shí)際的工程運(yùn)行過程中，結(jié)合實(shí)際的工程檢測(cè)數(shù)據(jù)，實(shí)現(xiàn)渠段的快速評(píng)價(jià)和快速響應(yīng)。 在滑坡高風(fēng)險(xiǎn)期進(jìn)行正向評(píng)價(jià)，低風(fēng)險(xiǎn)期則開展反向維護(hù)，實(shí)現(xiàn)評(píng)價(jià)模型的動(dòng)態(tài)性和時(shí)效性。

圖3 寒區(qū)渠坡滑坡智能化定量評(píng)價(jià)模型

2.2 GA-GRNN 智能化評(píng)價(jià)模型

智能化評(píng)價(jià)模型通過遺傳算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(luò)（GA-GRNN）實(shí)現(xiàn)，可提高評(píng)價(jià)精度和自動(dòng)化水平，原理如圖4 所示。

圖4 GR-GRNN 原理示意

遺傳算法由J.H.Holland 提出［8］，作為生物進(jìn)化算法，其基本原理與生物進(jìn)化論中的“優(yōu)勝劣汰”的規(guī)則類似，通過迭代，搜尋全局最優(yōu)解。

廣義回歸神經(jīng)網(wǎng)絡(luò)屬于徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的一種變形。 相較于BP 神經(jīng)網(wǎng)絡(luò)等具有更好的逼近能力和學(xué)習(xí)速度，憑借其優(yōu)異性能，在巖土工程界得到廣泛應(yīng)用［9］。 廣義回歸神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)是非線性回歸分析，即通過獨(dú)立變量x計(jì)算具有最大概率的預(yù)測(cè)值y。 廣義回歸神經(jīng)網(wǎng)絡(luò)中最重要的一個(gè)參數(shù)為光滑因子σ，也是遺傳算法優(yōu)化的對(duì)象。

3 具體實(shí)例

3.1 定量數(shù)據(jù)庫

為進(jìn)一步說明多因素耦合作用下寒區(qū)渠道滑坡智能化定量評(píng)價(jià)體系的有效性，選取工程危險(xiǎn)渠段——泥巖段進(jìn)行具體分析。

數(shù)值軟件采用巖土軟件GeoStudio，長渠線工程滿足平面應(yīng)變假設(shè)，因此模型采用二維。 渠坡穩(wěn)定性計(jì)算方法按照《水利水電工程邊坡設(shè)計(jì)規(guī)范》（SL 386—2007）開展，采用簡(jiǎn)化畢肖普法（Simplified Bishop）和摩 根 斯 頓- 普 賴 斯 法（Morgenstern - Price） 分 別計(jì)算［10］。

渠坡的地質(zhì)參數(shù)和結(jié)構(gòu)形式來自設(shè)計(jì)和施工資料，其結(jié)構(gòu)形式如圖5 所示。 數(shù)值模型取左半部分，如圖6 所示。

圖5 渠道結(jié)構(gòu)形式

圖6 數(shù)值模型

在指標(biāo)遴選的基礎(chǔ)上，結(jié)合渠道災(zāi)變規(guī)律分析，取泥巖的內(nèi)摩擦角φ、內(nèi)聚力c、彈性模量E為變化值，對(duì)應(yīng)于因干濕循環(huán)、凍融循環(huán)及水位、含水量等改變而造成的泥巖力學(xué)性質(zhì)變化。 取復(fù)合襯砌的滲透系數(shù)為變化值，對(duì)應(yīng)于排水設(shè)施、防滲措施等。 運(yùn)行水位主要取停水前的穩(wěn)定水位和水位下降速度為變化值，模擬工況采用水位驟降至渠底時(shí)的工況，結(jié)合災(zāi)害統(tǒng)計(jì)數(shù)據(jù)，此時(shí)危險(xiǎn)系數(shù)較高。 參數(shù)的取值范圍見表1，其中7個(gè)參數(shù)相互組合，可得到一個(gè)數(shù)據(jù)量為37 500 的大型數(shù)據(jù)庫。 其余參數(shù)的取值來源于工程勘察設(shè)計(jì)及施工階段的資料，見表2。

表1 可變參數(shù)取值范圍

表2 不變參數(shù)取值

通過巖土軟件GeoStudio 的不同模塊實(shí)現(xiàn)多因素耦合分析，穩(wěn)定性計(jì)算時(shí)，通過施加地震加速度完成地震耦合，可得到滲流場(chǎng)、應(yīng)力場(chǎng)云圖及滑動(dòng)面。

表1 中參數(shù)相互組合生成定量數(shù)據(jù)庫為評(píng)價(jià)模型的訓(xùn)練數(shù)據(jù)，另外每個(gè)參數(shù)在取值范圍內(nèi)隨機(jī)取值，共50 組數(shù)據(jù)，作為評(píng)價(jià)模型的檢驗(yàn)數(shù)據(jù)。 數(shù)值模擬得到的數(shù)據(jù)庫見表3。

3.2 評(píng)價(jià)模型檢驗(yàn)結(jié)果

通過GA-GRNN 和數(shù)值模擬得到定量數(shù)據(jù)庫，智能化定量評(píng)價(jià)模型初始種群規(guī)模50，迭代200 次得到的最優(yōu)光滑因子為130.4。 種群適應(yīng)度隨迭代次數(shù)變化曲線如圖7 所示。 從圖7 可以發(fā)現(xiàn)，種群的平均適應(yīng)度和種群最佳適應(yīng)度曲線隨迭代次數(shù)增加迅速達(dá)到穩(wěn)定值。 200 次迭代已可以滿足遺傳算法優(yōu)化的要求。

圖7 適應(yīng)度隨迭代次數(shù)的變化

通過50 組檢驗(yàn)數(shù)據(jù)進(jìn)一步計(jì)算實(shí)際安全系數(shù)和預(yù)測(cè)安全系數(shù)的相對(duì)誤差。 其相對(duì)誤差分布如圖8 所示。 多因素耦合作用下的渠道滑坡智能化評(píng)價(jià)模型的預(yù)測(cè)誤差全部小于9%，相對(duì)誤差在1%之內(nèi)的比例達(dá)到72%，相對(duì)誤差在5%之內(nèi)的比例達(dá)到98%。 預(yù)測(cè)結(jié)果表明智能化評(píng)價(jià)模型可以高精度地輸出預(yù)測(cè)結(jié)果，可為寒區(qū)渠坡的安全評(píng)價(jià)提供重要技術(shù)支撐。

圖8 智能化定量評(píng)價(jià)模型誤差分布

4 討 論

從上述研究可以發(fā)現(xiàn)，建立的多因素耦合作用下的寒區(qū)渠道滑坡智能化評(píng)價(jià)模型可高效地實(shí)現(xiàn)穩(wěn)定系數(shù)的計(jì)算。 此次滑坡數(shù)值模型構(gòu)建主要考慮水位驟降時(shí)的穩(wěn)定特征，對(duì)于其他工況，則可通過不考慮穩(wěn)定水位，數(shù)據(jù)增加到已有數(shù)據(jù)庫即可，在此不多討論。 事實(shí)上，渠坡的滑坡有較為復(fù)雜的原因，過多的參數(shù)設(shè)置雖然可以使模型變得更為精確，但無疑對(duì)現(xiàn)場(chǎng)管理人員提出了更高的要求，也不利于災(zāi)害的快速響應(yīng)。 基于此，工程實(shí)際管理中，需要進(jìn)一步實(shí)現(xiàn)現(xiàn)場(chǎng)檢測(cè)和模型參數(shù)的對(duì)應(yīng)；并且通過智能評(píng)價(jià)結(jié)果進(jìn)行安全分級(jí)和安全分級(jí)響應(yīng)。 模型計(jì)算主要基于設(shè)計(jì)規(guī)范展開，方便不同工程之間的比對(duì)，以及通過設(shè)計(jì)規(guī)范和工程設(shè)計(jì)資料進(jìn)行安全分級(jí)，并制定不同的安全分級(jí)響應(yīng)。目前常用的健康等級(jí)主要為三級(jí)法和五級(jí)法兩種［11］，結(jié)合寒區(qū)渠道的實(shí)際情況，健康評(píng)價(jià)等級(jí)定為5 級(jí)。具體的安全分級(jí)標(biāo)準(zhǔn)及分級(jí)響應(yīng)見表4。

表4 安全分級(jí)及分級(jí)響應(yīng)

5 結(jié) 論

通過具體的工程實(shí)例，在風(fēng)險(xiǎn)因子識(shí)別和指標(biāo)遴選的基礎(chǔ)上，構(gòu)建了多因素耦合條件下的以渠道滑坡數(shù)值模型和GA-GRNN 為基礎(chǔ)的智能化定量評(píng)價(jià)模型，通過研究可以得到以下結(jié)論。

（1）寒區(qū)渠道滑坡受多種因素的影響，對(duì)于本文研究的渠道，其滑坡主要發(fā)生在渠道停水時(shí)和剛停水時(shí)期，在氣溫升高時(shí)也會(huì)出現(xiàn)一定程度的滑坡。

（2）對(duì)于分析的寒區(qū)渠道工程，其誘發(fā)因子中主要影響指標(biāo)為溫度、地震、運(yùn)行水位等，基礎(chǔ)因子中主要考慮土體性質(zhì)（內(nèi)聚力、內(nèi)摩擦角、彈性模量等）、襯砌性質(zhì)（滲透性質(zhì)）、排水措施等。

（3）建立的多因素耦合作用下的寒區(qū)渠道智能化評(píng)價(jià)模型可以高精度地預(yù)測(cè)安全系數(shù)，預(yù)測(cè)相對(duì)誤差全部小于9%，相對(duì)誤差在1%之內(nèi)的比例達(dá)到72%，相對(duì)誤差在5%之內(nèi)的比例達(dá)到98%。

（4）基于智能化評(píng)價(jià)模型的預(yù)測(cè)結(jié)果，構(gòu)建了5 級(jí)安全分級(jí)及對(duì)應(yīng)的分級(jí)響應(yīng)。