趙順利,鄧偉杰,路新景,郭 沖,李雪彤
(1.黃河勘測規(guī)劃設計研究院有限公司,河南 鄭州 450003; 2.河南工業(yè)大學 土木建筑學院,河南 鄭州 450001)
面對我國水資源時空分布不均、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)渠道工程運行過程中安全問題極其突出,如頻繁滑坡等,嚴重影響了工程的運行效率[2]。
寒區(qū)渠道滑坡的致災機理較為復雜,是多因素耦合作用的結果。 對于穿越復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)等復雜條件。 如朱洵等[3]針對具體的寒區(qū)渠道工程開展了室內(nèi)干濕凍融循環(huán)耦合試驗,研究結果表明,干濕凍融循環(huán)耦合過程顯著加劇了土體力學性質(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理,靳德武等[4]研究表明,凍土區(qū)氣溫升高時,有可能形成低抗剪強度或無抗剪強度的巖土泥漿混合物,從而造成斜坡失穩(wěn);徐虎城[5]通過分析嚴寒地區(qū)某大型渠道水位下降時的破壞成因,指出排水措施的重要性;Subramanian 等[6]研究了融雪條件的季節(jié)性凍土預測預警指標。 但目前研究多集中在災變機理、定性描述、單一指標預警等方面,關于多因素條件下的寒區(qū)渠道邊坡失穩(wěn)定量評價則研究不足。
基于此,以具體工程為依托,通過神經(jīng)網(wǎng)絡和遺傳算法構建智能化評價體系,在風險因子識別的基礎上,開展多因素耦合研究,從工程實踐方面對智能化評價體系進行驗證。
某供水工程位于北疆,工程區(qū)地域遼闊,地勢平坦。 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。
對工程歷年來發(fā)生的滑坡進行統(tǒng)計,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,供水時間主要為4—9 月。 從圖1 不難看出,渠道停止供水時和剛停止供水時期災害發(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,凍土開始融化,上層凍土的滯水效應使其出現(xiàn)一定的滑坡。 整體而言,運行期的災害發(fā)生概率較低。
圖1 渠道滑坡災害統(tǒng)計
根據(jù)具體的渠坡工程,滑坡的風險因子大致可以分為基礎因子、誘發(fā)因子和管理因子3 類。 基礎因子主要與渠坡的內(nèi)部結構有關,如土質(zhì)、含水量、渠坡結構等;誘發(fā)因子主要與外部因素有關,如降雨、氣溫、地震等,在多種誘發(fā)因子的耦合作用下,其最終導致基礎因子的變化,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,較高的管理水平不僅可以有效降低災害頻次,也能減少災害損失。 通過具體的滑坡形成機制分析,識別出來的風險因子如圖2所示。
圖2 寒區(qū)渠坡滑坡風險因子
災害發(fā)生時,主要受誘發(fā)因子和基礎因子影響。結合工程實際情況首先進行誘發(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,且工程主要處于運行期,人類活動的頻度和強度較弱。 結合實際情況,誘發(fā)因子中,溫度、地震、運行水位起主要作用。 其中地震主要影響其應力場,運行水位主要影響滲流場。 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,其反映在基礎因子上主要是襯砌性質(zhì)和土體性質(zhì)改變。
對于具體的渠道而言,其地形地貌、渠坡結構、地質(zhì)結構會保持一定的穩(wěn)定性,排水措施與工程建設和后期維護相關,排水效果會隨著時間發(fā)生改變,與人類活動相關。 因此,主要考慮誘發(fā)因子對襯砌結構、土體性質(zhì)的影響。 已有研究表明,渠坡土體的反復干濕、凍融及運行水位的改變會極大改變土體力學性質(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為力學性質(zhì)的改變。 襯砌力學性質(zhì)改變相對較小,主要表現(xiàn)在結構形式的變化,受反復凍融的影響,主要表現(xiàn)為錯臺、空鼓、裂縫、防滲措施失效等[7],考慮到對滑坡的影響,則主要體現(xiàn)在復合襯砌滲透性質(zhì)的改變。
結合以上分析,誘發(fā)因子中主要影響指標為溫度、地震、運行水位,基礎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為土體性質(zhì)的改變。
針對具體某一確定渠坡進行健康診斷時,受限于數(shù)據(jù)量和災害統(tǒng)計的不足,各因素之間的關系難以明確,滑坡災害的預測預警及安全響應機制針對性較弱。因此,以安全監(jiān)測為依托,構建智能化定量評價模型對保證工程安全具有重要意義。
構建的智能化定量評價模型如圖3 所示。 具體實施時,針對具體的分析對象,結合工程實際完成指標遴選,結合實際災變規(guī)律構建多因素耦合狀態(tài)下的數(shù)值模型,重點考慮應力場、滲流場、動力特征等。 通過改變數(shù)值模型的參數(shù),構建大型定量數(shù)據(jù)庫。 在定量數(shù)據(jù)庫的基礎上,利用智能化手段,建立評價模型。 在實際的工程運行過程中,結合實際的工程檢測數(shù)據(jù),實現(xiàn)渠段的快速評價和快速響應。 在滑坡高風險期進行正向評價,低風險期則開展反向維護,實現(xiàn)評價模型的動態(tài)性和時效性。
圖3 寒區(qū)渠坡滑坡智能化定量評價模型
智能化評價模型通過遺傳算法優(yōu)化的廣義回歸神經(jīng)網(wǎng)絡(GA-GRNN)實現(xiàn),可提高評價精度和自動化水平,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],作為生物進化算法,其基本原理與生物進化論中的“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)絡屬于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡的一種變形。 相較于BP 神經(jīng)網(wǎng)絡等具有更好的逼近能力和學習速度,憑借其優(yōu)異性能,在巖土工程界得到廣泛應用[9]。 廣義回歸神經(jīng)網(wǎng)絡的理論基礎是非線性回歸分析,即通過獨立變量x計算具有最大概率的預測值y。 廣義回歸神經(jīng)網(wǎng)絡中最重要的一個參數(shù)為光滑因子σ,也是遺傳算法優(yōu)化的對象。
為進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價體系的有效性,選取工程危險渠段——泥巖段進行具體分析。
數(shù)值軟件采用巖土軟件GeoStudio,長渠線工程滿足平面應變假設,因此模型采用二維。 渠坡穩(wěn)定性計算方法按照《水利水電工程邊坡設計規(guī)范》(SL 386—2007)開展,采用簡化畢肖普法(Simplified Bishop)和摩 根 斯 頓- 普 賴 斯 法(Morgenstern - Price) 分 別計算[10]。
渠坡的地質(zhì)參數(shù)和結構形式來自設計和施工資料,其結構形式如圖5 所示。 數(shù)值模型取左半部分,如圖6 所示。
圖5 渠道結構形式
圖6 數(shù)值模型
在指標遴選的基礎上,結合渠道災變規(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,對應于因干濕循環(huán)、凍融循環(huán)及水位、含水量等改變而造成的泥巖力學性質(zhì)變化。 取復合襯砌的滲透系數(shù)為變化值,對應于排水設施、防滲措施等。 運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的工況,結合災害統(tǒng)計數(shù)據(jù),此時危險系數(shù)較高。 參數(shù)的取值范圍見表1,其中7個參數(shù)相互組合,可得到一個數(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計及施工階段的資料,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 的不同模塊實現(xiàn)多因素耦合分析,穩(wěn)定性計算時,通過施加地震加速度完成地震耦合,可得到滲流場、應力場云圖及滑動面。
表1 中參數(shù)相互組合生成定量數(shù)據(jù)庫為評價模型的訓練數(shù)據(jù),另外每個參數(shù)在取值范圍內(nèi)隨機取值,共50 組數(shù)據(jù),作為評價模型的檢驗數(shù)據(jù)。 數(shù)值模擬得到的數(shù)據(jù)庫見表3。
通過GA-GRNN 和數(shù)值模擬得到定量數(shù)據(jù)庫,智能化定量評價模型初始種群規(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),種群的平均適應度和種群最佳適應度曲線隨迭代次數(shù)增加迅速達到穩(wěn)定值。 200 次迭代已可以滿足遺傳算法優(yōu)化的要求。
圖7 適應度隨迭代次數(shù)的變化
通過50 組檢驗數(shù)據(jù)進一步計算實際安全系數(shù)和預測安全系數(shù)的相對誤差。 其相對誤差分布如圖8 所示。 多因素耦合作用下的渠道滑坡智能化評價模型的預測誤差全部小于9%,相對誤差在1%之內(nèi)的比例達到72%,相對誤差在5%之內(nèi)的比例達到98%。 預測結果表明智能化評價模型可以高精度地輸出預測結果,可為寒區(qū)渠坡的安全評價提供重要技術支撐。
圖8 智能化定量評價模型誤差分布
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)渠道滑坡智能化評價模型可高效地實現(xiàn)穩(wěn)定系數(shù)的計算。 此次滑坡數(shù)值模型構建主要考慮水位驟降時的穩(wěn)定特征,對于其他工況,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。 事實上,渠坡的滑坡有較為復雜的原因,過多的參數(shù)設置雖然可以使模型變得更為精確,但無疑對現(xiàn)場管理人員提出了更高的要求,也不利于災害的快速響應。 基于此,工程實際管理中,需要進一步實現(xiàn)現(xiàn)場檢測和模型參數(shù)的對應;并且通過智能評價結果進行安全分級和安全分級響應。 模型計算主要基于設計規(guī)范展開,方便不同工程之間的比對,以及通過設計規(guī)范和工程設計資料進行安全分級,并制定不同的安全分級響應。目前常用的健康等級主要為三級法和五級法兩種[11],結合寒區(qū)渠道的實際情況,健康評價等級定為5 級。具體的安全分級標準及分級響應見表4。
表4 安全分級及分級響應
通過具體的工程實例,在風險因子識別和指標遴選的基礎上,構建了多因素耦合條件下的以渠道滑坡數(shù)值模型和GA-GRNN 為基礎的智能化定量評價模型,通過研究可以得到以下結論。
(1)寒區(qū)渠道滑坡受多種因素的影響,對于本文研究的渠道,其滑坡主要發(fā)生在渠道停水時和剛停水時期,在氣溫升高時也會出現(xiàn)一定程度的滑坡。
(2)對于分析的寒區(qū)渠道工程,其誘發(fā)因子中主要影響指標為溫度、地震、運行水位等,基礎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)渠道智能化評價模型可以高精度地預測安全系數(shù),預測相對誤差全部小于9%,相對誤差在1%之內(nèi)的比例達到72%,相對誤差在5%之內(nèi)的比例達到98%。
(4)基于智能化評價模型的預測結果,構建了5 級安全分級及對應的分級響應。