强降雨作用下基于Green-Ampt入渗模型的边坡稳定性分析

论文摘要

随着我国“一带一路”经济发展战略的推进,西北部山区交通、能源等重要基础设施如火如荼,城镇化建设稳步推进,涉及到非饱和土的边坡工程问题逐渐增多,加之极端天气事件多发,降雨入渗诱发边坡失稳的可能性日益增加。如何尽可能对降雨型滑坡形成有效的预测预报是强降雨下边坡失稳灾害防治最为关键的问题之一。虽然世界各国学者在强降雨造成边坡失稳的作用机理及其预测预报方面的研究已硕果累累,但现有降雨型滑坡预警模型多来自于经验统计、物理或数值模拟,可直接有效应用于持续或间歇性强降雨条件下边坡稳定分析的理论模型较少。为此本文立足于已有研究成果,采用Green-Ampt入渗（GA）模型探索不同强降雨类型下的土质边坡强降雨入渗过程,结合极限平衡法分析边坡稳定性,并且利用灰色关联分析法研究不同因素对边坡降雨入渗深度和稳定性影响程度。主要工作和研究成果如下:首先,利用Hydrus-1D软件对降雨入渗过程的模拟,讨论了不同降雨强度下,土体含水率及湿润锋深度变化规律。根据地表土体体积含水率达到饱和状态的降雨历时及饱和时湿润锋深度大小,定义了降雨强度与土体饱和含水率比值大于10时为强降雨,并验证了强降雨作用下分层假设的适用性,提出了适用于该分层假设的GA模型。其次,基于GA模型建立了适用于边坡并且能综合考虑湿润层土体含水量分布情况与饱和层内平行于坡面渗流作用的持续性强降雨入渗分析模型,并同时考虑以交界面和湿润锋面为潜在滑动面,提出适用于整个强降雨历程的稳定性系数计算方法。然后,考虑干湿循环对边坡土体渗透特性及土水特性的影响,提出一种适用于间歇性强降雨的退化GA模型,并考虑干湿循环对土体强度的劣化作用,建立间歇性强降雨下边坡稳定性表达式。最后,针对传统灰色关联分析方法中的不足,提出了一种能同时考虑整体性、动态性和抗干扰性的分辨系数ρ的取值方法,并对参考数据的权重及关联度计算方法进行了适当改进,建立灰色关联模型,对降雨入渗深度及降雨下边坡稳定性影响因素进行敏感性分析。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 选题依据及研究意义
•   1.2 国内外研究现状
•     1.2.1 土体入渗基本理论
•     1.2.2 土体入渗模型
•     1.2.3 Green-Ampt入渗模型
•     1.2.4 边坡稳定性分析方法
•   1.3 本文研究内容和技术路线
•     1.3.1 研究内容
•     1.3.2 技术路线
• 第2章 基于分层假定改进Green-Ampt模型
•   2.1 模拟模型基本介绍
•   2.2 结果与分析
•     2.2.1 含水率变化分析
•     2.2.2 湿润锋深度变化分析
•     2.2.3 强降雨下土体含水率分层变化规律
•   2.3 强降雨下GA模型的改进及验证
•     2.3.1 GA模型的改进
•     2.3.2 改进GA模型的验证
•   2.4 本章小结
• 第3章 持续性强降雨下基于Grene-Ampt模型的边坡稳定性分析
•   3.1 LSGA模型的建立
•   3.2 边坡稳定性分析
•   3.3 模型验证与分析
•     3.3.1 与GA模型解析解比较
•     3.3.2 案例计算与分析
•     3.3.3 坡体长度的尺寸效应
•   3.4 本章小结
• 第4章 间歇性强降雨下基于Green-Ampt模型的边坡稳定性分析
•   4.1 DCGA模型的建立
•   4.2 边坡稳定性分析
•   4.3 模型验证与分析
•     4.3.1 与GA模型解析解比较
•     4.3.2 案例计算与分析
•     4.3.3 不同模型的对比
•   4.4 本章小结
• 第5章 强降雨下边坡降雨入渗及稳定性敏感度分析
•   5.1 传统灰色关联分析法
•   5.2 灰色关联分析法的改进
•     5.2.1 分辨系数取值
•     5.2.2 各样本元素权重
•     5.2.3 模糊灰色关联度
•   5.3 降雨入渗深度与边坡稳定性灰色关联分析
•     5.3.1 降雨入渗深度灰色关联分析
•     5.3.2 持续性强降雨下边坡稳定性灰色关联分析
•     5.3.3 间歇性强降雨下边坡稳定性灰色关联分析
•   5.4 本章小结
• 结论与展望
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文及科研情况

文章来源

类型: 硕士论文

作者: 李诚诚

导师: 苏永华,邹志鹏

关键词: 入渗模型,强降雨,分层假设,渗流,干湿循环,边坡稳定性,灰色关联分析法

来源: 湖南大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑

专业: 地质学,建筑科学与工程

单位: 湖南大学

基金: 国家自然科学基金资助项目(51578232,51878266)

分类号: TU43

DOI: 10.27135/d.cnki.ghudu.2019.000757

总页数: 84

文件大小: 3298K

下载量: 102