25
卷 第
4
期 北 京
Vol.25 No.4
2003 8 Journal of University of Science and Technology Beijing Aug. 2003
收稿日期
2002–10–17
谭文辉 女
33
岁 博士
国家科技 十五 科技攻关资助
No.2001BA609A-08
边坡工程中 由于降水 河流等的存在 边坡
岩体中常赋存有水 水在岩体中的赋存和运动形
式不同 常表现出不同的力学状态和力学作用
归结起来 水对岩体具有两方面的作用 其一是
各种作用 力学的 物理的 化学的 导致岩体强
度降低 其二是所加的渗透力使岩体的变形发生
变化 这些作用往往对边坡的稳定性产生极为不
利的影响
文献
[1~4]
采用有效应力原理 实际上仅考虑
静水压力 来模拟渗流对应力的作用 这种方法
对渗流速度小的连续介质渗流是比较适用的 对
于节理岩体中水的渗流来说 由于岩块的渗透性
相对裂隙而言可忽略不计 可认为渗流只在岩体
的节理中流动 这样就不能简单地采用有效应力
原理来模拟渗流对应力的作用 节理岩体中的水
流动是一复杂的动态过程 在这一过程中 节理
的几何形态和力学性能不断变化 流体的水力学
条件也在不断改变 因此采用离散元方法进行研
究是一个较好的选择 文献
[5]
用离散元方法对
地下厂房岩体渗流进行了模拟研究 本文拟用此
法采用美国
Itasca
公司开发的离散元软件
UDEC
3.0
[6]
对节理边坡岩体渗流进行分析
有关水对边坡的稳定性影响 传统的安全系
数方法并不能给出满意的结论 边坡系统是一个
复杂系统 系统中广泛存在着随机不确定性和模
糊不确定性 安全系数方法不能考虑这些 为此
本文采用模糊估计方法对有水作用和无水作用
两种情况下的边坡可靠性进行了对比研究
1
地下水在节理边坡中流动的离
散元模拟
1.1
固
–
液全耦合原理
[5 6]
节理岩体可看作是孔洞和通道连续起来的
块体系统 孔洞和通道作为流体的流动域 如
图
1
所示 图中包含 五个域 其中域 和 代
表节理 域 位于 两个节理之间 而域 则是一
个空洞 流动域之间由块间的接触点分开
(
图中
的
A
至
F)
块体之间的作用力是通过这些接触点
传递的
对于可变形块体 往往先将其离散成常应变
三角形单元 单元的节点既可以位于块体的凸点
上 也可以位于块体的边上 节点的位置不改变
块体间的接触 例如 图
1
中的接触点
D
就意味
节理边坡渗流离散元模拟及边坡可靠性分析
谭文辉 蔡美峰 周汝弟
北京科技大学土木系 北京
100083
摘 要 采用定性研究和定量分析相结合的方法
,
对地下水对节理边坡稳定性的影响进行
了较为全面的研究 首先采用离散元方法进行了节理边坡地下水流动的数值模拟 其次用不
确定性方法 模糊点估计方法对有水和无水作用两种情况下的边坡稳定性进行了模糊随
机可靠性对比分析 研究表明 地下水的存在使边坡的破坏面积增大 破坏概率剧增 边坡可
靠性指标极大地降低 因此地下水对节理边坡稳定性具有不可忽视的作用
关键词 节理边坡 稳定性 离散元 模糊点估计方法
分类号
TD854.6
图
1
节理间水流动模型
(
文献
[6])
Fig.1 Flowing model of water between joints
A B C D E F
L L
资源评论
weixin_38630324
- 粉丝: 3
- 资源: 890
最新资源
- 电气数据417节点配电网数据
- 蒙特卡洛法场景生成+K-means聚类并削减 风电、光伏、负荷 Matlab 通过概率模型并根据weibull、beta、正态分布生成500次风电光伏、负荷场景，此基础上，基于Kmeans算法，分别对
- sgan.py 源文件，可以自行修改内容
- COVID-19 胸部 X 光图像和肺口罩图像语义分割数据
- python - 时间、日期知识汇总
- NC Cloud-集成-数据报表开发
- 基于多时间尺度滚动优化的多能源微网双层调度模型 参考文档：Collaborative Autonomous Optimization of Interconnected Multi-Energy S
- 2023-04-06-项目笔记 - 第三百七十三阶段 - 4.4.2.371全局变量的作用域-371 -2025.01.09
- python - 基础知识汇总
- 电气数据1080节点配电网数据
- 基于eNSP的企业网络规划与设计研究报告
- 2023-04-06-项目笔记 - 第三百七十三阶段 - 4.4.2.371全局变量的作用域-371 -2025.01.09
- NC Cloud-集成-业务插件注册
- VMD-LSSVM，基于VMD分解的LSSVM最小二乘支持向量机做短期电力负荷预测，预测精度非常高 结果分析 均方根误差(RMSE)：0.42123 平均绝对误差（MAE）：0.25901 平均相对
- 基于Python与Web前端的新年快乐动态礼花实现：代码教程和技术解析
- VMD-SSA-LSSVM，基于VMD分解的SSA优化LSSVM做短期电力负荷预测，预测精度非常高 结果分析 均方根误差(RMSE)：0.17332 平均绝对误差（MAE）：0.12619 平均相对
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
