前言文献回顾研究方法结果与讨论结论.pptVIP

前言 文獻回顧 研究方法 結果與討論 結論 前言 近年來使用數值方法來模擬地滑的情形趨於頻繁，而現在最常用的方法為極限平衡法，但由於極限平衡法無法模擬顆粒間之力學行為與堆積之情況，故使用分離元素法的情形逐漸增加。但分離元素法最困難的地方在於決定其微觀參數，最常見的作法為調整其微觀參數使模型符合其巨觀行為。本論文將嘗試建立巨觀參數與PFC2D微觀參數之關係，並用於實際案例上。 文獻回顧 文獻回顧 C. Wang et al.(2003)“Numerical analysis of the stability of heavily jointed rock slopes using PFC2D” Cundall et al.(2004)“A bonded-particle model for rock” N. Belheine et al.(2009)“Numerical simulation of drained triaxial test using 3D discrete element modeling” Chao-Lung Tang et al.(2009)“The Tsaoling landslide triggered by the Chi-Chi earthquake, Taiwan: Insights from a discrete element simulation” 以上文獻探討PFC2D微觀參數與巨觀參數之間的關係，並嘗試將PFC2D之部分參數設為相等或以比值簡化，藉以減少變數。 文獻回顧 紅菜坪 草嶺 文獻回顧 文獻回顧 簡單迴歸 複迴歸 研究方法 參數 雙軸試驗 巨觀微觀 參數之關係 研究方法 研究方法 研究方法 PFC2D_簡介： PFC2D是使用分離元素法來模擬圓形顆粒之間的運動及其相互作用之微觀力學軟體。顆粒可以代表材料中的個別顆粒，例如砂粒；也可以代表連結在一起的固體材料，例如混凝土或岩石。但PFC2D使用之微觀參數不同於一般之巨觀參數E、c、φ，故參數之選用須多加考量。本文將使用PFC2D來進行雙軸試驗與地滑之模擬。 研究方法 PFC2D_模擬雙軸試驗： 利用UCODE敏感性分析之結果，針對PFC2D的微觀參數進行調整，使模型符合其巨觀行為。 類神經_簡介： 類神經網路是一種以電腦來模擬人類腦神經細胞網路的科學。其優點在於不需要瞭解系統的數學模型，即可得到輸入與輸出之間的關係。本文將利用類神經網路來預測微觀參數。 研究方法 類神經(使用MATLAB的nntool)： 在蒐集了多組PFC2D之數據與其相對應之巨觀參數資料後，將之輸入類神經網路進行訓練，並使用額外幾組資料對其進行測試，以瞭解類神經網路之訓練完成與否。訓練完成後，再將之用來預測。 研究方法 迴歸分析_簡介： 迴歸分析是一種統計學上對數據進行分析的方法，主要是希望探討數據之間是否有特定關係。迴歸分析是建立因變數Y與自變數X之間關係的模型。迴歸分析的目的在於了解兩個或多個變數間是否相關，並建立數學模型以便觀察特定變數來預測其他變數。 研究方法 迴歸分析_作法： 將多組PFC2D之數據與其相對應之巨觀參數資料進行簡單迴歸與複迴歸分析，以找出其相關性與關係式，作為推估微觀參數之依據。 研究方法 使用PFC2D模擬地滑： 將類神經或迴歸分析預測之微觀參數值輸入建製完成之邊坡模型，以模擬地滑堆積之情況。 研究方法 紅菜坪