基于lhs-mc的土石坝坝坡失稳风险评估.docxVIP

基于lhs-mc的土石坝坝坡失稳风险评估 0 坝坡失稳风险分析方法的优缺点 砂坝边坡稳定分析为不确定性问题。传统的坝坡稳定性分析以安全系数作为评价指标,不考虑坝坡土性参数的随机性和相关性以及其它不确定性因素。不确定性因素往往是随机的,用确定性方法难以反映这种随机因素的影响。因此,用确定性的安全系数无法提供坝坡实际可能具备的安全储备以及潜在的失稳概率。由于确定性分析方法的缺点,土石坝坝坡失稳风险分析方法受到人们的关注,并得到迅速发展。自1970年风险分析(可靠度)应用于边坡稳定性以来,涌现出了大量的风险分析与可靠度方法,如在极限平衡方法基础上的一次二阶矩法、概率矩点估计法、响应面法、蒙特卡罗法以及其他一些衍生方法。MC法是目前坝坡失稳风险分析中一种相对精确的方法,应用广泛。该方法最重要的部分是各个变量随机数的生成,一般都采用简单随机抽样(SRS)来生成0和1之间均匀分布的随机数,再进行随机数转换。然而,坝坡失稳风险分析中坝坡失稳是稀遇事件,概率非常小,用MC法抽样需要模拟很多次,除此之外,输入变量个数越多,模拟时间越长,因此,有必要改进这种随机抽样的方法。拉丁超立方抽样(Latin Hypercube Sampling,LHS)能够有效提高抽样效率,进而能够用较少的抽样次数得到较理想的结果。本文在极限平衡法的基础上,将拉丁超立方抽样(LHS)与蒙特卡罗(MC)方法相结合,考虑库水位变化、坝坡土性参数的变异性和相关性,计算坝坡稳定可靠度指标及坝坡失稳概率。 1 抽样方法的原理 蒙特卡罗模拟(Monte Carlo simulation,MC)是一种统计抽样方法,已成功地应用于可靠性分析和风险评估之中。常规的MC法计算精度与抽样次数相关,计算误差以O(N-1/2)为阶,为达到较好的模拟效果,N一般取值较大。为提高计算效率,应对常规MC法的抽样技术进行改进,如基于拉丁超立方采样(Latin Hypercube sampling,LHS)的MC方法。LHS法是一种多维分层抽样法,由McKay等于1979年提出,其本质是通过产生分布更加均匀的样本来提高精度。在抽取少量样本的情况下,该方法可以极大地提高计算精度,其工作原理如下: 首先确定模拟次数N,然后将区间划分为N个互不重叠的子区间,在每个子区间内分别进行独立的等概率抽样,这可以避免MC法大量反复的抽样工作。LHS对均值和方差的估计和MC法相比,在效果上显著改善。 为保证抽取的随机数属于各子区间,第i个子区间内的随Vi机数应满足:Vi=VN+i?1NVi=VΝ+i-1Ν, (1) i?1N＜Vi＜iNi-1Ν＜Vi＜iΝ。 式中:i=1,2,…,N;V为区间内均匀分布的随机数;Vi是第i个子区间中的随机数。 每一个子区间仅产生一个随机数,然后采用反变换法,由N个子区间产生的随机数得到N个某一概率密度函数的随机变量抽样值,最后对随机变量的抽样值进行组合,也就是对各随机变量的抽样值所属区间的序号进行随机排列。与常规MC方法相比,LHS-MC收敛性能更优,可在满足一定精度的前提下,减少抽样次数。图1给出了常规MC法与LHS-MC法产生的10个2维数组的分布情况,可以看出LHS-MC避免重复抽取已出现的样本,随机数分布更加均匀,从而提高了其收敛性能。 可根据已知(或假定)的土体参数的分布类型,利用LHS方法对土体参数进行随机抽样,综合考虑坝坡土体参数和水位的随机性,采用MC模拟计算坝坡失稳的风险。 2 坝坡失稳风险度分析方法 采用LHS-MC方法评估坝坡失稳风险的步骤如图2所示。第1步,指定坝坡几何形状以及土性参数(c,φ和γ)的概率分布,确定水位频率曲线;第2步,根据极限平衡法确定土体中具有最小安全系数的可能滑移面。一旦确定出最危险滑移面、土性参数和水位频率曲线,就可以进行坝坡失稳风险分析。利用LHS-MC方法可算出每一水位下的失效概率。第3步,采用离散化数值积分的方法计算各级水位下坝坡失稳风险度。 由于大多数边坡稳定问题都是超静定的,必须通过瑞典条分法、简化毕肖普条分法、杨布条分法和Spencer法等极限平衡法进行简化。简化毕肖普法是一般工程中常用的土坡稳定分析方法,通过这种方法建立的坝坡失稳控制方程如式(2)所示,图3为采用简化毕肖普法并通过有限元模拟得到的最危险滑移面和土条计算参数。 式中:Wi是土条的自量;ui为孔隙水应力;bi为土条宽度;αi为土条重力线与通过此条底面中的半径之间的夹角;ci为黏聚力;φ为摩擦角。 3 洪水位的不确定性 影响坝坡稳定的因素很多,如水位、土质的物理力学性质指标、土石坝的结构尺寸、施工质量等。洪水位的不确定性,对坝坡稳定的风险性也有较大的影响。因此,影响坝坡抗滑稳定的不确定因素主要有:洪水位、坝身和基础土质的黏聚力c、摩擦角φ和容重γ等物理力学