论文部分内容阅读
我国是多暴雨国家,历史上洪灾就很频繁,导致许多重要的堤防险象环生,甚至决堤。而管涌破坏是堤防失事的主要原因之一,给我国国民经济带来巨大的损失,因此备受人们的关注。对管涌的研究不仅具有理论意义,而且有很大的现实意义。然而由于管涌的复杂性与随机性,管涌破坏的机理到现在还处于极大的争议之中,对堤防管涌的预测也没有找到立竿见影的方法。管涌破坏的产生过程中渗透水流与土体之间各种力复杂的相互作用决定了管涌的发展与历时,管涌的产生与发展是一个非线性的动态过程,目前尚无很好的研究方法与理论。
在文献调研、回顾总结研究发展史的基础上,本文对管涌的产生机理进行深入了探讨,并且将人工智能方法引入管涌的研究之中,建立了人工智能判别模型。本文从无粘性土的管涌特性出发,总结管涌过程中的i-v曲线,基于无粘性土的孔隙通道模型,推导出管涌破坏的临界流速判别方法。首次运用人工智能方法提出基于BP神经网络模型的无粘性土的判别模型,该模型不仅考虑了颗粒级配对渗透破坏形式的影响,还考虑了土体的密实性对其渗透破坏形式的影响,准确地预测了土体破坏形式。运用RBF神经网络,建立起大坝管涌预测模型,准确地模拟了堤防管涌内部各参数之间的非线性映射,对堤防管涌的预测问题进行了探索。在分析地下水中稳定同位素及水化学特性的基础之上,运用自组织竞争型人工神经网络分析地下水同位素及水化学特征,结合北江大堤工程实例,分类的结果证实了北江大堤基岩深部存在集中渗流通道,为堤坝渗漏通道的判别提供了一种新的判别方法。运用本文的理论与方法可以在汛期来临之前预测堤坝管涌的发生,对堤坝的加固起到指导作用。