滑坡,作为一种主要地质灾害,由于其作用因素及运动机理的多变性和复杂性,预测比较困难,一直是世界各国研究的重要地质和工程问题之一。边坡中的渗透水压力和渗流场分布是影响边坡稳定和变形的重要因素之一,而降雨是诱发滑坡的常遇诱导因素。本文针对在降雨条件下的边坡稳定问题,运用饱和-非饱和渗流理论、传统极限平衡方法的延伸法、神经网络理论等多种手段,系统的针对降雨入渗情况下渗流域非饱和渗流场的变化以及边坡稳定分析的影响机理、边坡状态预测等进行了较为深入的研究,得出了一些有意义的结论。 阐述了饱和稳定、非稳定渗流问题的基本概念及其定解条件,以总水头为基本未知量推导了饱和-非饱和渗流的控制方程。基于Galerkin加权余量法推导了饱和-非饱和渗流计算有限元列式。运用SEEP渗流计算程序计算给定降雨条件孔隙水压力的分布,探求降雨强度、降雨持时、前期降雨、初始孔隙水压力、以及土壤渗透系数等参数的变化对渗流场的影响。 将降雨入渗作为土坡稳定分析的重要因素,本文将渗流场的孔隙水压力引入基于非饱和土抗剪强度理论的抗滑稳定计算中,得出相应情况下的边坡稳定安全系数的变化规律。在不同的降雨因素影响下定量得出了各降雨因素对非饱和土坡稳定性影响的程度,探讨各参数变化对边坡稳定性安全系数的影响,并对边坡的稳定性进行了评价,为决策者提供了可靠的理论依据。 本文提出了一种基于交替迭代全局优化算法的前向神经网络,运用交替迭代算法构建了滑坡稳定预测模型。算例分析结果表明文中所建立的边坡稳定性预报方法具有较高的预报准确度,是滑坡预测分析的一种有效的新途径。 论文系统探讨了降雨条件下影响土坡渗流场及稳定性的主要因素,为在雨季边坡失稳的预报、合理设计和有效的防护均提供了决策依据。