论文部分内容阅读
在边坡工程的稳定可靠度分析中,基于极限平衡法的边坡功能函数一般为无明显表达式的隐函数,无法采用一次二阶矩法等传统可靠度分析方法求解可靠度。而蒙特卡洛模拟法计算工作量巨大、计算效率低,限制了其在实际工程中的应用。针对这一难点,可以先采用代理模型对隐式功能函数进行显示化处理,然后再利用传统可靠度计算方法求解可靠度指标。本文在对各代理模型方法进行详细探讨的基础上,重点研究了来源于地质统计学的Kriging代理模型在边坡隐式功能函数可靠度分析问题中的应用,主要以两种不同的思路展开研究。首先是将拉丁超立方试验设计与Kriging代理模型及JC法相结合,提出一种新的边坡隐式功能函数可靠度计算方法,构造该方法实施的具体技术细节和操作步骤。通过具体边坡实例的分析研究,寻找到适用于本方法的最佳拉丁超立方抽样次数。通过与直接蒙特卡洛法的对比也表明了本方法过程清晰明了,计算工作量小,计算结果精度满足工程要求,具有较好的工程实用价值。其次针对Kriging代理模型对试验设计的依赖,引入主动学习法,提出一种主动学习策略,主动搜索最佳训练样本,建立精度较高的边坡功能函数Kriging代理模型,然后结合蒙特卡洛法计算边坡失效概率,从而大大降低直接采用蒙特卡洛法的计算工作量。同样使用本方法计算具体的边坡功能实例,通过分析与对比,验证了本方法的可行性和精度。最后采用本文所研究的两种方法分析了衡桂高速公路某路堑边坡的稳定可靠度问题,对同一个路堑边坡应用本文的两种方法计算得到的可靠度指标基本一致。进一步验证了本文方法对边坡稳定可靠性分析的适用性和合理性。