基于流固耦合理论的泄滩污水处理厂边坡在库水变化条件下的岩土体力学参数反演

王 幸 林

(中煤科工集团重庆设计研究院有限公司，重庆 400016)



基于流固耦合理论的泄滩污水处理厂边坡在库水变化条件下的岩土体力学参数反演

王 幸 林

(中煤科工集团重庆设计研究院有限公司，重庆 400016)

选取三峡库区的泄滩乡污水处理厂变形体边坡为研究对象，建立了泄滩乡污水处理厂变形体边坡二维有限元模型，采用流固耦合有限元分析软件(ABAQUS)和智能位移反分析方法，对该边坡在库水变化条件下的岩土体的物理力学参数进行动态反演，为该边坡在库水位波动条件下的稳定性评价提供合理的参数。分析结果表明：基于反演获得的岩土体物理力学参数计算获得测点位置的位移值与实测值非常接近，说明采用流固耦合有限元分析软件(ABAQUS)和智能位移反分析方法在动态反演水库边坡岩土体物理力学参数在工程上是可行的。

岩土工程；流固耦合；智能反演方法；参数反演

泄滩污水处理厂变形体位于秭归县泄滩乡新集镇下店与杨家坪之间斜坡地带，边坡沿长江左岸延伸，平面略呈凹圆弧形，起于长江上游泄滩河口，止于长江下游杨家坪集镇片区居民住点，边坡全长约200 m。根据三峡库区生态环境保护规划，2002年秭归县环保局在边坡中下部(高程190.00 m)选址拟建一座污水处理厂，该污水处理厂于2007年开始修建，2008年11月修建初接近尾声[1]。根据现场监测，近几年以来，该边坡一直处于稳定状态，直到2008年11月8日，三峡水库蓄水至172.79 m时，致使场地地下水位条件发生变化，从而改变了该斜坡的水文地质条件，出现斜坡后缘填土明显变形破坏迹象。

1 智能位移反演方法

笔者采用智能位移反分析方法反演岩土体的物理力学参数，其基本思想为：以各岩土体的基本物理力学参数为基本输入变量，通过均匀设计法设计一定数量的计算方案，采用有限元计算方法进行数值模拟，将所获得的计算结果与对应的计算参数组合作为样本训练人工神经网络，应用遗传算法搜索最佳的神经网络结构，建立基本变量与岩土体位移之间的非线性映射关系，并采用遗传算法进行全局优化，在以位移目标函数为最小的条件下得到基本变量的最优解。

笔者选取目前在岩体力学领域应用最为广泛的典型网络模型——BP网络[2]，将其应用于岩土体物理力学参数的研究过程中。BP神经网络的基本结构如图1。通过该神经网络来建立岩土体物理力学参数与岩土体位移之间的映射关系，需要首先对神经网络进行训练。训练神经网络必须具有一定数量的样本，并且样本应该满足所有可能发生的输入输出状态。为了既保证网络学习的准确性，又减少试验的工作量。笔者采用均匀设计方法[3]设计神经网络训练样本和测试样本[4]。

图1 BP神经网络基本结构模型Fig.1 The basic structure model of BP neural network diagram

2 流固耦合分析

边坡在水库水位波动的作用下坡体中孔隙流体压力的变化引起多孔介质骨架有效应力发生变化，由此导致土体性质如渗透系数、孔隙率等的改变。同时，这些变化又会反过来影响孔隙流体的流动和压力的分布。边坡岩土体介质渗流场与应力场两者之间的这种相互作用、相互影响的关系称为流固耦合分析。

2.1 渗流场对应力场的影响机理

渗流场对应力场的影响是通过改变应力场的水荷载而改变应力场分布的，其水荷载可用渗透体积力f和静水压力P(面力)表示[5]。

假设某种情况下土体中各节点的水头分布函数为H(x，y)，则某作用面上的渗透水压力(面力)P[6]：

P=γm(H-y)

(1)

渗流区域内渗透体积力f[6]：

(2)

(3)

式中：f为渗流产生的体积力的大小；fx，fy分别为渗流体积力在x和y方向的分力；γm为水的容重；Jx，Jy分别为单元在x和y方向的渗透坡降。

2.2 应力场对渗流场的影响机理

应力场对渗流场的影响是通过影响土体的体积应变εv和孔隙率n从而影响土体介质的渗透系数k，进而影响渗流场。

土体的渗透系数k与孔隙率n的关系为[6]：

k=k(n)

(4)

设单元初始的孔隙率为n0，体积应变为：

(5)

式中：V为岩土体总体积；ΔV为孔隙体积的变化量。

假定此体积应变εv完全是由于孔隙体积变化所引起，则单元的孔隙率n为：

n=n0·exp(-ασ+aP)=n0+εv

(6)

由于体积应变εv是由应力场σij决定的，所以土体的渗透率k最终可以表示为应力场σij的函数，即：k=k(σij)。

3 智能位移反演分析

3.1 计算模型及计算条件

根据污水处理厂变形体边坡的工程地质特征和结构形态，选取原地面坡度较大的最具代表性剖面作为计算剖面，并建立该剖面的二维数值计算模型。该模型垂直于河流方向为184.4 m，自底部至顶部高128 m。整个计算域剖分了11 253个六面体单元，共计22 990个节点。在该变形体边坡的剖面上共有3个地表变形监测点，分别为XTW3，XTW4和XTW5，数值计算网格模型及各监测点分布见图2。计算域的底部边界为固定约束，两侧采用法向约束。岩土体模型均采用弹塑性模型，屈服准则采用Mohr-Columb与拉破坏准则结合的复合准则。

图2 数值计算网格模型图及监测点在模型中的位置(单位:m)

3.2 反演关键段的确定及实测位移的选取

三峡水库运行期的库水位周期性变化过程以及监测所得的污水处理厂边坡变形-日期如图3。

图3 污水处理厂各监测点累积位移-时间曲线Fig.3 The accumulated displacement-date graph of each measuring point

从图3可知，边坡位移变化最为明显的时间段为：2010-10-24—2011-01-08，因此选取该时间段作为参数反演的时间段，该时间段内水库水位一直保持在高水位175 m。各监测点在此时间段内的位移增量大小如表1。

表1 污水处理厂各监测点位移增量监测值

由于边坡各监测点的水平位移变化比垂直位移变化大，故选取地表变形观测点水平位移值作为参数反演的对象。选取地表变形监测点XTW3，XTW4和XTW5的水平位移增量值作为参数反演的实测位移。

3.3 反演样本构造

以地质勘察资料中提供的有关岩土体的物理力学性质试验数据及参数建议值为基本依据，确定污水处理厂变形体剖面待反演的5个参数的可能取值范围：素填土变形模量E1(5～15 MPa)、块(碎)石变形模量E2(10～20 MPa)、块石土变形模量E3(5～15 MPa)、含碎砾粉质黏土变形模量E4(10～20 MPa)、强风化基岩变形模量E5(10～30 MPa)。

在样本“试验”阶段，对每个参数取其可能的取值区间内的5个水平，如表2。

表2 污水处理厂变形体边坡岩土体力学参数的取值水平

不参与反演的岩土体的物理力学参数值的选取参照地质勘察资料中关于岩土体的物理力学性质试验数据及参数建议值，并类比三峡库区其它类似边坡岩土体的物理力学性质参数值进行取值，具体见表3。

表3 污水处理厂变形体边坡不参与反演的参数取值

笔者依据均匀设计原理，在参数反演中采用U40(55)均匀设计给出40种试验组合方案，具体的组合方案见表4。对于每一组试验组合，采用ABAQUS有限元计算程序进行正向计算，找出所选取的用于反演的XTW3、XTW4和XTW5这三个地表变形监测点所应的水平方向位移增量计算值，将所获得的计算值与对应的计算参数组合在一起，作为一个样本。这样就可以得到U40(55)均匀设计所对应的40个样本，其中前30个样本用于参数反演的神经网络的训练，后10个样本用于神经网络训练过程中的预测检验(表4)。

表4 各试验方案参数组合及各测点的水平位移计算增量值

(续表4)

取值方案待反演参数弹性模量E/MPa各测点水平位移计算增量值/mm素填土块(碎)石块石土含碎砾粉质黏土强风化基岩XTW3XTW4XTW5用于训练神经网络模型︙︙︙︙︙︙︙︙︙287.512.512.510.025.0139.165108.993174.5542912.520.012.512.525.0141.383105.746169.018307.520.05.015.025.0138.238103.695168.979用于检验神经网络模型的可用性15.015.015.012.520.0136.761109.544172.498212.517.55.017.515.0148.636112.336177.57137.510.015.017.530.0141.779105.405180.243415.010.012.512.515.0149.812109.463176.423515.015.05.010.030.0147.964106.639179.358612.510.05.015.010.0143.363108.523172.47575.017.510.015.030.0139.681109.381181.521810.012.510.010.010.0146.743108.405174.24395.020.012.520.020.0139.893104.422178.4181015.020.010.020.010.0147.974107.639179.358

3.4 岩土体的物理力学参数反演

经过遗传算法搜索发现，对于泄滩污水处理厂变形体监测剖面，结构为5-32-16-3的神经网络在学习95 892次时预测效果最佳，学习误差为0.000 125，测试误差为0.000 652。

采用神经网络-遗传优化算法，在给定范围内进行搜索计算，寻找泄滩污水处理厂变形体边坡各岩土层的最优岩土体物理力学参数。

4 岩土体的物理力学参数反演结果

泄滩污水处理厂变形体边坡岩土体的物理力学参数反演结果如表5。

表5 污水处理厂变形体边坡各层岩土体力学参数反演结果

根据反演获得的参数由ABAQUS有限元分析软件计算出的各监测点的水平位移增量值和实际监测的水平位移增量值对比如下：XTW3的实测增量值为145 mm，基于反演参数的计算增量值为142.6 mm；XTW4实测值为107.59 mm，计算值为109.20 mm；XTW5实测值为175.33 mm，计算值为179.40 mm；其计算值累计绝对误差平均值1.62 mm。

图4给出了水平位移增量实测值和基于反演参数的正向水平位移计算增量值比较。从图4可以看出：XTW3、XTW4和XTW5监测点基于反演的参数正算获得的水平位移增量值与实测水平位移增量值整体上都是比较接近，其累计误差平均值为1.62 mm，累计误差值较小，这说明采用基于ABAQUS方法的智能位移反分析方法在工程上是可行的，反演获得的参数是合理的。

图4 边坡各测点水平位移增量监测值与反演参数正向计算值比较Fig.4 The contrast of the horizontal displacement between measured value and the calculation value of each measuring point

5 结 论

1)笔者选取三峡库区的泄滩乡污水处理厂变形体边坡为研究对象，建立了泄滩乡污水处理厂变形体边坡二维有限元模型，采用流固耦合有限元分析软件(ABAQUS)和智能位移反分析方法，对该边坡在库水变化条件下的岩土体的物理力学参数进行动态反演，为该边坡在库水位波动条件下的稳定性评价提供合理的参数。

2)笔者将边坡各监测点的水平位移增量实测值和基于反演参数的正向水平位移计算增量值进行对比，结果表明：XTW3、XTW4和XTW5监测点基于反演的参数正向计算获得的水平位移增量值与实测水平位移增量值整体上都是比较接近，它们的累计误差平均值为1.62 mm，累计误差值较小，说明采用流固耦合有限元分析软件(ABAQUS)和智能位移反分析方法在动态反演水库边坡岩土体物理力学参数在工程上是可行的，反演获得的参数是合理的。

3)笔者的计算成果为该边坡在库水位波动条件下的稳定性评价提供合理而准确的参数，同时也为其他边坡的分析提供了参考依据，具有一定的实用价值和理论意义。

[1] 湖北省地质勘察基础工程公司.湖北省秭归县泄滩乡污水处理厂边坡变形体工程地质勘察报告[R].武汉:湖北省地质勘察基础工程公司,2009. Geological Investigation & Foundation Construction Company of Hubei Province.The Engineering Geological Investigation Report of XieTan Sewage Treatment Plant Slope of Zigui County of Hubei Province [R].Wuhan:Geological Investigation & Foundation Construction Company of Hubei Province,2009.

[2] 刘汉东,姜彤.岩体力学参数优选理论及应用[M].郑州:黄河水利出版社,2006. Liu Handing,Jiang Tong.Rock Mechanics Parameter Optimization Theory and Applications [M].Zhengzhou:Yellow River Conservancy Press,2006.

[3] 方开泰,马长兴.正交与均匀试验设计[M].北京:科学出版社,2001. Fang Kaitai,Ma Changxin.The Orthogonal and Uniform Design [M].Beijing:Science Press,2001.

[4] 盛谦.深挖岩质边坡开挖扰动区与工程岩体力学性状研究[D].武汉:中国科学院 武汉岩土力学研究所,2002. Sheng Qian.Excavation Disturbed Zone of Deep Cutting Rock Slopes and Mechanics Behavior of Engineering Rock Mass [D].Wuhan:Institute of Rock and Soil Mechanics,Chinese Academy of Sciences,2002.

[5] 祁庆和,水工结构物[M].北京:水利电力出版社,1986. Qi Qinghe.Hydraulic Structures [M].Beijing:China Water & Power Press,1986.

[6] Braja M D.Principles of Geotechnical Engineering [M].Boston:PWS Publishers,1985.

[7] 张振华.深切河谷岸坡开挖过程动态预警方法研究[D].武汉:中国科学院 武汉岩土力学研究所,2008. Zhang Zhenhua.Study on Dynamic Warning Method of Bank Slopes in Deep-Cut Valley during the Course of Excavation [D].Wuhan:Institute of Rock and Soil Mechanics,Chinese Academy of Sciences,2008.

[8] 张振华,冯夏庭,周辉.基于设计安全系数和破坏模式的边坡开挖过程中动态监测预警指标研究[J].岩土力学,2009,30(3):604-612. Zhang Zhenhua,Feng Xiating,Zhou Hui.Research on dynamic early warning method of slope deformation monitoring during excavation based on designed safety factor and failure mode [J].Rock and Soil Mechanics,2009,30(3):604-612.

[9] 张欣.基于ABAQUS流固耦合理论的库岸滑坡稳定性分析[D].济南:山东大学,2005. Zhang Xin.Based on Fluid-Solid Coupling Theory of ABAQUS Bank Landslide Stability Analysis [D].Ji’nan:Shandong University,2005.

[10] 陈国庆,冯夏庭,江权.考虑岩体劣化的大型底下厂房围岩变形动态监测预警方法研究[J].岩土力学,2010,31(9):3012-3018. Chen Guoqing,Feng Xiating,Jiang Quan.Study of dynamic early warning method of surrounding rock deformation monitoring for large underground powerhouse considering rock degradation [J].Rock and Soil Mechanics,2010,31(9):3012-3018.

[11] 郭飞,付调金,阮荣乾.基于ABAQUS强度折减法分析库水位下降对边坡稳定性影响[J].三峡大学学报:自然科学版,2012,34(3):15-19. Guo Fei,Fu Tiaojin,Ruan Rongqian.Analysis of influence of dawdown of reservoir water level on landslide stability using strength reduction method based on ABAQUS [J].Journal of China Three Gorges University:Natural Science,2012,34(3):15-19.

[12] 胡斌,冯夏庭,王国峰.龙滩水电站左岸高边坡泥板岩体蠕变参数的智能反演[J].岩石力学与工程学报,2005,24(17):3064-3070. Hu Bin,Feng Xiating,Wang Guofeng.Intelligent inversion of creeping parameters of left bank high slope shale rock masses at Longtan hydropower station [J].Chinese Journal of Rock Mechanics and Engineering,2005,24(17):3064-3070.

[13] 刘光华,熊超,赵鹏.滑坡抗剪强度参数反演数值模拟研究[J].重庆交通大学学报:自然科学版,2013,32(5):969-973. Liu Guanghua,Xiong Chao,Zhao Peng.Numerical simulation of inversion of anti-shearing strength parameters of landslide [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(5):969-973.

[14] 吕国军,肖盛燮,陶庆东,等.万州晒网坝滑坡变形机理及稳定性规律跟踪研究[J].重庆交通大学学报:自然科学版,2013,32(2):297-301. Lv Guojun,Xiao Shengxie,Tao Qingdong,et al.Follow-up study on failure mechanism and stability of Shaiwangba landslide in Wanzhou [J].Journal of Chongqing Jiaotong University:Natural Science,2013,32(2):297-301.

[15] 郭喜峰,晏鄂川,刘洋.三峡库区碎石土滑坡体抗剪强度研究[J].重庆交通大学学报:自然科学版,2015,34(1):68-71. Guo Xifeng,Yan Echuan,Liu Yang.Shear strength of gravel soil landslide in the Three Gorges reservoir zone [J].Journal of Chongqing Jiaotong University:Natural Science,2015,34(1):68-71.

Geotechnical Mechanical Parameters Inversion of Xietan Sewage Treatment Plant Slope inthe Changing Conditions of the Reservoir Water Based on Fluid-Solid Coupling Theory

Wang Xinglin

(CCTEG Chongqing Engineering Co. Ltd., Chongqing 400016, China)

Xietan countryside sewage treatment plant slope of the three gorges reservoir area was selected for the study, and two-dimensional finite element model of the Xietan village sewage treatment plant slope was established. The fluid-structure interaction finite element analysis software (ABAQUS) and intelligent displacement back analysis method were adopted to dynamically inverse the physical and mechanical parameters of rock and soil of slope under the changing conditions of the reservoir water, which provided reasonable parameters for the evaluation of slope stability in the conditions of the water level fluctuations. The results show that: the calculated displacement values of measuring point based on the inversion to obtain geotechnical physical and mechanical parameters is very close to the measured values; using the fluid-solid coupling finite element analysis software (ABAQUS) and intelligent displacement back analysis to dynamically inverse reservoir slope of rock and soil physical and mechanical parameters in the project is feasible.

geotechnical engineering; fluid-solid coupling; intelligent inversion methods; parameter inversion

10.3969/j.issn.1674-0696.2015.05.16

2014-03-13；

2014-09-16

王幸林(1986—)，男，湖北黄冈人，工程师，硕士，主要从事边坡稳定性方面的研究。E-mail:wxl1118@126.com。

TU457

A

1674-0696(2015)05-079-05