论文部分内容阅读
高速公路软基处理是一项系统工程,需要考虑土的特性、地质条件、荷载条件、变形机理、加固方案的成熟性、施工技术的可靠性和质量检测的难易程度等.地基处理费用一般占总投资约20~30％,因此选择适宜的处理方案是软土地基上修建高速公路的关键课题.针对高速公路软基的变形和稳定性问题,其处理方法很多,但目前最为常用的是两类方法,即排水固结法和水泥土搅拌法.该文在已有工程实践经验和研究工作的基础上,对排水固结法和水泥土搅拌法处理高速公路软基的理论和设计方法进行总结与分析,提出各自的设计要点和设计理念,以及在应用中存在的问题.在论文中,作者首次提出采用塑料排水板与水泥土搅拌桩联合的方法(即长板—短桩工法)处理高速公路深厚软基的新思路.将高速公路的建设特点、排水固结法和水泥土搅拌法的优势结合起来,充分利用高速公路高填方路堤的填土期和预压期,提出将软基加固和堆载排水预压处理联合起来的设计理念.对于长板—短桩工法的加固机理、设计原理和设计步骤进,长板—短桩工法处理后软基的沉降计算和稳定性分析方法,进行了一定的研究和探讨.各种软基处理方法已在工程实践积累了丰富的经验,但是针对不同荷载条件、地质情况、工期要求、不同路段的工后沉降控制标准,还没有一套完整的高速公路软基处理方案优化设计原则.该文在高速公路软基处理优化设计评判程序和评判原则方面进行了一些大胆的尝试和创新,以技术经济评价原理为主线,以荷载条件(填土高度)、地质条件(软土层厚度)和路段(桥头路段和一般路段)为优化变量,以预压期和施工条件为约束条件,以路堤稳定和工后沉降为技术控制标准,初步选择软基处理方案;在此基础上,对满足某一工况的软基处理方案进行总造价核算,同时引入环境影响、技术成熟度、施工质量控制和施工工期等评判因子,进行综合分析评价;基于量化的评判结果,寻求软基处理的最优化方案.针对软土地区高等级公路路基的最终沉降量预测问题,作者在论文中,将人工智能方法中的人工神经网络(Artificial Neural Network,ANN)方法和遗传算法(Genetic Algorithm,GA)结合起来,建立了遗传神经网络模型.利用实测资料,对高度复杂和高度非线性的土工结构变形进行直接建模.该模型能反映软土路基的沉降规律.工程实例研究表明,模型预测值与实测值吻合较好,并相信随着学习样本的不断补充,模型的预测精度和泛化能力还将进一步提高.