论文部分内容阅读
侏罗系红层滑坡是三峡库区重要的地质灾害类型,分布广、规模大、危害严重。据三峡库区二期,三期地质灾害调查统计资料,库区超过70%的滑坡属于红层滑坡,如千将坪滑坡、重庆钢铁滑坡、云阳鸡扒子滑坡等。对于三峡库区,滑坡变形失稳不仅造成滑坡体上的居民,建筑物的直接损失,而且滑坡入江堵塞河道,激起涌浪危害长江航运以及沿江居民、房屋、桥梁等承灾体。如2003年6月,千将坪滑坡失稳入江,导致1200人无家可归,24人死亡,19人受伤,直接经济损失5736万元以上。为了防止以上悲剧再次重演,并且适应土地利用的快速发展,对三峡库区侏罗系红层滑坡进行稳定性评价以及工程治理是十分必要的。在边坡稳定性评价及防治中,选取合理的滑动面抗剪强度参数(c,?)不但对边坡治理的稳定性有直接影响,并且对边坡治理的经济费用有直接的控制作用。因此,对侏罗系红层滑坡滑带土的c,?值开展深入而系统的研究具有重要的实际意义。本文以万州区库岸段侏罗系红层滑坡为研究对象,在统计分析研究区红层滑坡的分布规律和发育特征的基础上,利用数理统计,χ2检验,最优拟合的方法研究万州区库岸段红层滑坡滑带土抗剪强度参数的概率分布形式。基于数理统计,采用支持向量机模型,克里金插值法研究c、?值的影响因子并建立其预测模型。通过上述研究,主要得到以下研究成果:(1)通过数理统计和经验分析,得到万州区库岸段侏罗系红层滑坡分布规律和发育特征。此次统计滑坡样本主要分布在长江干流及主要支流两岸,研究区为典型红层发育地区,滑坡主要发育在侏罗系中统沙溪庙组泥岩和砂岩互层的易滑地层中,坡体物质主要为第四系残坡积层、崩坡积层、滑坡堆积层,统计的样本滑坡中60%滑坡前缘高程低于175m,研究区内滑坡基本属于涉水滑坡,滑坡将会受到库水位的侵蚀、淘蚀、冲刷、渗透等作用;按照规模划分,库岸段滑坡主要发育中型和大型规模的滑坡;按照厚度划分,研究区主要发育中层滑坡,占统计样本滑坡的72.3%;区内主要发育顺向近水平层状坡和逆斜坡,剖面形态主要为凸形和阶梯型。(2)通过研究万州库岸段发育在侏罗系中统沙溪庙组44例具有相似工程地质条件的滑坡,用于建立抗剪强度参数概率模型的滑带土土样具有相似的特征。滑带土主要物质为灰白色的粉质粘土及粉质粘土夹碎石角砾;滑坡滑带土矿物成分主要是长石、伊利石、石英和大量的蒙脱石;滑带土矿物具有一定的定向排列,粘土矿物形态主要以片状为主,在滑带土的表面,可以清楚观察到擦痕,规模有大有小、其特征主要表现为滑带土内小的砂、砾石在滑动过程中在粘土中划出的擦痕光滑平直、排列有序;滑带土的化学组成主要为SiO2,Al2O3,Fe2O3,K2O,MgO,CaO,Na2O和H2O-。(3)研究区滑坡滑带土抗剪强度参数概率模型的建立主要通过数据收集、经验概型假设、参数估计以及概型检验四个步骤。采用直方图估计以及参考前人的研究成果,假设c、?值的经验分布为正态分布、数正态分布以及Beta分布。利用检验法对假设的总体经验分布进行检验,检验结果表明:(1)内摩擦角的总体随机分布形式接受正态分布假设,拒绝对数正态分布和Beta分布的假设;(2)内聚力总体的分布形式接受对数正态分布假设,拒绝正态分布假设;(3)饱和粘聚力峰值总体的随机分布形式在接受对数正态分布假设的同时接受Beta分布假设。通过有限比较法,对比分析假设分布概型的接受度后发现,滑带土内摩擦角对正态分布的接受程度最优,1c、2c以及4c的最优拟合概型为对数正态分布,3c总体的最优拟合概型是Beta分布。在上述基础上,本文提出的万州区侏罗系红层滑坡的抗剪强度参数的概率密度函数可以用于相同地区具有相似地质特征的滑坡的破坏概率分析研究。(4)本文从数理统计的角度,对滑带土抗剪强度参数的影响因子进行了详细的探究。滑坡的基本物理力学参数对滑坡滑带土抗剪强度参数具有显著的相关性,而滑坡规模参数对于抗剪强度参数的影响并不显著。基于matlab软件编程,采用支持向量机模型,建立库岸段罗系红层滑坡滑带土抗剪强度参数的预测模型,并选取实例滑坡对其精度及适用性进行实例检验。对于滑带土粘聚力预测模型,预测平均绝对误差在2.58kPa3.67kPa之间,对于粘聚力内摩擦角,预测平均绝对误差在0.32°1.64°之间。选取万泉滑坡为实例,利用本预测模型对滑带土的天然粘聚力峰值,天然内摩擦角峰值,饱和粘聚力峰值,饱和内摩擦角峰值,饱和粘聚力残余值和饱和内摩擦角残余值进行预测,并将预测结果与实际值进行对比,对比结果表明,相对误差在5%左右,预测精度较好,具有较好的适用性。(5)本文搜集77例库岸段红层滑坡天然工况下的滑带土抗剪强度参数的综合选取值或反分析取值,采用克里金插值法对研究区80%的样本滑坡的抗剪强度参数进行空间分布测研究。预测结果表现为c、?值选取值的区域分布预测图。利用20%的检验数据对预测模型进行检验,c值的平均绝对误差为2.24kPa,?值的平均绝对误差为1.2°,预测模型的可信程度较高。