多因素耦合下的寒区渠道滑坡智能化定量评价

赵顺利，邓伟杰，路新景，郭 冲，李雪彤

（1.黄河勘测规划设计研究院有限公司，河南 郑州 450003； 2.河南工业大学 土木建筑学院，河南 郑州 450001）

面对我国水资源时空分布不均、西北地区水资源短缺等突出问题，我国修建了一大批长距离供水工程［1］。 供水工程的修建极大地解决了水资源供需矛盾，但是部分寒区渠道工程运行过程中安全问题极其突出，如频繁滑坡等，严重影响了工程的运行效率［2］。

寒区渠道滑坡的致灾机理较为复杂，是多因素耦合作用的结果。 对于穿越复杂地层的长距离高寒渠道而言，其岩土体通常面临干湿循环、冻融循环等复杂条件。 如朱洵等［3］针对具体的寒区渠道工程开展了室内干湿冻融循环耦合试验，研究结果表明，干湿冻融循环耦合过程显著加剧了土体力学性质的衰减。 渠道滑坡问题一定程度上与广泛的滑坡具有类似的破坏机理，靳德武等［4］研究表明，冻土区气温升高时，有可能形成低抗剪强度或无抗剪强度的岩土泥浆混合物，从而造成斜坡失稳；徐虎城［5］通过分析严寒地区某大型渠道水位下降时的破坏成因，指出排水措施的重要性；Subramanian 等［6］研究了融雪条件的季节性冻土预测预警指标。 但目前研究多集中在灾变机理、定性描述、单一指标预警等方面，关于多因素条件下的寒区渠道边坡失稳定量评价则研究不足。

基于此，以具体工程为依托，通过神经网络和遗传算法构建智能化评价体系，在风险因子识别的基础上，开展多因素耦合研究，从工程实践方面对智能化评价体系进行验证。

1 工程概况及风险因子

1.1 工程概况

某供水工程位于北疆，工程区地域辽阔，地势平坦。 总干渠渠线先后穿越阶地、平原、低山丘陵等不同的地貌单元，沿线广泛分布有古近系、新近系、第四系地层。 属温带大陆性气候区，纬度高、气温低、少酷暑、多严寒，最低气温-40.3 ℃。 泥岩、砂质泥岩分布较广，沿渠底分布总长为42.248 km，占渠道总长的31.6%，属中-强膨胀岩。 渠道冻胀和泥岩、砂质泥岩的膨胀问题是工程的主要工程地质问题。

对工程历年来发生的滑坡进行统计，共收集有效数据107 条，具体如图1 所示。 供水工程季节性供水，供水时间主要为4—9 月。 从图1 不难看出，渠道停止供水时和刚停止供水时期灾害发生频次较多，10 月份则开始逐步出现昼夜快速冻融。 春季时，冻土开始融化，上层冻土的滞水效应使其出现一定的滑坡。 整体而言，运行期的灾害发生概率较低。

图1 渠道滑坡灾害统计

1.2 风险因子识别

根据具体的渠坡工程，滑坡的风险因子大致可以分为基础因子、诱发因子和管理因子3 类。 基础因子主要与渠坡的内部结构有关，如土质、含水量、渠坡结构等；诱发因子主要与外部因素有关，如降雨、气温、地震等，在多种诱发因子的耦合作用下，其最终导致基础因子的变化，致使滑坡的发生；管理因子主要与管理水平、施工质量、人员素质等有关，较高的管理水平不仅可以有效降低灾害频次，也能减少灾害损失。 通过具体的滑坡形成机制分析，识别出来的风险因子如图2所示。

图2 寒区渠坡滑坡风险因子

1.3 寒区指标遴选

灾害发生时，主要受诱发因子和基础因子影响。结合工程实际情况首先进行诱发因子的筛选。 其中工程所处位置气候干燥，降雨较少，区域地下水位埋深较深，且工程主要处于运行期，人类活动的频度和强度较弱。 结合实际情况，诱发因子中，温度、地震、运行水位起主要作用。 其中地震主要影响其应力场，运行水位主要影响渗流场。 渠道整体温度的影响主要考虑冻胀作用、冻融劣化和融化滞水的影响，其反映在基础因子上主要是衬砌性质和土体性质改变。

对于具体的渠道而言，其地形地貌、渠坡结构、地质结构会保持一定的稳定性，排水措施与工程建设和后期维护相关，排水效果会随着时间发生改变，与人类活动相关。 因此，主要考虑诱发因子对衬砌结构、土体性质的影响。 已有研究表明，渠坡土体的反复干湿、冻融及运行水位的改变会极大改变土体力学性质，主要体现在内聚力、摩擦角和弹性模量的劣化。 包括含水量、含冰量的改变，最终也可一定程度归结为力学性质的改变。 衬砌力学性质改变相对较小，主要表现在结构形式的变化，受反复冻融的影响，主要表现为错台、空鼓、裂缝、防渗措施失效等［7］，考虑到对滑坡的影响，则主要体现在复合衬砌渗透性质的改变。

结合以上分析，诱发因子中主要影响指标为温度、地震、运行水位，基础因子中主要考虑土体性质（内聚力、内摩擦角、弹性模量等）、衬砌性质（渗透性质）、排水措施等。 温度改变可最终归结为土体性质的改变。

2 渠道滑坡智能化定量评价模型

2.1 智能化定量评价模型构建

针对具体某一确定渠坡进行健康诊断时，受限于数据量和灾害统计的不足，各因素之间的关系难以明确，滑坡灾害的预测预警及安全响应机制针对性较弱。因此，以安全监测为依托，构建智能化定量评价模型对保证工程安全具有重要意义。

构建的智能化定量评价模型如图3 所示。 具体实施时，针对具体的分析对象，结合工程实际完成指标遴选，结合实际灾变规律构建多因素耦合状态下的数值模型，重点考虑应力场、渗流场、动力特征等。 通过改变数值模型的参数，构建大型定量数据库。 在定量数据库的基础上，利用智能化手段，建立评价模型。 在实际的工程运行过程中，结合实际的工程检测数据，实现渠段的快速评价和快速响应。 在滑坡高风险期进行正向评价，低风险期则开展反向维护，实现评价模型的动态性和时效性。

图3 寒区渠坡滑坡智能化定量评价模型

2.2 GA-GRNN 智能化评价模型

智能化评价模型通过遗传算法优化的广义回归神经网络（GA-GRNN）实现，可提高评价精度和自动化水平，原理如图4 所示。

图4 GR-GRNN 原理示意

遗传算法由J.H.Holland 提出［8］，作为生物进化算法，其基本原理与生物进化论中的“优胜劣汰”的规则类似，通过迭代，搜寻全局最优解。

广义回归神经网络属于径向基函数（RBF）神经网络的一种变形。 相较于BP 神经网络等具有更好的逼近能力和学习速度，凭借其优异性能，在岩土工程界得到广泛应用［9］。 广义回归神经网络的理论基础是非线性回归分析，即通过独立变量x计算具有最大概率的预测值y。 广义回归神经网络中最重要的一个参数为光滑因子σ，也是遗传算法优化的对象。

3 具体实例

3.1 定量数据库

为进一步说明多因素耦合作用下寒区渠道滑坡智能化定量评价体系的有效性，选取工程危险渠段——泥岩段进行具体分析。

数值软件采用岩土软件GeoStudio，长渠线工程满足平面应变假设，因此模型采用二维。 渠坡稳定性计算方法按照《水利水电工程边坡设计规范》（SL 386—2007）开展，采用简化毕肖普法（Simplified Bishop）和摩 根 斯 顿- 普 赖 斯 法（Morgenstern - Price） 分 别计算［10］。

渠坡的地质参数和结构形式来自设计和施工资料，其结构形式如图5 所示。 数值模型取左半部分，如图6 所示。

图5 渠道结构形式

图6 数值模型

在指标遴选的基础上，结合渠道灾变规律分析，取泥岩的内摩擦角φ、内聚力c、弹性模量E为变化值，对应于因干湿循环、冻融循环及水位、含水量等改变而造成的泥岩力学性质变化。 取复合衬砌的渗透系数为变化值，对应于排水设施、防渗措施等。 运行水位主要取停水前的稳定水位和水位下降速度为变化值，模拟工况采用水位骤降至渠底时的工况，结合灾害统计数据，此时危险系数较高。 参数的取值范围见表1，其中7个参数相互组合，可得到一个数据量为37 500 的大型数据库。 其余参数的取值来源于工程勘察设计及施工阶段的资料，见表2。

表1 可变参数取值范围

表2 不变参数取值

通过岩土软件GeoStudio 的不同模块实现多因素耦合分析，稳定性计算时，通过施加地震加速度完成地震耦合，可得到渗流场、应力场云图及滑动面。

表1 中参数相互组合生成定量数据库为评价模型的训练数据，另外每个参数在取值范围内随机取值，共50 组数据，作为评价模型的检验数据。 数值模拟得到的数据库见表3。

3.2 评价模型检验结果

通过GA-GRNN 和数值模拟得到定量数据库，智能化定量评价模型初始种群规模50，迭代200 次得到的最优光滑因子为130.4。 种群适应度随迭代次数变化曲线如图7 所示。 从图7 可以发现，种群的平均适应度和种群最佳适应度曲线随迭代次数增加迅速达到稳定值。 200 次迭代已可以满足遗传算法优化的要求。

图7 适应度随迭代次数的变化

通过50 组检验数据进一步计算实际安全系数和预测安全系数的相对误差。 其相对误差分布如图8 所示。 多因素耦合作用下的渠道滑坡智能化评价模型的预测误差全部小于9%，相对误差在1%之内的比例达到72%，相对误差在5%之内的比例达到98%。 预测结果表明智能化评价模型可以高精度地输出预测结果，可为寒区渠坡的安全评价提供重要技术支撑。

图8 智能化定量评价模型误差分布

4 讨 论

从上述研究可以发现，建立的多因素耦合作用下的寒区渠道滑坡智能化评价模型可高效地实现稳定系数的计算。 此次滑坡数值模型构建主要考虑水位骤降时的稳定特征，对于其他工况，则可通过不考虑稳定水位，数据增加到已有数据库即可，在此不多讨论。 事实上，渠坡的滑坡有较为复杂的原因，过多的参数设置虽然可以使模型变得更为精确，但无疑对现场管理人员提出了更高的要求，也不利于灾害的快速响应。 基于此，工程实际管理中，需要进一步实现现场检测和模型参数的对应；并且通过智能评价结果进行安全分级和安全分级响应。 模型计算主要基于设计规范展开，方便不同工程之间的比对，以及通过设计规范和工程设计资料进行安全分级，并制定不同的安全分级响应。目前常用的健康等级主要为三级法和五级法两种［11］，结合寒区渠道的实际情况，健康评价等级定为5 级。具体的安全分级标准及分级响应见表4。

表4 安全分级及分级响应

5 结 论

通过具体的工程实例，在风险因子识别和指标遴选的基础上，构建了多因素耦合条件下的以渠道滑坡数值模型和GA-GRNN 为基础的智能化定量评价模型，通过研究可以得到以下结论。

（1）寒区渠道滑坡受多种因素的影响，对于本文研究的渠道，其滑坡主要发生在渠道停水时和刚停水时期，在气温升高时也会出现一定程度的滑坡。

（2）对于分析的寒区渠道工程，其诱发因子中主要影响指标为温度、地震、运行水位等，基础因子中主要考虑土体性质（内聚力、内摩擦角、弹性模量等）、衬砌性质（渗透性质）、排水措施等。

（3）建立的多因素耦合作用下的寒区渠道智能化评价模型可以高精度地预测安全系数，预测相对误差全部小于9%，相对误差在1%之内的比例达到72%，相对误差在5%之内的比例达到98%。

（4）基于智能化评价模型的预测结果，构建了5 级安全分级及对应的分级响应。