滑坡防治措施分析及治理效果评价

诸 烨 黄 丽 张 峰

（1.浙江省地质院地质灾害防治所，浙江 杭州 310007；2.浙江水利水电学院，浙江 杭州 310018）

由于我国滑坡灾害频发，带来巨大的经济损失，因此制定滑坡防治措施是十分必要的[1-2]。目前，李华涛[3]总结了滑坡应急处置技术；张洳海[4]进行了滑坡稳定性评价；吴新华等[5]评价了抗滑桩在滑坡防治中的适用性。由于没有对滑坡防治处理后的效果进行评价，另外滑坡所处地质条件存在差异，因此，需要进行针对性分析。综上所述，该文在进行滑坡防治措施设计及计算的基础上，再进一步结合变形监测成果，采用变形预测等手段来评价滑坡防治措施的合理性，旨在为类似工程积累经验。

1 工程概况

滑坡区具有斜坡地貌，具有“圈椅状”平面形态（如图1所示），前后缘均分布居民房屋，即其前缘为前侧房屋后侧自建堡坎，后缘为后侧房屋院坝开裂处，两侧均是以变形终止处为界。因此，该滑坡边界特征明显、清晰。根据现场调查，滑坡纵向长度约45m，横向宽度约95m，平均厚度约5.0m，体积约2.14×104m3。

图1 滑坡平面形态特征

结合钻探资料，将滑坡物质组成如下：①滑体土。岩性为碎石土，褐色，厚度为3.5m～6.3m，平均厚度约5m，可塑～硬塑状，所含碎石粒径5cm～20cm，棱角状，母岩成分多为页岩。②滑带土。位于基覆界面，岩性为粉质黏土，黑色，可塑状，局部夹杂少量角砾，次圆状，含量为5%～13%，遇水易软化。③滑床。岩性为页岩，黑色，薄层～中厚层状，产状为136°∠10°，节理裂隙较发育，岩体结构较破碎，多具张开状特征，工程性质相对较差。在变形特征方面，该滑坡前缘堡坎具臌胀特征，且后缘拉张裂缝发育，并具逐步扩展特征，失稳风险较大。

2 防治措施

2.1 防治方案设计

由于滑坡前、后缘均接近既有房屋建筑，并且斜坡坡度较陡，因此，将该滑坡防治方案设计为“抗滑桩板墙+格构”。其中，在滑坡前缘布设抗滑桩板墙，包括7根抗滑桩和6个板墙；在滑坡后缘至抗滑桩板墙顶布设格构。

“抗滑桩板墙+格构”措施设置的目的如下：抗滑桩主要用于提供抗滑力，保证滑坡整体稳定；由于滑坡前缘较陡，并且紧邻既有房屋，因此抗滑桩设置后，桩间土可能存在局部垮塌。因此，通过板墙设置来进一步加固前缘土体的稳定性；类比，滑坡中、后缘较陡，在强降雨条件下可能存在水土流失，顾及后缘既有建筑存在。因此，通过布设格构来保证滑坡表层土体的稳定性。

根据以上思路进行分析，防治方案的平面布置如图1所示。其对应主滑面（1-1'剖面）的形态示意图如图2所示。

图2 主滑面（1-1'剖面）的防治示意图

2.2 防治措施计算

结合2.1节滑坡防治方案，再对各类防治措施进行计算。

2.2.1 抗滑桩板墙的计算

在滑坡前缘布设了7根抗滑桩和6个板墙。其中，抗滑桩编号为Z1～Z7，桩中心间距为5.0m，桩长12.5m，锚固段7.0m，自由段6.5m，截面尺寸为1.4m×1.8m；板墙高度设计为5.0m，宽度设计为4.0m，厚度设计为35cm，为保证板墙的排水能力，每块板墙布设6个泄水孔，布置形式为梅花桩型，倾斜度设计为5%，孔径设计为12cm。抗滑桩和板墙均采用现浇钢筋混凝土，将混凝土等级设计为C35。

2.2.1.1 抗滑桩计算结果

抗滑桩计算主要是结合抗滑力、土压力进行内力计算，并进一步进行配筋设计。

一般来说，采用经典法计算抗滑桩所受轴力N和弯矩M，再根据这2个参数进行配筋计算，如公式（1）所示。

式中：A为抗滑桩横截面面积（mm2）；fy为钢筋设计值（N/mm2）；at、a为面积比参数；fc为混凝土强度（N/mm2）；As为钢筋面积（N/mm2）；rs为钢筋半径（mm）；r为桩半径（mm）。

根据上述思路，首先采用经典法计算，得到桩身范围内的弯矩为-238.91kN·m～245.46kN·m，最大剪力为187.49kN。因此，将抗滑桩纵向钢筋设计为20根直径24mm的钢筋，其等级为HRB335级，箍筋设计为间距25mm，直径14mm且其等级也为HRB335级。当按上述方法配筋时，抗滑桩弯矩设计值为-287.64kN·m～287.64kN·m，剪力设计值为238.12kN，两者均满足计算要求。

2.2.1.2 板墙计算结果

采用经典法进行板墙内力计算，经过计算，其弯矩为-85.68kN·m～106.85kN·m，最大剪力为50.71kN。经过计算，板墙配筋设计如下：横、纵钢筋等距布置，间距30cm，直径16mm，等级为HRB335级；箍筋采用斜拉形式，直径12mm。当按上述方法配筋时，抗滑桩弯矩设计值为-136.25kN·m～136.25kN·m，剪力设计值为103.52kN，两者均满足计算要求。

2.2.2 格构计算

当抗滑桩施做后，先对滑坡地表进行整理，并在其上部施做格构，相应参数设置如下：格构尺寸2.0m×3.0m，锚杆长度5.0m，中部钢筋直径为26mm，入射角度13°；格构梁采用正方形，即40cm×40cm，钢筋混凝土材质，断面布设4根直径为22mm的钢筋，等级为HRB335级，箍筋间距为30cm，直径12mm。

按照格构尺寸，通过土反力计算得到单孔所需锚固力为540.05kN，并将对应计算单孔设计值Pt如公式（3）所示。

式中：F为单孔所需锚固力计算值（kN）；a为滑面与锚杆夹角（°）；β为锚固角（°）；φ为摩擦角（°）。

通过配筋计算，得到单孔设计值Pt值为635.12kN，因此，格构设计也满足计算要求。

3 治理效果评价

3.1 构建评价方法

变形能直观反映滑坡所处稳定状态。因此，提出以滑坡变形数据为基础，利用变形值进行滑坡治理效果评价，并构建评价思路如下：一方面，若滑坡现有变形处于设计控制值范围内，说明处理措施目前有效；另一方面，可通过变形预测来评价滑坡变形发展特征。如果其以后仍在设计控制值范围，就说明处理措施在预测时段内仍是有效的。再重点构建滑坡变形预测模型；考虑BP神经网络具有很强的非线性预测能力[6]，因此，对其进行滑坡变形预测。

根据BP神经网络的训练思路，先进行正向训练，如公式（4）和公式（5）所示。

式中：xj'为隐层节点值（mm）；xj为输入值（mm）；yk为输出值（mm）；wij、wjk为各层连接权值；Qj、Qk为各层阈值；n为隐层节点数（个）；m为输出节点数（个）。

根据期望值和输出值，再进一步构建预测效果评价指标E，如公式（6）所示。

式中：dk为期望值。

一般来说，指标E值越小越好，如果其值不满足要求，那么需要反向修正权值、预支参数，如公式（7）所示。

式中：ΔW为参数修正量；I为迭代矩阵；J为雅可比矩阵；e为误差向量。

通过不断修正上述参数，可实现高精度预测，但是，BP神经网络的连接权值、阈值是由模型随机产生的，其客观性欠缺，因此为充分保证参数的最佳性能，须进一步通过鲸鱼优化算法（Whale Optimization Algorithm，WOA）对其进行寻优处理，并介绍其参数寻优流程，如图3所示。

图3 WOA对BP神经网络的参数寻优流程

将滑坡变形预测模型最终确定为WOA-BP神经网络。

3.2 评价结果分析

当该滑坡采取“抗滑桩板墙+格构”处理后，在Z1、Z4及Z7桩上均布设了变形监测点，根据设计要求，设计控制值为30mm。根据监测成果，共计得到27期变形数据，所得监测数据见表1。

表1 变形监测数据结果

根据表1可知，Z1桩、Z4桩及Z7桩的变形值分别为16.68mm、23.21mm以及15.62mm，三者变形值均<30mm，说明滑坡现有变形处于设计控制值范围内，处理措施目前处于可控。利用WOA-BP神经网络进行滑坡变形预测且在该过程中，以24期～27期作为验证集，其后外推预测期数设置为4期，并将相对误差K作为验证指标，其值越小，对应的预测精度越高。

为验证WOA的优化能力，以Z1桩为例，对比优化前后的预测效果，其结果见表2。根据表2，以相对误差K为评价指标，得到Z1桩的预测结果。①BP神经网络。K值为2.74%～3.02%，平均值为2.88%。②WOA-BP经网络。K值为2.05%～2.20%，平均值为2.14%。

表2 Z1桩在WOA优化前后的预测结果

对比而言，WOA的优化能力较强，WOA-BP神经网络对滑坡变形预测的适用性较强，经过WOA预测处理能有效地提高预测精度；同时，进一步统计得到BP神经网络的训练时间为356.05ms，WOA-BP神经网络的训练时间为168.46ms。因此，WOA不仅能提高预测模型预测精度，还能加快其收敛速度。

再利用WOA-BP神经网络对其他桩进行变形监测，所得结果见表3。根据表3，以相对误差K为评价指标，3根桩的预测结果如下：Z1桩。K值为2.05%～2.20%，平均值为2.14%。Z4桩。K值为2.09%～2.18%，平均值为2.13%。Z7桩。K值为2.06%～2.17%，平均值为2.12%。

表3 3根桩的变形预测结果

将三者进行对比可知，其预测精度相似，充分说明WOA-BP神经网络的预测稳定性较好，通过其进行滑坡变形预测是可行的。

由表3可知，3根桩在28～31期的预测结果中，变形会进一步增加，但其值范围为17.48mm～25.06mm，也在变形控制值范围，说明处理措施在后期预测时段内仍是有效的。综上所述，不论是现有状态，还是预测时段，滑坡变形均在可控范围，充分验证处理措施是合理且有效的。

4 结论

通过滑坡防治措施分析及治理效果评价，得到以下2个结论：1）该滑坡防治方案设计为“抗滑桩板墙+格构”，并通过计算，各类措施的设计均满足计算要求。2）通过滑坡防治后的变形数据分析，得出滑坡变形始终在变形控制范围内，充分说明“抗滑桩板墙+格构”适用于该滑坡防治。