多因素耦合下的寒區渠道滑坡智能化定量評價

趙順利，鄧偉杰，路新景，郭 沖，李雪彤

（1.黃河勘測規劃設計研究院有限公司，河南 鄭州 450003； 2.河南工業大學 土木建筑學院，河南 鄭州 450001）

面對我國水資源時空分布不均、西北地區水資源短缺等突出問題，我國修建了一大批長距離供水工程［1］。 供水工程的修建極大地解決了水資源供需矛盾，但是部分寒區渠道工程運行過程中安全問題極其突出，如頻繁滑坡等，嚴重影響了工程的運行效率［2］。

寒區渠道滑坡的致災機理較為復雜，是多因素耦合作用的結果。 對于穿越復雜地層的長距離高寒渠道而言，其巖土體通常面臨干濕循環、凍融循環等復雜條件。 如朱洵等［3］針對具體的寒區渠道工程開展了室內干濕凍融循環耦合試驗，研究結果表明，干濕凍融循環耦合過程顯著加劇了土體力學性質的衰減。 渠道滑坡問題一定程度上與廣泛的滑坡具有類似的破壞機理，靳德武等［4］研究表明，凍土區氣溫升高時，有可能形成低抗剪強度或無抗剪強度的巖土泥漿混合物，從而造成斜坡失穩；徐虎城［5］通過分析嚴寒地區某大型渠道水位下降時的破壞成因，指出排水措施的重要性；Subramanian 等［6］研究了融雪條件的季節性凍土預測預警指標。 但目前研究多集中在災變機理、定性描述、單一指標預警等方面，關于多因素條件下的寒區渠道邊坡失穩定量評價則研究不足。

基于此，以具體工程為依托，通過神經網絡和遺傳算法構建智能化評價體系，在風險因子識別的基礎上，開展多因素耦合研究，從工程實踐方面對智能化評價體系進行驗證。

1 工程概況及風險因子

1.1 工程概況

某供水工程位于北疆，工程區地域遼闊，地勢平坦。 總干渠渠線先后穿越階地、平原、低山丘陵等不同的地貌單元，沿線廣泛分布有古近系、新近系、第四系地層。 屬溫帶大陸性氣候區，緯度高、氣溫低、少酷暑、多嚴寒，最低氣溫-40.3 ℃。 泥巖、砂質泥巖分布較廣，沿渠底分布總長為42.248 km，占渠道總長的31.6%，屬中-強膨脹巖。 渠道凍脹和泥巖、砂質泥巖的膨脹問題是工程的主要工程地質問題。

對工程歷年來發生的滑坡進行統計，共收集有效數據107 條，具體如圖1 所示。 供水工程季節性供水，供水時間主要為4—9 月。 從圖1 不難看出，渠道停止供水時和剛停止供水時期災害發生頻次較多，10 月份則開始逐步出現晝夜快速凍融。 春季時，凍土開始融化，上層凍土的滯水效應使其出現一定的滑坡。 整體而言，運行期的災害發生概率較低。

圖1 渠道滑坡災害統計

1.2 風險因子識別

根據具體的渠坡工程，滑坡的風險因子大致可以分為基礎因子、誘發因子和管理因子3 類。 基礎因子主要與渠坡的內部結構有關，如土質、含水量、渠坡結構等；誘發因子主要與外部因素有關，如降雨、氣溫、地震等，在多種誘發因子的耦合作用下，其最終導致基礎因子的變化，致使滑坡的發生；管理因子主要與管理水平、施工質量、人員素質等有關，較高的管理水平不僅可以有效降低災害頻次，也能減少災害損失。 通過具體的滑坡形成機制分析，識別出來的風險因子如圖2所示。

圖2 寒區渠坡滑坡風險因子

1.3 寒區指標遴選

災害發生時，主要受誘發因子和基礎因子影響。結合工程實際情況首先進行誘發因子的篩選。 其中工程所處位置氣候干燥，降雨較少，區域地下水位埋深較深，且工程主要處于運行期，人類活動的頻度和強度較弱。 結合實際情況，誘發因子中，溫度、地震、運行水位起主要作用。 其中地震主要影響其應力場，運行水位主要影響滲流場。 渠道整體溫度的影響主要考慮凍脹作用、凍融劣化和融化滯水的影響，其反映在基礎因子上主要是襯砌性質和土體性質改變。

對于具體的渠道而言，其地形地貌、渠坡結構、地質結構會保持一定的穩定性，排水措施與工程建設和后期維護相關，排水效果會隨著時間發生改變，與人類活動相關。 因此，主要考慮誘發因子對襯砌結構、土體性質的影響。 已有研究表明，渠坡土體的反復干濕、凍融及運行水位的改變會極大改變土體力學性質，主要體現在內聚力、摩擦角和彈性模量的劣化。 包括含水量、含冰量的改變，最終也可一定程度歸結為力學性質的改變。 襯砌力學性質改變相對較小，主要表現在結構形式的變化，受反復凍融的影響，主要表現為錯臺、空鼓、裂縫、防滲措施失效等［7］，考慮到對滑坡的影響，則主要體現在復合襯砌滲透性質的改變。

結合以上分析，誘發因子中主要影響指標為溫度、地震、運行水位，基礎因子中主要考慮土體性質（內聚力、內摩擦角、彈性模量等）、襯砌性質（滲透性質）、排水措施等。 溫度改變可最終歸結為土體性質的改變。

2 渠道滑坡智能化定量評價模型

2.1 智能化定量評價模型構建

針對具體某一確定渠坡進行健康診斷時，受限于數據量和災害統計的不足，各因素之間的關系難以明確，滑坡災害的預測預警及安全響應機制針對性較弱。因此，以安全監測為依托，構建智能化定量評價模型對保證工程安全具有重要意義。

構建的智能化定量評價模型如圖3 所示。 具體實施時，針對具體的分析對象，結合工程實際完成指標遴選，結合實際災變規律構建多因素耦合狀態下的數值模型，重點考慮應力場、滲流場、動力特征等。 通過改變數值模型的參數，構建大型定量數據庫。 在定量數據庫的基礎上，利用智能化手段，建立評價模型。 在實際的工程運行過程中，結合實際的工程檢測數據，實現渠段的快速評價和快速響應。 在滑坡高風險期進行正向評價，低風險期則開展反向維護，實現評價模型的動態性和時效性。

圖3 寒區渠坡滑坡智能化定量評價模型

2.2 GA-GRNN 智能化評價模型

智能化評價模型通過遺傳算法優化的廣義回歸神經網絡（GA-GRNN）實現，可提高評價精度和自動化水平，原理如圖4 所示。

圖4 GR-GRNN 原理示意

遺傳算法由J.H.Holland 提出［8］，作為生物進化算法，其基本原理與生物進化論中的“優勝劣汰”的規則類似，通過迭代，搜尋全局最優解。

廣義回歸神經網絡屬于徑向基函數（RBF）神經網絡的一種變形。 相較于BP 神經網絡等具有更好的逼近能力和學習速度，憑借其優異性能，在巖土工程界得到廣泛應用［9］。 廣義回歸神經網絡的理論基礎是非線性回歸分析，即通過獨立變量x計算具有最大概率的預測值y。 廣義回歸神經網絡中最重要的一個參數為光滑因子σ，也是遺傳算法優化的對象。

3 具體實例

3.1 定量數據庫

為進一步說明多因素耦合作用下寒區渠道滑坡智能化定量評價體系的有效性，選取工程危險渠段——泥巖段進行具體分析。

數值軟件采用巖土軟件GeoStudio，長渠線工程滿足平面應變假設，因此模型采用二維。 渠坡穩定性計算方法按照《水利水電工程邊坡設計規范》（SL 386—2007）開展，采用簡化畢肖普法（Simplified Bishop）和摩 根 斯 頓- 普 賴 斯 法（Morgenstern - Price） 分 別計算［10］。

渠坡的地質參數和結構形式來自設計和施工資料，其結構形式如圖5 所示。 數值模型取左半部分，如圖6 所示。

圖5 渠道結構形式

圖6 數值模型

在指標遴選的基礎上，結合渠道災變規律分析，取泥巖的內摩擦角φ、內聚力c、彈性模量E為變化值，對應于因干濕循環、凍融循環及水位、含水量等改變而造成的泥巖力學性質變化。 取復合襯砌的滲透系數為變化值，對應于排水設施、防滲措施等。 運行水位主要取停水前的穩定水位和水位下降速度為變化值，模擬工況采用水位驟降至渠底時的工況，結合災害統計數據，此時危險系數較高。 參數的取值范圍見表1，其中7個參數相互組合，可得到一個數據量為37 500 的大型數據庫。 其余參數的取值來源于工程勘察設計及施工階段的資料，見表2。

表1 可變參數取值范圍

表2 不變參數取值

通過巖土軟件GeoStudio 的不同模塊實現多因素耦合分析，穩定性計算時，通過施加地震加速度完成地震耦合，可得到滲流場、應力場云圖及滑動面。

表1 中參數相互組合生成定量數據庫為評價模型的訓練數據，另外每個參數在取值范圍內隨機取值，共50 組數據，作為評價模型的檢驗數據。 數值模擬得到的數據庫見表3。

3.2 評價模型檢驗結果

通過GA-GRNN 和數值模擬得到定量數據庫，智能化定量評價模型初始種群規模50，迭代200 次得到的最優光滑因子為130.4。 種群適應度隨迭代次數變化曲線如圖7 所示。 從圖7 可以發現，種群的平均適應度和種群最佳適應度曲線隨迭代次數增加迅速達到穩定值。 200 次迭代已可以滿足遺傳算法優化的要求。

圖7 適應度隨迭代次數的變化

通過50 組檢驗數據進一步計算實際安全系數和預測安全系數的相對誤差。 其相對誤差分布如圖8 所示。 多因素耦合作用下的渠道滑坡智能化評價模型的預測誤差全部小于9%，相對誤差在1%之內的比例達到72%，相對誤差在5%之內的比例達到98%。 預測結果表明智能化評價模型可以高精度地輸出預測結果，可為寒區渠坡的安全評價提供重要技術支撐。

圖8 智能化定量評價模型誤差分布

4 討 論

從上述研究可以發現，建立的多因素耦合作用下的寒區渠道滑坡智能化評價模型可高效地實現穩定系數的計算。 此次滑坡數值模型構建主要考慮水位驟降時的穩定特征，對于其他工況，則可通過不考慮穩定水位，數據增加到已有數據庫即可，在此不多討論。 事實上，渠坡的滑坡有較為復雜的原因，過多的參數設置雖然可以使模型變得更為精確，但無疑對現場管理人員提出了更高的要求，也不利于災害的快速響應。 基于此，工程實際管理中，需要進一步實現現場檢測和模型參數的對應；并且通過智能評價結果進行安全分級和安全分級響應。 模型計算主要基于設計規范展開，方便不同工程之間的比對，以及通過設計規范和工程設計資料進行安全分級，并制定不同的安全分級響應。目前常用的健康等級主要為三級法和五級法兩種［11］，結合寒區渠道的實際情況，健康評價等級定為5 級。具體的安全分級標準及分級響應見表4。

表4 安全分級及分級響應

5 結 論

通過具體的工程實例，在風險因子識別和指標遴選的基礎上，構建了多因素耦合條件下的以渠道滑坡數值模型和GA-GRNN 為基礎的智能化定量評價模型，通過研究可以得到以下結論。

（1）寒區渠道滑坡受多種因素的影響，對于本文研究的渠道，其滑坡主要發生在渠道停水時和剛停水時期，在氣溫升高時也會出現一定程度的滑坡。

（2）對于分析的寒區渠道工程，其誘發因子中主要影響指標為溫度、地震、運行水位等，基礎因子中主要考慮土體性質（內聚力、內摩擦角、彈性模量等）、襯砌性質（滲透性質）、排水措施等。

（3）建立的多因素耦合作用下的寒區渠道智能化評價模型可以高精度地預測安全系數，預測相對誤差全部小于9%，相對誤差在1%之內的比例達到72%，相對誤差在5%之內的比例達到98%。

（4）基于智能化評價模型的預測結果，構建了5 級安全分級及對應的分級響應。