当前位置:首页 > 工业技术
复杂岩体边坡变形与失稳预测研究
复杂岩体边坡变形与失稳预测研究

复杂岩体边坡变形与失稳预测研究PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:苗胜军著
  • 出 版 社:北京:冶金工业出版社
  • 出版年份:2016
  • ISBN:9787502473846
  • 页数:187 页
图书介绍:本书以首钢矿业公司水厂铁矿复杂岩体边坡为研究对象,对复杂岩体边坡变形与失稳进行了系统研究。主要内容包括:(1)绪论;(2)矿山复杂岩体边坡工程地质环境研究;(3)边坡岩体开挖变形的数值模拟研究;(4)边坡变形GPS动态监测控制网的优化设计研究;(5)GPS边坡变形动态监测数据处理及结果分析;(6)基于BP神经网络边坡变形非线性预测模型研究;(7)降雨入渗对边坡稳定性的影响研究;(8)基于灰色Verhulst理论的改进“斋藤法”边坡失稳预报研究。
《复杂岩体边坡变形与失稳预测研究》目录

1绪论 1

1.1 国内外研究进展及现状 1

1.1.1 边坡变形与稳定性研究现状 1

1.1.2 边坡变形监测技术方法及应用 3

1.1.3 边坡变形失稳预测预报研究历史和现状 7

1.2 存在的问题及本书研究目标 9

2矿山复杂岩体边坡工程地质环境研究 12

2.1 概况 12

2.2 区域地质环境 13

2.2.1 区域构造 13

2.2.2 区域地层 13

2.3 边坡工程地质分区 14

2.4 矿区地层及边坡工程地质岩组特征 15

2.4.1 矿区地层 15

2.4.2 研究区域边坡位置和形状 15

2.4.3 边坡工程地质岩组及风化特征 15

2.5 边坡地质构造特征 17

2.5.1 研究区域边坡断裂构造特征 17

2.5.2 边坡岩体不连续面的统计分析 19

2.6 边坡岩体结构特征及岩体破坏模式分析 20

2.6.1 边坡岩体结构特征 20

2.6.2 边坡岩体潜在破坏模式分析 21

2.6.3 滑坡调查与分析 23

3边坡岩体开挖的数值模拟研究 25

3.1 研究方法及对象 25

3.2 非线性有限差分方法及FLAC计算程序简介 25

3.2.1 有限差分法 25

3.2.2 FLAC程序简介 26

3.3 边坡开挖二维数值模拟研究 27

3.3.1 二维数值计算模型 27

3.3.2 力学模型和参数 29

3.3.3 模拟开挖过程 35

3.3.4 二维模拟计算结果分析 43

3.4 边坡开挖三维数值模拟研究 44

3.4.1 三维数值计算模型 44

3.4.2 力学模型和参数 47

3.4.3 模拟开挖过程 47

3.4.4 数值计算结果分析 49

4边坡变形GPS动态监测控制网的优化设计研究 74

4.1 露天矿边坡动态监测 74

4.1.1 边坡监测目的与设计原则 74

4.1.2 国外矿山边坡监测 74

4.2 全球定位系统(GPS)简介 75

4.2.1 GPS系统概述 75

4.2.2 GPS系统的组成与应用 76

4.3 GPS系统定位原理 78

4.3.1 GPS卫星信号 78

4.3.2 GPS观测量的基本概念 79

4.3.3 短基线测相伪距观测方程及其线性化 80

4.3.4 GPS静态相对定位原理及其线性组合 83

4.4 水厂铁矿GPS控制网的建立及优化设计研究 86

4.4.1 水厂铁矿边坡变形监控分级 86

4.4.2 监测点的布设 87

4.4.3 水厂铁矿边坡监测网的建立 88

4.4.4 监测方式与周期 90

4.4.5 水厂铁矿GPS控制网的优化设计研究 90

5 GPS边坡变形动态监测数据处理及结果分析 97

5.1 GPS控制网监测数据处理 97

5.1.1 WGS-84坐标系统及其转化 97

5.1.2 星历预报 98

5.1.3 基线向量解算 99

5.1.4 GPS控制网基线向量三维网平差 101

5.2 GPS控制网平差结果及不确定度分析 102

5.2.1 基线解算结果及观测质量分析 102

5.2.2 网平差结果及其不确定度分析 104

5.3 GPS控制网监测点变形结果 106

5.4 边坡变形水平位移趋势等密图 111

5.5 GPS边坡变形动态监测结果分析 115

6基于BP神经网络边坡变形非线性预测模型研究 117

6.1 神经网络的发展及其在岩土工程中的应用 117

6.2 人工神经网络模型 119

6.2.1 神经元模型 119

6.2.2 神经元网络模型及其特性 120

6.3 基于梯度下降法的BP神经网络 121

6.3.1 BP神经网络概述 121

6.3.2 基于梯度下降法的BP神经网络学习算法 122

6.3.3 BP神经网络算法流程 126

6.3.4 BP算法的不足及改进 127

6.4 基于BP神经网络的边坡变形非线性预测模型 129

6.4.1 影响边坡变形的敏感性因子 129

6.4.2 预测模型输入输出变量数字化 130

6.4.3 BP神经网络的设计分析 133

6.4.4 BP神经网络预测模型的建立 134

6.4.5 预测结果及分析 139

7降雨入渗对潜在滑坡区域的稳定性影响研究 140

7.1 降雨入渗的基本原理 140

7.1.1 降雨入渗的影响及模拟 140

7.1.2 降雨入渗特征 142

7.1.3 饱和-非饱和渗流模型 143

7.1.4 降雨入渗及地下水影响边坡稳定的机理分析 144

7.2 拟研究潜在滑坡区边坡现状及模型参数 145

7.3 计算模型建立 146

7.3.1 GeoStudio软件简介 146

7.3.2 计算模型 147

7.3.3 边界条件 147

7.3.4 岩土体的水力参数 147

7.3.5 边坡降雨因素分析 149

7.4 降雨入渗条件下数值分析 150

7.4.1 渗流场变化模拟分析 150

7.4.2 渗流场和应力场耦合分析和评价 153

7.4.3 降雨对边坡稳定性的影响分析 157

7.5 北区采场Ⅱ-1剖面边坡稳定性数值模拟研究 159

7.5.1 24h降雨入渗作用下渗流场变化模拟 159

7.5.2 24h降雨边坡渗流与应力耦合分析评价 160

7.5.3 24h降雨入渗作用下边坡稳定性分析 162

8基于灰色Verhulst理论的改进“斋藤法”边坡失稳预报研究 163

8.1 边坡失稳预测预报的研究内容 163

8.2 基于位移监测和蠕变理论的“斋藤法” 164

8.3 改进的“斋藤法” 166

8.3.1 改进的“斋藤法”曲线及变形阶段 166

8.3.2 改进的“斋藤法”时间预报模型研究 167

8.4 基于位移信息的Verhulst灰色模型 168

8.4.1 加生成(AGO) 168

8.4.2 Verhulst灰色模型 169

8.4.3 系数a, b的灰色求解 169

8.5 水厂铁矿北区采场上盘边坡失稳预测预报的研究 170

8.5.1 监测点的布设 170

8.5.2 监测方式与周期 170

8.5.3 监测结果及边坡失稳发展阶段 171

8.5.4 边坡失稳预测预报结果及分析 172

8.6 四川省某自然滑坡预报研究 175

8.6.1 滑坡基本特征及监测点布设 175

8.6.2 滑坡监测及预测结果 175

参考文献 177

返回顶部