CN107679293B - 堆石坝室内力学参数和碾压施工参数相互优选的方法 - Google Patents

Abstract

一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，该方法包括建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数以及建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。本发明提供的一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，可以解决以现场碾压试验控制堆石坝施工质量和以数值计算分析堆石坝变形之间存在的脱节问题，搭建了以现场碾压试验控制堆石坝施工质量和以数值计算分析堆石坝变形之间的桥梁。

Description

堆石坝室内力学参数和碾压施工参数相互优选的方法

技术领域

本发明涉及混凝土面板堆石坝参数选择领域，尤其是一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法。

背景技术

混凝土面板堆石坝(Concrete Face Rockfill Dam，CFRD)，是用堆石料或砂砾石料分层分区碾压填筑，并在上游临水面设置钢筋混凝土面板进行防渗的坝型。混凝土面板堆石坝由于具有断面小，安全性好，施工方便，适用性强，造价低的优点，因而在国内外得到广泛推广和应用。

混凝土面板堆石坝体主要由垫层区(2A)、特殊垫层区(2B)、过渡区(3A)、主堆石区(3B)、次堆石区(3C)、排水区(3D)、排水棱体或抛石区(3E)、下游护坡(P)等组成，其中堆石体是整个大坝的受力主体(见附图1)。

目前中国的混凝土面板堆石坝在数量、规模和技术水平上都已居于世界前列。随着混凝土面板堆石坝规模的不断提高，对混凝土面板堆石坝的变形控制也日益重要。混凝土面板堆石坝的变形是影响大坝安全稳定的重要因素之一。坝体过量变形将引起面板变形过大而容易发生断裂，以及引起周边缝变形过大甚至破坏，导致严重渗漏，危及大坝安全。

目前针对混凝土面板堆石坝变形的控制主要分为两个方面：

1、借助堆石体坝料现场大型碾压试验，以碾压质量控制标准为依据，通过对碾压试验结果的分析，优选出满足坝体变形的碾压施工参数。例如，借助神经网络、遗传算法等智能算法建立碾压施工参数(碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数等)与碾压试验后质量参数(坝料级配、干密度、孔隙率、渗透系数)之间的关系模型，然后通过碾压控制质量控制标准得到相应的碾压施工参数；或通过对比分析碾压试验结果，得到相应的碾压施工参数。

2、借助堆石体坝料的室内物理力学参数试验，以坝体变形控制标准为依据，通过室内试验测得坝料工程特性参数，建立堆石坝数值分析模型，引入相应的本构关系，进而对坝体不同分区的应力变形进行分析，然后基于不同分区的变形或变形协调率控制标准，得到相应的堆石料物理力学参数。

由以上分析可知，通过堆石体坝料碾压试验对坝体变形的控制并未借助到室内试验得到的坝体变形的分析结论，而基于堆石坝应力变形数值计算对坝体变形的控制也没有反映到坝体的实际施工控制中。虽然堆石坝坝料现场碾压试验和堆石体坝料室内物理力学参数试验的目的都是为了对堆石坝的变形进行控制，但两者之间存在着脱节。所以有必要研究堆石体坝料室内试验与碾压试验之间的非线性映射关系，为坝体变形控制提供参考。

发明内容

本发明所要解决的技术问题是提供一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，可以解决以现场碾压试验控制堆石坝施工质量和以数值计算分析堆石坝变形之间存在的脱节问题，搭建了以现场碾压试验控制堆石坝施工质量和以数值计算分析堆石坝变形之间的桥梁。

为解决上述技术问题，本发明所采用的技术方案是：一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，该方法包括

建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数；

以及

建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。

所述方法的步骤为：

步骤1：对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型；

步骤2：对堆石体坝料室内物理力学参数试验进行分析，建立室内试验分析模型；

步骤3：对堆石料室内试验分析与碾压试验之间参数进行分析，建立两试验间关系模型；

步骤4：采用BP神经网络，将室内试验模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为现场碾压试验分析模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料室内力学参数优选碾压施工参数的分析模型以及，

采用BP神经网络，将现场碾压试验分析模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为室内试验模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型。

通过上述两模型实现堆石坝坝料室内力学参数和碾压施工参数相互优选。

碾压试验简介

混凝土面板堆石坝在填筑大坝之前，需要根据工程料源情况，进行现场大型碾压试验，从而确定施工碾压参数。工程实践表明，对堆石体坝料进行碾压试验是取得其科学合理的施工参数的有效方法。

碾压试验的目的主要为：

(a)核查堆石体坝料碾压后状态是否可以满足其碾压控制标准(主要以碾压质量参数作为控制标准，碾压质量参数主要包含坝料的干密度、孔隙率、渗透系数、级配等)；

(b)检查碾压机械的具体性能是否可以满足坝体的施工要求；

(c)通过对堆石体坝料碾压试验结果进行分析，选定满足坝体碾压控制标准的碾压施工参数(碾压机具、振动频率、碾压吨位、行进速度、铺土厚度、洒水量、碾压遍数等)；

(d)确定有关质量控制的技术要求和检测方法。混凝土面板堆石坝坝料碾压试验过程为：平整压实场地→检查碾压机具状况→坝料铺填→粗量铺料厚度→洒水→布置厚度测点→测量坝料铺填厚度→进行振动碾压→测量坝料碾压沉降值→试坑取样检查(干密度等)。

由现场碾压试验可知，混凝土面板堆石坝坝料碾压试验中所涉及的参数可以分为两种，一种为碾压质量参数，一种为碾压施工参数。其中碾压施工参数为变化参数，主要有碾压机具、振动频率、碾压吨位、行进速度、铺填厚度、洒水量、碾压遍数等；根据现场试验条件，一般碾压机具、振动频率、碾压吨位都为固定值，只对行进速度、铺土厚度、洒水量、碾压遍数进行变化。例如，主堆石料，铺土厚度一般选择为80cm，洒水量一般按照0％、5％、10％进行设置，其中碾压遍数多为6～10遍，然后按照一定的组合开展碾压试验，然后通过碾压试验结果推求出满足碾压质量参数要求的最优的碾压施工参数。

碾压试验施工参数和碾压质量参数之间的非线性映射关系建立

根据上述关于碾压试验的介绍可知，碾压试验过程中产生的参数，可分为碾压试验前的碾压参数和碾压试验后的碾压质量参数。碾压前的碾压参数包括碾压机具、碾压吨位、振动频率、铺料厚度、行进速度、洒水量及碾压遍数等，碾压后的碾压质量参数包括碾压后坝料的孔隙率、干密度、级配、渗透系数及坝料沉降等。

碾压试验前的碾压参数和碾压试验后的碾压质量参数之间满足“多对多”的非线性关系，所以选择在非线性映射方面广泛应用的BP神经网络作为基础模型建立两者之间的关系，选择碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降作为BP神经网络的输出参数，选取坝料级配、干密度、孔隙率、渗透系数作为BP神经网络的输入参数建立堆石体坝料碾压施工参数与质量参数的分析模型，即碾压试验分析模型。

步骤1中，建立碾压试验分析模型的方法为：

对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型：采用BP神经网络作为基础模型建立两者之间的关系，选择碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降作为BP神经网络的输出参数，选取坝料级配、干密度、孔隙率、渗透系数作为BP神经网络的输入参数建立堆石体坝料碾压试验分析模型。

堆石料室内试验和试验参数简介

进行堆石体坝料室内物理力学参数试验的主要目的是通过坝料的室内试验测得可以表征坝料工程特性参数的具体数值，然后以此为基础计算得到相应的本构计算模型的计算参数，最后通过该本构模型结合有限元数值分析模型对坝体的变形稳定进行计算分析。因此在室内物理力学参数试验分析部分需要选择相应的本构模型，并以其计算参数作为室内试验结果的最终表现。

室内试验主要进行以下试验：比重试验、相对密度试验、大型压缩试验、渗透实验、大型三轴剪切试验。其中通过比重试验测得的比重值可以为求解其孔隙率提供参考；相对密度试验主要测量其的干密度，其值可以为室内试验进行后面试验时控制干密度的获取选择提供参考；进行压缩试验主要是为了对其的压缩性能进行评判；渗透试验主要用于测量其的渗透系数；大型三轴剪切试验主要是对其应力与应变的关系进行分析。因此，在坝料室内试验过程中会产生以下试验参数：坝料控制干密度、级配、渗透系数、含水率、抗剪强度、应力应变关系曲线、体变曲线等。

由上可知，室内试验目的是为坝体变形计算提供相应的本构模型的计算参数，因此需要选择相应的模型与室内试验进行对应。由于，在堆石坝变形计算中广泛采用邓肯E-B模型作为本构模型，且其在一定程度上可以较好的反映粗粒料变形的弹塑性。为此，选择邓肯E-B模型作为与室内试验相对应的本构模型。

邓肯非线性弹性E-B模型是地基、土工建筑物、坝体变形分析中常用的非线性弹性模型，该模型主要有切线模量E_t和体积模量B_t两个弹性参数，这两个弹性参数都是随应力状态变化的。切线模量E_t表达式为：

E_t＝E_i(1-R_fS)² (1)

式中，S表示应力水平，为实际与破坏时的各自主应力差的比值；R_f称为破坏比，为破坏时的主应力差与其渐近值的比值，其值小于1.0；E_i为初始切线模量，见下式。

式中，n为弹性模量指数；K为初始弹性模量基数；P_a为标准大气压。

体积模量B_t表达式为：

式中，K_b为初始体积模量基数，m为体积模量指数。

应力水平S的计算式如下：

式中，φ₀为初始内摩擦角；△φ为围压增加一个对数周期时摩擦角φ的减小值。

材料在卸荷状态下的弹性模量为：

式中：K_ur为卸荷再加荷时的弹性模量基数。

综上可知，邓肯E_B模型一共涉及了以下9个参数：c、φ₀、△φ、K、K_ur、n、R_f、K_b、m。

由上述针对室内试验的简介可知，室内试验涉及到的参数亦分为两部分，一部分为室内试验所产生的参数，主要有坝料控制干密度、级配、渗透系数、含水率、抗剪强度、应力应变关系曲线、体变曲线等；另一部分为与室内试验对应的本构模型的计算参数，即邓肯E-B模型的计算参数，主要有c、φ₀、△φ、K、K_ur、n、R_f、K_b、m等九个，由于其是表征堆石体本构模型的参数，所以将其称为室内力学参数。其中，后一部分参数表征的堆石体特性与上一部分参数应力抗剪强度、应变关系曲线、体变曲线所表征的堆石体坝料的特性相互重合，所以将其剔除出第一部分参数，即第一部分参数包含控制干密度、级配、渗透系数、含水率。

室内物理力学试验参数和室内试验加载参数之间的非线性映射关系建立

根据2.1节关于室内试验的简介可知，室内试验分析模型需要建立室内试验堆石料加载参数(干密度、孔隙率、围压、坝料岩性及级配)与邓肯E-B模型计算参数(c、φ₀、△φ、K、K_ur、n、R_f、K_b、m，亦称为室内力学参数)之间的对应关系。

同样，室内试验涉及的堆石料加载参数和室内力学参数之间存在“多对多”的非线性关系，为了便于建立与碾压试验分析模型之间的关系，选择BP神经网络模型作为基础模型建立室内试验分析模型，其中输入向量为邓肯E-B模型计算参数(c、φ₀、△φ、K、K_ur、n、R_f、K_b、m)，输出向量为室内试验堆石料加载参数(干密度、孔隙率、围压、坝料岩性及级配)，即室内试验分析模型。

步骤2中，建立室内试验分析模型的方法为：采用BP神经网络模型作为基础模型建立室内试验分析模型，其中输入向量为采用邓肯E-B模型作为坝体本构模型的计算参数，所述计算参数为c、φ₀、△φ、K、K_ur、n、R_f、K_b、m，其中各参数含义：c为凝聚力、φ₀为围压为一个大气压时的内摩擦角、△φ为随压力变化的内摩擦角、K为切线模量系数、K_ur为卸荷再加荷时的弹性模量系数、n为切线模量指数、R_f为破坏比、K_b为体积模量系数、m为体积模量指数；输出向量为室内试验堆石料加载参数，所述加载参数为干密度、孔隙率、围压、坝料岩性及级配。

步骤4中，建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数的步骤为：

步骤4-1：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降等；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数等；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配等；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-2：建立步骤1、步骤2和步骤3中的分析子模型：

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-1中搜集到的数据进行整理归类，其中，选择不同工程的碾压参数和碾压质量参数资料建立碾压试验分析模型的分析样本，选择不同工程的室内试验堆石料加载参数和邓肯E-B计算参数资料建立室内试验分析模型的分析样本，选择不同工程的碾压质量参数与室内试验堆石料加载参数资料建立两试验间关系模型的分析样本；

步骤4-3：基于待分析堆石坝工程堆石料室内试验资料确定基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型的检验样本：

针对待分析堆石坝工程的坝料的室内试验资料进行分析，确定邓肯E-B模型的计算参数，并对其参数的敏感性进行分析，然后依据室内试验分析样本，选择敏感性高的邓肯E-B参数作为检验样本；

步骤4-4：各个分析模型的训练样本的确定：

由步骤4-1搜集的室内试验和碾压试验的资料，以及结合步骤4-3确定的检验样本，依次综合确定室内试验分析模型的训练样本、两试验间关系模型的训练样本、碾压试验分析模型的训练样本；

步骤4-5：对各个分析模型进行训练学习：

根据步骤4-4选定的训练样本依次对室内试验分析模型、两试验间关系模型、碾压试验分析模型进行训练，调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优；

步骤4-6：优选待分析堆石坝工程的碾压施工参数：

向学习及优化后的基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型输入步骤4-3得到的待分析堆石坝工程的检验样本，对现场碾压施工参数进行优选，获得最优的现场碾压施工参数。

步骤4中，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数的步骤为：

步骤4-a：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降等；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数等；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配等；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-b：建立步骤1、步骤2和步骤3中的分析子模型

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-a中搜集到的数据进行整理归类，其中，选择不同工程的碾压参数和碾压质量参数资料建立碾压试验分析模型的分析样本，选择不同工程的室内试验堆石料加载参数和邓肯E-B计算参数资料建立室内试验分析模型，选择不同工程的碾压质量参数与室内试验堆石料加载参数资料建立两试验间关系模型；

步骤4-c：基于待分析堆石坝工程现场碾压试验资料确定模型的检验样本：

针对待分析堆石坝工程现场碾压试验资料进行分析，依据现场碾压试验资料样本，确定检验样本；

步骤4-d：各个分析模型的训练样本的确定

由步骤4-a搜集的室内试验和碾压试验的资料，以及结合步骤4-c确定的检验样本，依次综合确定碾压试验分析模型的训练样本、、两试验间关系模型的训练样本、室内试验分析模型的训练样本；

步骤4-e：对各个子模型进行训练学习

根据选定的训练样本依次对碾压试验分析模型、两试验间关系模型、室内试验分析模型进行训练，并调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优；

步骤4-f：预测待分析堆石坝工程的室内力学参数

将步骤4-c得到的检验样本，输入到学习及优化后的基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。

本发明提供的一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，可以解决以现场碾压试验控制堆石坝施工质量和以数值计算控制堆石坝变形之间存在的脱节问题，搭建了以现场碾压试验控制堆石坝施工质量和以数值计算控制堆石坝变形之间的桥梁。

堆石体坝料碾压试验分析模型、室内试验分析模型、两试验间的关系模型的基础模型可以选择除BP神经网络外，还可以选择反映非线性映射关系的智能模型或智能算法，如量子神经网络模型、广义回归神经网络模型等。

附图说明

下面结合附图和实施例对本发明作进一步说明：

图1为本发明混凝土面板堆石坝体的结构示意图；

图2为本发明步骤1建立的碾压试验分析模型的网络模型结构图；

图3为本发明步骤2建立的室内试验分析模型的网络模型结构图；

图4为本发明步骤3中碾压试验分析模型和室内试验分析模型涉及参数示意图；

图5为本发明步骤4建立的基于堆石体坝料室内力学参数优选碾压施工参数的分析模型结构图；

图6为本发明步骤4建立的基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型结构图；

图7为本发明步骤4-5室内试验分析模型子模型的训练样本学习过程图；

图8为本发明步骤4-5两试验间关系模型子模型的训练样本学习过程图；

图9为本发明步骤4-5碾压试验分析模型子模型的训练样本学习过程图。

具体实施方式

实施例工程概况

涔天河水库扩建工程位于湘江一级支流潇水上游永州市江华瑶族自治县境内，多年平均径流量为26亿m³，控制流域面积2466平方公里，占整个潇水的流域面积的20％，是潇水流域梯级开发的龙头水库。老坝坝高为46m，总库容为1.05亿m³，正常蓄水位254.26m，实际灌溉面积8.5万亩。水库库容过小，不能满足对洪水的调节作用及灌溉需求，水库长期处于“大材小用”的地位，不适应经济社会发展的需求。为此，湖南省永州市开启了涔天河水库扩建工程。扩建后水库大坝坝型为钢筋混凝土面板堆石坝，最大坝高为114m，其中坝顶高程为324.0m，趾板最低高程为210.0m。涔天河水库扩建工程是具有灌溉、防洪、发电和下游补水，兼顾航运等综合利用效益的大型水利水电枢纽工程，水库正常蓄水位为313.0m，电站装机容量200MW，总库容为15.1亿m3，灌溉面积111.46万亩。工程规模为I等大(1)型工程，大坝、泄水建筑物等主要水工建筑物等级为1级建筑物，电站厂房及引水发电洞等发电主要建筑物级别为3级。

实施例

一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，该方法包括

建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数；

以及

建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。

所述方法的步骤为：

步骤1：对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型，网络模型结构见附图2；

步骤2：对堆石体坝料室内物理力学参数试验进行分析，建立室内试验分析模型，网络模型结构见附图3；

步骤3：对堆石料室内试验分析与碾压试验之间参数进行分析，建立两试验间关系模型，碾压试验分析模型和室内试验分析模型涉及参数关系见附图4；

步骤4：采用BP神经网络，将室内试验模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为现场碾压试验分析模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料室内力学参数优选碾压施工参数的分析模型(见附图5)

以及，采用BP神经网络，将现场碾压试验分析模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为室内试验模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型(见附图6)，

通过上述两模型实现堆石坝坝料室内力学参数和碾压施工参数相互优选。

步骤1中，建立碾压试验分析模型的方法为：

对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型：采用BP神经网络作为基础模型建立两者之间的关系，选择碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降作为BP神经网络的输出参数，选取坝料级配、干密度、孔隙率、渗透系数作为BP神经网络的输入参数建立堆石体坝料碾压试验分析模型。

步骤2中，建立室内试验分析模型的方法为：采用BP神经网络模型作为基础模型建立室内试验分析模型，其中输入向量为采用邓肯E-B模型作为坝体本构模型的计算参数，所述计算参数为c、φ₀、△φ、K、K_ur、n、R_f、K_b、m，

输出向量为室内试验堆石料加载参数，所述加载参数为干密度、孔隙率、围压、坝料岩性及级配。

步骤4中，建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数的步骤为：

步骤4-1：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降等；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数等；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配等；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-2：建立步骤1、步骤2和步骤3中的分析子模型：

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-1中搜集到的数据进行整理归类，其中，选择附表1中的数据建立碾压试验分析模型的分析样本，选择附表2中的数据建立室内试验分析模型的分析样本，选择附表3中的数据建立两试验间关系模型的分析样本；

附表1碾压试验分析模型输入输出样本

附表2室内试验样本

附表3模型训练样本

步骤4-3：基于待分析堆石坝工程堆石料室内试验资料确定基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型的检验样本：

由于是基于堆石体坝料室内力学参数对堆石体的碾压施工参数进行优选，所以根据对该实例工程进行的分析，选择由室内试验获得的邓肯E-B模型参数中的主堆石料计算参数作为模型的检验样本，当检验样本少时，可以补充一些基于实测位移资料反演获得的邓肯E-B参数作为检验样本，见附表4。

附表4模型检验样本

坝料名称	K	K<sub>b</sub>	n	m
					反演值	955	430	0.26	0.2
试验值	1200	560	0.21	0.11

步骤4-4：各个分析模型的训练样本的确定：

由附表4可得，室内试验的输入参数为K、K_b、n、m共4个邓肯E-B模型的力学参数，所以对室内试验分析模型的初始样本进行调整，得到其训练样本见附表5。

附表5室内试验分析模型之训练样本

工程名称	坝料名称	干密度/KN/m<sup>3</sup>	孔隙率/％	K	K<sub>b</sub>	n	m
								西北口	主堆石	20.4	27.2	522	125	0.38	0.22
洪家渡	堆石料	21.28	21.9	658	177	0.47	0.4
								洪家渡	堆石料	21.2	22.2	760	205	0.25	0.28
金野	堆石料	21	21.9	650	280	0.348	0.24
								思安江	主堆石	21.2	25.6	700	290	0.52	0.14
南车	主堆石	20.7	22.6	790	330	0.39	0.23
								公伯峡	主堆石	20.6	23.1	750	520	0.51	0.27
珊溪	堆石料	19.84	24.9	1060	660	0.63	0
								公伯峡	主堆石	21.4	22.7	690	410	0.31	0.03
珊溪	主堆石	21.7	18	550	380	0.78	0.82

由附表可知，室内试验与碾压试验关系模型的输入参数为室内试验的干密度和空隙率，由于附表3中室内试验与碾压试验关系模型的输入参数为室内试验的干密度和空隙率，所以不作修改，直接选择附表3中的数据作为室内试验与碾压试验关系模型的训练样本。

由附表3可知，碾压试验分析模型的输入参数为碾压试验的干密度和孔隙率，所以通过对附表1中的数据修改后获得了碾压试验分析模型的训练样本，见附表6。

附表6碾压试验分析模型之训练样本

步骤4-5：对各个分析模型进行训练学习：

根据步骤4-4选定的训练样本依次对室内试验分析模型、两试验间关系模型、碾压试验分析模型进行训练，调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优，三个子模型的训练样本学习过程见附图7-图9；

步骤4-6：优选待分析堆石坝工程的碾压施工参数：

向经过学习及优化后的基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型输入步骤4-3待分析堆石坝工程的检验样本，依次得到子模型的预测值见附表7，对现场碾压施工参数进行优选，获得最优的现场碾压施工参数。

附表7模型的预测值

由附表7分析可知，基于本专利所建模型的涔天河邓肯E-B反演参数的优化得到的碾压参数与坝体实际施工参数较为接近且与基于坝体碾压控制标准优化得到的碾压施工参数较为接近；基于由室内试验测值计算得到的邓肯E-B参数通过论文所建模型优化得到的碾压参数与坝体实际施工碾压参数相比碾压遍数与洒水量均有差别。则可以说明，本发明所建立的室内试验与碾压试验之间的模型可以用来优化坝体施工的碾压参数，同时可以为碾压试验的设计提供参考，且本发明所建模型的准确度较高。

步骤4中，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数的步骤为：

步骤4-a：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降等；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数等；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配等；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-b：建立步骤1、步骤2和步骤3中的分析子模型

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-a中搜集到的数据进行整理归类，其中，选择附表1中的数据建立碾压试验分析模型的分析样本，选择附表2中的数据建立室内试验分析模型的分析样本，选择附表3中的数据建立两试验间关系模型的分析样本；

步骤4-c：基于待分析堆石坝工程现场碾压试验资料确定模型的检验样本：

根据碾压试验分析模型的训练样本选择实例工程的实际碾压施工参数作为模型的检验样本，见附表8。

附表8预测室内力学参数模型的检验样本

步骤4-d：各个分析模型的训练样本的确定

由步骤4-a搜集的室内试验和碾压试验的资料，以及结合步骤4-c确定的检验样本，依次综合确定碾压试验分析模型的训练样本(见附表9)、两试验间关系模型的训练样本(见附表10)、室内试验分析模型的训练样本(见附表11)；

附表9碾压试验分析模型之训练样本

附表10室内试验分析模型之训练样本

附表11室内试验分析模型之训练样本

工程名称	坝料名称	干密度/KN/m<sup>3</sup>	孔隙率/％	K	K<sub>b</sub>	n	m
								西北口	主堆石	20.4	27.2	522	125	0.38	0.22
洪家渡	堆石料	21.28	21.9	658	177	0.47	0.4
								洪家渡	堆石料	21.2	22.2	760	205	0.25	0.28
金野	堆石料	21	21.9	650	280	0.348	0.24
								思安江	主堆石	21.2	25.6	700	290	0.52	0.14
南车	主堆石	20.7	22.6	790	330	0.39	0.23
								公伯峡	主堆石	20.6	23.1	750	520	0.51	0.27
珊溪	堆石料	19.84	24.9	1060	660	0.63	0
								公伯峡	主堆石	21.4	22.7	690	410	0.31	0.03
珊溪	主堆石	21.7	18	550	380	0.78	0.82

步骤4-e：对各个子模型进行训练学习

根据选定的训练样本依次对碾压试验分析模型、两试验间关系模型、室内试验分析模型进行训练，并调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优；

步骤4-f：预测待分析堆石坝工程的室内力学参数

将步骤4-c得到的检验样本，输入到学习及优化后的基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，依次得到子模型的预测值见附表12，对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。

附表12预测室内力学参数模型的预测值

由附表12可知，通过实例工程的碾压施工参数优选得到的室内力学参数(邓肯E-B模型计算参数)中的K、K_b参数的值与通过室内试验测得的值和通过反演得到的值相比偏小，n、m参数的值与通过室内试验测得的值和通过反演得到的值相比偏大。由以上分析可知，通过本专利所建立的基于堆石体碾压参数预测室内力学参数模型预测得到的室内力学参数具有一定的参考价值，可以为工程的变形计算及稳定分析提供参考。

Claims (3)

1.一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，其特征在于：该方法包括

建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数

以及

建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数；

所述方法的步骤为：

步骤1：对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型；

步骤2：对堆石体坝料室内物理力学参数试验进行分析，建立室内试验分析模型；

步骤3：对堆石料室内试验与碾压试验之间参数进行分析，建立两试验间关系模型；

步骤4：采用BP神经网络，将室内试验模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为现场碾压试验分析模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料室内力学参数优选碾压施工参数的分析模型；

以及，

采用BP神经网络，将现场碾压试验分析模型的输出参数作为两试验间关系模型的输入参数，同时将两试验间关系模型的输出参数作为室内试验模型的输入参数，通过模型之间输出、输入参数的共同参数作为基础参数，进而将步骤1-3的三个模型衔接起来，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型；

通过上述两模型实现堆石坝坝料室内力学参数和碾压施工参数相互优选；

步骤2中，建立室内试验分析模型的方法为：采用BP神经网络模型作为基础模型建立室内试验分析模型，其中输入向量为采用邓肯E-B模型作为坝体本构模型的计算参数，所述计算参数为c、φ₀、△φ、K、K_ur、n、R_f、K_b、m，其中各参数含义：c为凝聚力、φ₀为围压为一个大气压时的内摩擦角、△φ为随压力变化的内摩擦角、K为切线模量系数、K_ur为卸荷再加荷时的弹性模量系数、n为切线模量指数、R_f为破坏比、K_b为体积模量系数、m为体积模量指数；输出向量为室内试验堆石料加载参数，所述加载参数为干密度、孔隙率、围压、坝料岩性及级配；

步骤4中，建立基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型，通过所述分析模型对现场碾压施工参数进行优选，获得最优的现场碾压施工参数的步骤为：

步骤4-1：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-2：建立步骤1、步骤2和步骤3中的分析子模型：

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-1中搜集到的数据进行整理归类，其中，选择不同工程的碾压参数和碾压质量参数资料建立碾压试验分析模型的分析样本，选择不同工程的室内试验堆石料加载参数和邓肯E-B计算参数资料建立室内试验分析模型的分析样本，选择不同工程的碾压质量参数与室内试验堆石料加载参数资料建立两试验间关系模型的分析样本；

步骤4-3：基于待分析堆石坝工程堆石料室内试验资料确定基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型检验样本：

针对待分析堆石坝工程的坝料的室内试验资料进行分析，确定邓肯E-B模型的计算参数，并对其参数的敏感性进行分析，然后依据室内试验分析样本，选择敏感性高的邓肯E-B参数作为检验样本；

步骤4-4：各个分析模型的训练样本的确定：

由步骤4-1搜集的室内试验和碾压试验的资料，以及结合步骤4-3确定的检验样本，依次综合确定室内试验分析模型的训练样本、两试验间关系模型的训练样本、碾压试验分析模型的训练样本；

步骤4-5：对各个分析模型进行训练学习：

根据步骤4-4选定的训练样本依次对室内试验分析模型、两试验间关系模型、碾压试验分析模型进行训练，调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优；

步骤4-6：优选待分析堆石坝工程的碾压施工参数：

向学习及优化后的基于堆石体坝料室内物理力学参数优选碾压施工参数分析模型输入步骤4-3得到的待分析堆石坝工程的检验样本，对现场碾压施工参数进行优选，获得最优的现场碾压施工参数。

2.根据权利要求1所述的一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，其特征在于步骤1中，建立碾压试验分析模型的方法为：

对堆石体坝料现场大型碾压试验进行分析，建立碾压试验分析模型：采用BP神经网络作为基础模型建立两者之间的关系，选择碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降作为BP神经网络的输出参数，选取坝料级配、干密度、孔隙率、渗透系数作为BP神经网络的输入参数建立堆石体坝料碾压试验分析模型。

3.根据权利要求1所述的一种适用于堆石坝坝料室内力学参数和碾压施工参数相互优选的方法，其特征在于步骤4中，建立基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，通过所述分析模型对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数的步骤为：

步骤4-a：搜集不同堆石坝工程碾压试验与室内试验数据：

针对碾压试验主要搜集以下数据：

碾压参数，所述碾压参数为碾压机具、振动频率、碾压吨位、行进速度、铺料厚度、洒水量、碾压遍数及碾压后坝料沉降；

碾压质量参数，所述碾压质量参数为坝料级配、干密度、孔隙率、渗透系数；室内试验主要搜集室内试验加载控制参数，所述加载控制参数为干密度、孔隙率、围压、坝料岩性及级配；

与室内试验对应的坝体变形计算本构模型的计算参数，采用邓肯E-B模型作为与室内试验对应的坝体变形本构模型，需要搜集邓肯E-B模型的计算参数，即c、φ₀、△φ、K、K_ur、n、R_f、K_b、m；

步骤4-b：建立步骤1、步骤2和步骤3中的分析子模型

根据步骤1～步骤3中建立的碾压试验分析模型、室内试验分析模型、两试验间关系模型，对步骤4-a中搜集到的数据进行整理归类，其中，选择不同工程的碾压参数和碾压质量参数资料建立碾压试验分析模型的分析样本，选择不同工程的室内试验堆石料加载参数和邓肯E-B计算参数资料建立室内试验分析模型，选择不同工程的碾压质量参数与室内试验堆石料加载参数资料建立两试验间关系模型；

步骤4-c：基于待分析堆石坝工程现场碾压试验资料确定模型的检验样本：

针对待分析堆石坝工程现场碾压试验资料进行分析，依据现场碾压试验资料样本，确定检验样本；

步骤4-d：各个分析模型的训练样本的确定

由步骤4-a搜集的室内试验和碾压试验的资料，以及结合步骤4-c确定的检验样本，依次综合确定碾压试验分析模型的训练样本、基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型的训练样本、室内试验分析模型的训练样本；

步骤4-e：对各个子模型进行训练学习

根据选定的训练样本依次对碾压试验分析模型、两试验间关系模型、室内试验分析模型进行训练，并调节各个模型的相关参数，使其非线性映射结构及学习效果达到最优；

步骤4-f：预测待分析堆石坝工程的室内力学参数

将步骤4-c得到的检验样本，输入到学习及优化后的基于堆石体坝料碾压施工参数优选室内物理力学参数分析模型，对室内试验力学参数进行预测，获得对应于现场碾压试验下的堆石料物理力学参数。

Images