基于高填方数值模拟及沉降变形预测研究

《基于高填方数值模拟及沉降变形预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：——论文编号：Q3Q!Q§38X960042密级：垒珏贵州大学2006届硕士研究生学位论文高填方数值模拟及沉降变形预测研究学科专业：研究方向：导师：研究生：岩土工程边坡稳定鄢贵权冯国建中国-贵州·贵阳2006年5月摘要沉降计算一直是困扰工程技术人员的一个难题，其准确与否关系到工程的设计，施工、使用及维护．由于经典计算方法和有限元等数值方法需要对大量土样做相应的试验，因而土样的代表性及试验的精确性都对结果有一定的影响．于是，根据现有沉降数据来对其进行预测因为具有简便、准确的特点而成为人们研究的热点．本文正是基于这一思路开展研究

2、的，希望通过对沉降的原始数据处理与计算方法上的研究，得出比传统的方法更加符合实际的沉降计算与预测方法，主要做了以下几方面的工作：(1)高填方区的地质条件的分析。(2)对高填方区进行数值分析，研究填方边坡的应力分布特征及变性情况，分析边坡的变形破坏情况，找出可能的滑动面位置．(3)将灰色理论运用到沉降预测中，建立不等时距残差CM(n)模型和灰色Verhulst模型，对沉降进行预测。(4)为克服单项曲线拟合带来的误差，提出了变权重组合预测方法．结果表明，变权重组合预测模型的预测效果比单一的模型预测效果要好，其预测曲线与实测数据曲线吻合良

3、好。’关键词：沉降计算；高填方；灰色理论；不等时距残差模型；灰色Verhulst模型；变权重组合预测模型AbstractThecalculationofthesettlementisadif矗cultproblemthatp嵫l∞scientificresearchersandengineers．ThcprecisionofitscalculatingresultshasdirectlyaneffectOnthedesign、construction、useandmaintenanceoftheproject．Inordertoov

4、ercomethedisadvantagesofthetraditionalcalculatingmethodandothernumericalmethods，theresearchersandtheengineersliketoanalyzetheoriginalsettlementdatatopredictthesettlement·Comparedwiththetraditionalcalculatingandnumericalmethods，thismethodhastheadvantageofsimpleness．conv

5、enience·However，theaccuracyofpredictedsettlementbyanalyzingtheofiginaldata，dependsmainlyOilthemethodsusedinanalyzingdata·Forthisreason，thethesisisfocusedOilthefollowingaspects：(X)Analyzethegeologyconditionofthehigh衄·(2)Numericalanalysethehighfill，researchthestressdistr

6、ibutionfeaturesanddeformationofthesideslopefilled．Analyzetheconditionofdeformationdestroyofsideslope，andfidetheimpossibleslipSlll'fao：positions·(3)Usingthegreytheorytosolvetheproblems0111thesettlementprediction，setlIpunequalintervalGM(1，1)modelandgreyVerhulstmodeltopre

7、dictthesettlement·O)Toovercometheerrorofthesinglecervefitting，putforwardthemethodofthevariableweightcombinationforecasting．TheresultindicatesthattheeffectofthepredictionbyusingthismethodissuperiortoothersinglemodelanditspredictionCurvecoincidewiththeactualmeasuredclllv

8、e。Keywordszsettlementcalculation，high棚-greytheory，unequalintervalGMO，1)modelgreyVethulstmodel，variableweightcombinati