砂土液化判據(jù)

砂土液化判據(jù)

土液化給人類帶來的災(zāi)難是巨大的,歷史上的很多地震都因砂土液化而發(fā)生地基失效和土壩破壞等重大事故。1966年邢臺地震、1975年海城地震、1976年唐山大地震及2008年汶川大地震中,都出現(xiàn)了大量的噴水冒砂、地裂縫現(xiàn)象,造成堤防、岸坡大規(guī)?；蜆?、涵、閘等河道建立物的嚴(yán)峻破壞。因此,砂土液化的判別是防治地震災(zāi)難的重要措施。

標(biāo)準(zhǔn)貫入試驗(yàn)標(biāo)準(zhǔn)貫入試驗(yàn)(SPT)是基于國內(nèi)幾次大地震現(xiàn)場實(shí)測資料并借鑒國外液化評價(jià)方法而建立起來的,由于多次地震實(shí)測資料積累了大量SPT數(shù)據(jù),是一種較為牢靠的方法,《建筑抗震設(shè)計(jì)規(guī)范》(GB50011—2001)接受下式判別地基土液化式中,N0為標(biāo)貫擊數(shù)基準(zhǔn)值;ds為砂層深度;dw為地下水深度;ρc為粘粒含量。由規(guī)范定義的標(biāo)準(zhǔn)貫入擊數(shù)液化判別,當(dāng)飽和砂土實(shí)測標(biāo)準(zhǔn)貫入擊數(shù)N<Ncr時(shí),砂土液化;當(dāng)N>Ncr時(shí),砂土不液化;當(dāng)N=Ncr時(shí)為臨界狀態(tài)Seed判別法國外較多接受Seed簡化法其實(shí)質(zhì)是將砂土中由振動(dòng)作用產(chǎn)生的剪應(yīng)力與產(chǎn)生液化所需的剪應(yīng)力(即在相應(yīng)動(dòng)力作用下砂土的抗剪強(qiáng)度)進(jìn)行比較。經(jīng)H.B.Seed修正后簡化成等效周期應(yīng)力比CSR與地基土的周期阻力比CRR的比較。假如CRR＞CSR，則判別為不液化；假如CRR＜CSR，則判別為液化。它屬于試驗(yàn)–分析法，也是最早提出的可判別具有水平地面自由場地液化的方法。很多影響液化的因素均得到適當(dāng)考慮。1971年由美國伯克利地震工程探討中心的Seed和Idriss教授提出了砂土液化判別的簡化計(jì)算方法式中:CSR(CyclicStressRatio)為等效循環(huán)應(yīng)力比;σv/σ′v為土的上覆壓力與有效應(yīng)力比;amax/g為地震作用下地面最大加速度與重力加速度比,amax可依據(jù)不同烈度按表1取值;rd為應(yīng)力折減系數(shù),Seed通過2153次地震的探討表明(見圖1中陰影線表示)。Seed判別法Seed等人通過探討表明,循環(huán)阻CRR(CyclicResistanceRatio)與標(biāo)準(zhǔn)貫入試驗(yàn)錘擊數(shù)可用圖表示(見圖2)。圖2中是以震級約為7.5級、液化或不液化場地的地震現(xiàn)場考察結(jié)果為依據(jù)得到的CRR和(N1)60關(guān)系的散點(diǎn)圖。圖2中的曲線為NCEER(NationalCenterforEarthquakeEngeeringRecearch,國家地震探討中心)提出的適用于純砂土的循環(huán)阻力比曲線,曲線可以用下式示式中:(N1)60是將實(shí)測標(biāo)貫錘擊數(shù)修正為上覆壓力為100kPa、能量比或效率為60%時(shí)的錘擊數(shù),可按下式求得式中:N為實(shí)測錘擊數(shù);CN為上覆壓力修正系數(shù),當(dāng)CN大于2時(shí)取2,小于0.4時(shí)取0.4

標(biāo)準(zhǔn)貫入試驗(yàn)與Seed方法的比較目前國內(nèi)最常用的判別方法是《建筑抗震設(shè)計(jì)規(guī)范》GB50011—2001舉薦判別方法(下文簡稱“規(guī)范法”),國外常用的是Seed判別法。規(guī)范法是依據(jù)邢臺地震(1966)、通海地震(1970)、海城地震(1975)、唐山地震(1976)及國外大地震的資料和室內(nèi)液化試驗(yàn)的探討成果確定的,是基于實(shí)際地震時(shí)液化調(diào)查而建立的判別方法,方法缺乏理論基礎(chǔ),對深層地基土的判別結(jié)果偏于保守;Seed判別法是通過探討砂土的循環(huán)阻力比與標(biāo)準(zhǔn)貫入試驗(yàn)建立關(guān)系得出的判別方法,該法判別計(jì)算困難,在實(shí)際工程應(yīng)用時(shí)工程技術(shù)人員不好運(yùn)用,另外對深層地基土的判別也偏于擔(dān)憂全。因此,若結(jié)合兩種判別方法,取其均值作為判別依據(jù),可以互補(bǔ)缺陷。標(biāo)準(zhǔn)貫入試驗(yàn)與Seed方法的綜合綜合兩種判別方法，規(guī)范法與Seed判別法的差異,各有優(yōu)缺點(diǎn)。取兩種判別方法的平均值作為砂土液化判別的依據(jù)。將不同烈度下不同地下水位時(shí)用兩種方法算得的臨界錘擊數(shù)的平均值(用N″cr表示,稱之為綜合臨界錘擊數(shù))隨深度變更關(guān)系見圖6。綜合兩種方法后,臨界錘擊數(shù)平均值N′cr隨深度的變更關(guān)系近似拋物線關(guān)系。在某一烈度下,N″cr可以接受下式進(jìn)行擬合

N″cr=A0+A1z-A2z2

式中:系數(shù)A0、A1、A2是與烈度和地下水位有關(guān)的參數(shù)

基于標(biāo)準(zhǔn)貫入試驗(yàn)的牢靠性分析

Juang[6]主見用概率來反映液化勢,按概率水平將液化勢分為5個(gè)等級,見表1。本文在進(jìn)行液化判別時(shí),接受Juang建議的液化可能性分類,利用表1且依據(jù)液化概率分布狀況,定性地描述液化的可能性。

靜力觸探液化判別法（CPT）靜力觸探試驗(yàn)（CPT）是巖土工程勘察中常用的一種原位測試技術(shù)，起源于1945年荷蘭專家提出的“深層觸探”，原理是運(yùn)用動(dòng)力設(shè)備將錐形探頭勻速推向土體，在削減擾動(dòng)的狀況下，勘察土體物理力學(xué)性質(zhì)，包括土體孔隙水壓力、錐尖阻力、側(cè)摩擦阻力等。CPT相比其它原位測試技術(shù)有確定優(yōu)勢，包括可獲得連續(xù)數(shù)據(jù)、探頭功能多樣性、可重復(fù)性和可對土層進(jìn)行土類劃分等，是國際上重點(diǎn)發(fā)展的原位測試技術(shù)之一。

式中，pscr，qccr分別為飽和土CPT液化比貫入阻力臨界值和錐尖阻力臨界值(MPa)；du為上覆非液化土層厚度(m)，計(jì)算時(shí)應(yīng)將淤泥和淤泥質(zhì)土層厚度扣dw為地下水位深度(m)；ps0，qc0分別為地下水深度dw=2m、上覆非液化土層厚度du=2m時(shí)，飽和土液化判別比貫入阻力基準(zhǔn)值和液化判別錐尖阻力基準(zhǔn)值(MPa)；αw為地下水位埋深dw修正系數(shù)，地面常年有水且與地下水有水力聯(lián)系時(shí)，取αw=1.13；αu為上覆非液化土層厚度du修正系數(shù)，對于深基礎(chǔ)，取=αu1.0；αp為與CPT摩阻比有關(guān)的土性修正系數(shù)。

靜力觸探液化判別法（CPT）國外CPT液化判別公式主要有以下兩個(gè)，其一為Robertson公式：式中，CSR為地震循環(huán)剪應(yīng)力比；Kc

為土性修正系數(shù)；qc1N為修正到

100kPa的錐尖阻力值；Rf

為摩阻比；σvo′為有效上覆壓力。

剪切波速判別法

該方法是以土在地震作用下的剪應(yīng)變量作為液化判別的基本量,并利用虎克定律導(dǎo)出其間接判別量——臨界剪切波速。由于該判別量穩(wěn)定性較好,可在土層原位狀態(tài)下通過測試得到,因而近幾年來應(yīng)用較廣泛。該方法通常利用PS測井技術(shù)獲得場地內(nèi)各土層的剪切波速Vs值,依據(jù)場區(qū)的抗震設(shè)防烈度和建筑物設(shè)防標(biāo)準(zhǔn),由典型公式計(jì)算出各飽和土層振動(dòng)液化判別點(diǎn)處的臨界剪切波速Vscr,即Vscr=Vs0(ds-0.0133ds2)0.5[1.0-0.185(d/ds)]式中Vscr為飽和砂土或粉土液化剪切波速臨界值,m/s;Vs0為與烈度、土類有關(guān)的閱歷系數(shù);ds為砂土或粉土層剪切波速測點(diǎn)深度,m;dw為地下水深度,m,按設(shè)計(jì)基準(zhǔn)期內(nèi)年平均最高水位接受,也可按近期內(nèi)年最高水位接受。將臨界剪切波速作為液化判別標(biāo)準(zhǔn),對同一深度的Vs值與Vscr值進(jìn)行比較,若Vs<Vscr,則判定該點(diǎn)為地震液化土層,否則為非地震液化土層。剪切波速判別法存在3點(diǎn)不足:①無法定量區(qū)分土性,須要借助土工試驗(yàn)的顆分試驗(yàn)來確定試驗(yàn)段的土性;②未考慮粉土的粘粒含量ρc,而粘粒含量ρc是影響粉土液化的主要因素;③未考慮上覆地層的巖性和厚度,上覆非液化土層厚度是影響液化的主要因素,覆蓋層越薄越易液化?；赗BF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

人工神經(jīng)網(wǎng)絡(luò)ANN(AnificialNeuralNetwork),ANN可以通過大量樣本的學(xué)習(xí)來抽取隱含在樣本中的因果關(guān)系，從數(shù)據(jù)中提取事物特征，在信息不精確、背景學(xué)問不清晰或推理規(guī)則不明確的狀況下照舊能進(jìn)行推理推斷。為精確描述砂土液化與各影響因素之間困難的映射關(guān)系、高砂土液化勢評價(jià)的牢靠性和精確性，本文將ANN技術(shù)引入到砂土液化評判問題提中，接受函數(shù)靠近實(shí)力、數(shù)據(jù)擬合實(shí)力和收斂速度都明顯優(yōu)‘于BP網(wǎng)絡(luò)的RBF網(wǎng)絡(luò)，用于砂土液化勢評價(jià)，建立各主要影響因素與地基土液化之間的非線性關(guān)系。即實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型對砂土液化勢的自動(dòng)預(yù)估，并利用該模型建立了各因素影響趨勢線，通過對該神經(jīng)網(wǎng)絡(luò)模型的建立、運(yùn)行和檢驗(yàn)，得到了各因素對砂土液化的影響規(guī)律。

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

RBF神經(jīng)網(wǎng)絡(luò)模型的原理

目前，常用的前饋型神徑網(wǎng)絡(luò)模型包括誤差反向傳播BP網(wǎng)絡(luò)模型和RBF網(wǎng)絡(luò)模型2種。二者不同之處在于BP模型用于函數(shù)靠近時(shí)，接受負(fù)梯度下降法調(diào)整權(quán)值，存在著收斂速度慢和結(jié)果局部微小等缺陷。而RBF網(wǎng)絡(luò)的作用函數(shù)則是局部的，在靠近實(shí)力、分類實(shí)力和學(xué)習(xí)速度等方面均優(yōu)于BP網(wǎng)絡(luò)模型，訓(xùn)練樣本越多，向量維數(shù)越高，其優(yōu)勢越明顯明。

RBF神經(jīng)網(wǎng)絡(luò)模型

R蛋IF神經(jīng)網(wǎng)絡(luò)模型是一種將輸入矢量擴(kuò)展或者預(yù)處理到高維空間中的神經(jīng)網(wǎng)絡(luò)模型，該模型由輸入層、隱層和輸出層3層構(gòu)成，其模型結(jié)構(gòu)如圖1所示

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

RBF神經(jīng)網(wǎng)絡(luò)模型的建立考慮到液化判別指標(biāo)應(yīng)具代表性以及現(xiàn)場測試的簡便性，本文選取黏粒含量p小相對密實(shí)度Dr、I臨界深度dS。、豎向有效應(yīng)力σ′、地下水位dW。地震震級M、最大地面水平加速度amax一和標(biāo)準(zhǔn)貫入(簡稱標(biāo)貫)次數(shù)SPT一N等8個(gè)砂土液化的主要影響因素作為RBF神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)。設(shè)輸入層神經(jīng)元數(shù)為8，輸出層神經(jīng)元數(shù)為2。利用MATLAB70中的NEWRB函數(shù)自動(dòng)確定所需隱層單元并訓(xùn)練網(wǎng)絡(luò)

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

RBF網(wǎng)絡(luò)訓(xùn)練目標(biāo)依據(jù)時(shí)松孝次等人的探討成果和參考行業(yè)規(guī)范，將砂土液化勢的分類標(biāo)準(zhǔn)定為4級，如表1所示。對應(yīng)訓(xùn)練樣本，設(shè)定相應(yīng)目標(biāo)值。將4類樣本的期望輸出參數(shù)依次設(shè)定為：<0．25

(未液化)，0．25--0．5(臨界液化)，0．5--0．75(中等液化)，0．75--1(嚴(yán)峻液化)

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

RBF神經(jīng)網(wǎng)絡(luò)模型評價(jià)

依據(jù)以上所建立的RBF神經(jīng)網(wǎng)絡(luò)模型，共選取40組時(shí)松孝次收集的砂土液化勢數(shù)據(jù)，隨機(jī)選取25組數(shù)據(jù)作為訓(xùn)練樣本進(jìn)行訓(xùn)練，選取15組數(shù)據(jù)作為測試樣本，對所建立RBF網(wǎng)絡(luò)的正確性和智能性加以檢驗(yàn)。RBF網(wǎng)絡(luò)訓(xùn)練結(jié)果、測試結(jié)果及判定標(biāo)準(zhǔn)見表2和表3。依據(jù)上述建立的RBF神經(jīng)網(wǎng)絡(luò)模型，對表2中數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)，迭代213次時(shí)，網(wǎng)絡(luò)精度即達(dá)到5×10-4，且訓(xùn)練結(jié)果與實(shí)際結(jié)果全部吻合，完全滿足砂土液化勢判別的精度要求。這說明所建立的RBF神經(jīng)網(wǎng)絡(luò)模型具有較好的模擬效果，能夠精確模擬輸入和輸出之間困難的非線性映射關(guān)系。在對另15組數(shù)據(jù)運(yùn)用上述建立的RBF網(wǎng)絡(luò)模型，進(jìn)行測試時(shí)，樣本點(diǎn)與實(shí)測結(jié)果亦完全相同。這說明RBF網(wǎng)絡(luò)模型具有較強(qiáng)的容錯(cuò)性和自適應(yīng)性，同時(shí)也有較高的預(yù)料精度。

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

基于RBF神經(jīng)網(wǎng)絡(luò)模型的砂土液化預(yù)料方法

各因素對砂土液化的影響程度是不同的。為探討各影響因素對砂土液化判別指標(biāo)的相對貢獻(xiàn)，利用MATLAB7.0神經(jīng)網(wǎng)絡(luò)工具箱中的權(quán)重，計(jì)算出各因素對液化判別指標(biāo)的相對貢獻(xiàn)率。相對貢獻(xiàn)率的計(jì)算公式為C8=W8／W×100％

從表4中可見，各因素對砂土液化的相對貢獻(xiàn)率在10．36％一15．62％之間，說明所選取的因素對砂土液化影響顯著，從而證明白RBF網(wǎng)絡(luò)模型中各因素選擇的正確性。計(jì)算結(jié)果表明：各影響因素對砂土液化的相對貢獻(xiàn)率在10．36％--15．62％之間，amax對砂土液化的貢獻(xiàn)率最大，標(biāo)貫擊數(shù)