
Citation: | Cao Yangbing, Wu Yang, Zhang Peng, Jiang Zhihao, Zhang Siyi, Huang Zhenping. Prediction model and variation law of P-wave velocity of single fracture granite in an underground water-sealed storage cavern[J]. Bulletin of Geological Science and Technology, 2023, 42(6): 12-20. doi: 10.19509/j.cnki.dzkq.tb20220279 |
Revealing the variation behavior of P-wave velocity in fractured rock masses is of great significance for the quality grading and stability evaluation of rock masses for engineering purposes.
The nonfilling single fracture granite of an under ground water sealed storage cavern was taken as the research object. Based on borehole television images, hydraulic fracturing geostress tests, and ultrasonic full waveform logging, the geometric characteristics, stress state, and P-wave velocity of 384 groups of single fracture granites were obtained. An evolutionary neural network model for the prediction of the P-wave velocity of granite with a single fracture was constructed, and the variation behavior of the key indexes affecting the P-wave velocity of granite with a single fracture was analyzed.
The study shows that the P-wave velocity of a single fracture granite in the water-sealed storage cavern is distributed around 4 300-5 330 m/s, and 82.3% of the P-wave velocity varies within 4 700-5 200 m/s. It is reasonable and feasible to select the fracture normal stress, average aperture, and dip angle as prediction indexes of the P-wave velocity of granite with a single fracture. The field test data sets are divided into training samples and test samples. The P-wave velocity prediction model of granite with a single fracture, based on the evolutionary neural network model, is constructed. The neural network weight and threshold are optimized by the genetic algorithm.The maximum test error of the prediction model is only 2.9%, and the test error of 85% of the samples is less than 1.5%.The prediction model thus yields high accuracy.
The variation feature of the P-wave velocity revealed that the P-wave velocity of granite with a single fracture increases with increasing normal stress on the fracture. However, the increase in the P-wave velocity decreases gradually when the normal stress increases to 5 MPa. The P-wave velocity decreases with an increasing fracture aperture. The P-wave velocity increases with an increasing dip angle. However, no difference occurred considering that the fracture dip angle is less than 40°.
库岸滑坡一直是困扰水利水电工程建设者的重大难题[1]。水库库岸多出现于高山峡谷,地质条件复杂,受工程建设影响,水库蓄水改变了地下水环境,降雨作用进一步恶化了岩土体力学性能,极易造成滑坡灾害。1961年3月中国柘溪水库的塘岩光滑坡[2]、1963年11月意大利的瓦伊昂水库滑坡[3]以及2018年10月和11月连续发生的金沙江上游白格滑坡[4],无一例外地给人民生命、财产安全带来严重损害。因此,如何准确把握库岸滑坡的发生、发展过程,探索其变形破坏机制,是当前科学工作者亟需解决的关键问题。
库水位升降和降雨是导致滑坡产生的重要原因,为此,国内外学者开展了大量研究,刘磊等[5]根据不同降雨历时及强度,采用瞬态降雨入渗模型及三维斜坡稳定性计算模型进行区域滑坡稳定性的计算;江强强等[6]以三峡库区黄土坡滑坡临江Ⅰ号崩滑体为对象,通过考虑水位波动、降雨及其组合作用等诱发因素,进行了一系列的库岸滑坡模型试验研究;董金玉等[7]针对水电站库区一大型堆积体边坡,通过现场原位直剪试验获取岩土体的力学参数,利用岩土数值分析FLAC3D软件,对水库蓄水和下降过程中边坡的变形破坏特征进行了分析预测;吴琼等[8]为了计算库岸岸坡浸润线,推导出库水位升降联合降雨作用下该模型中浸润线的近似解析解,并利用SEEP/W程序进行检验;王腾飞等[9]、Guia等[10]基于理论推导、三轴试验,研究了非饱和土中水入渗对抗剪强度的不利影响;Cho等[11]、卢操等[12]、Montrasoi等[13]、Gerscovich等[14]基于地质条件分析,分别从数值模拟、理论研究和现场监测等多方面研究了降雨因素对滑坡的作用。在总结前人研究过程中,文海家等[15]认为,已有的研究尽管有助于对滑坡的机理认识,但针对大型、深层滑坡的研究工作仍然相对较少。鉴于此类滑坡失稳机理更加复杂,且兼具隐蔽性高、危害性大、突发性强等特点,笔者拟选取三板溪水电站库区东岭信大型滑坡体为研究对象,在野外详细勘察的基础上,基于10余年的库水位升降和降雨量监测资料,采用SEEP/W模块和SLOPE/W模块,研究不同库水位波动速率及降雨强度作用下滑坡体的渗流特征和稳定性变化规律,并与实测结果进行比较,力图揭示库岸大型滑坡体的变形失稳机制。
东岭信滑坡体位于贵州省黔东南州三板溪水电站库区右岸,上游距剑河县柳川镇仅1 km,最大厚度156 m,总方量2 000×104 m3,是一个形体巨大、结构复杂、主要是由滑坡堆积体组成的老滑坡(图 1)。滑坡体主滑方向N55°E,后缘山体高程约700 m,前缘位于清水江河床,高程约420 m。沿岸坡展布长约600 m,高程670 m沿岸坡展布长约200 m,沿北东向水平最大宽近800 m,平面面积约29.1万m2,平面上表现为北东宽、南西窄的“圈椅状”地貌形态(图 1)。钻孔揭露滑坡堆积体所处地层为板溪群清水江组第一段和第四系。清水江组第一段(Ptbq1)岩性为浅灰色厚层块状变余凝灰质砂岩、条带状凝灰质粉砂质板岩和灰色中厚层状变余层凝灰岩;堆积体主要由第四系残坡积物(Q4edl)、地滑堆积物(Q4del)和人工堆积物(Q4s)组成。其中,地滑堆积物(Q4del)一般厚度18~96 m,最大厚度156.00 m,主要为粉质黏土、岩块碎石和碎裂岩体;滑带位于滑坡堆积体底部滑面以上,以灰褐色、灰黄色含砾粉质黏土为主,厚度3~6 m。滑坡体区域无大的断层构造,地下水埋深较大,以大气降水补给为主,前部受库水位升降影响。清水江枯水期水位425 m,水库设计水位475 m(图 2)。
滑坡体所在地属副热带季风气候区,暖湿多雨,多年平均降雨量为1 280.5 mm,有记录的最大1 d降雨量为166.5 mm(2015年9月12日),每年的4-7月降雨量较为集中,为当地汛期。
东岭信滑坡体河段天然河水位425 m,2006年1月三板溪水库开始下闸蓄水,2007年6月1日至2007年8月4日,东岭信河段库水位首次由431 m蓄至471 m高程,65 d内上升了40 m,上升速率0.62 m/d。同年7月下旬巡查时发现,东岭信滑坡坡面和坡顶后缘多起地表开裂、墙体错动、房屋倾斜等地质灾害现象(图 3,分别为图 1的LF9和LF3);从2009年开始开展系统监测工作以来,至今近11 a的监测期间内,地表变形不断增大,地表裂缝不断张开、错动(图 4)。在2014年开凿的2条埋深130余米、近2 km沿滑动面走向的排水隧洞内,拱顶、边墙和底板均出现了密集的裂缝,隧洞甚至揭露滑带多处出现擦痕、错动(图 5),表明东岭信为典型的超深层滑坡。
多年观测数据发现,每年4-7月汛期期间,由于库水位上升和降雨量的增多,地下水位监测孔内的地下水位有较大幅度的上升,地表变形和裂缝均有迅速增大的趋势,同时,排水隧洞内地下水流量也显著增多。当降雨量特别丰沛(如2019年汛期),各监测曲线甚至出现突变(图 6, 7)。
多种迹象表明,库水位变动和降雨对东岭信滑坡体的变形稳定具有重大影响[16-17]。
水在非饱和土中的渗流也服从达西定律,采用水头h作为控制方程的因变量[18-20]。对于考虑渗透各向异性的二维饱和非饱和流动问题,当坐标轴取向与大、小渗透系数方向一致时,渗流控制方程可写成:
∂∂x(kx∂h∂x)+∂∂y(ky∂h∂y)h=mwρwg∂h∂t |
(1) |
式中: kx, ky分别为水平方向和垂直方向的饱和渗透系数;ρw为水的密度;g为重力加速度;mw为比水容量,定义为体积含水量θw对基质吸力ua-uw的偏导数的负值,为水土特征曲线上的斜率,即:
mw=−∂θw∂(ua−uw) |
(2) |
求解方程(1)可使用有限差分法、积分有限差分法或有限元法。Neuman最先用Galerkin加权残值法亦即Galerkin有限元法求解二维饱和非饱和渗流问题,本文使用二维渗流问题有限元分析程序SEEP/W对稳态和暂态的饱和非饱和流进行模拟,并采用极限平衡方法分析模块SLOPE/W计算不同时刻滑坡的稳定系数。稳定性计算过程中,鉴于自动搜索得到的稳定系数远小于沿基覆面整体滑动得到稳定系数。限于篇幅,本次仅列出自动搜索得到的稳定性计算成果(图 2)。
非饱和渗流问题的边界条件可能有多种形式,由于本文研究的问题是库水位变化和降雨引起的滑坡体内的暂态渗流场及稳定性,故在坡体前缘采用各计算方案的动态变化库水位;坡面为降雨入渗边界,根据计算方案分别采用单位入渗量和实测降雨量作为入渗流量;滑带下部则作为不透水边界处理。计算剖面见图 2。
本次计算考虑的影响因素共2项:不同库水位的升降速率和不同降雨时刻入渗量的大小。为了简化运算,我们假设滑坡土体为均质各向同性,其下部为滑带。在模拟过程中必须首先确定土体的水土特征曲线和土体渗透系数与基质吸力的关系。本工程在前期勘察阶段进行了大量的试验工作,包括滑体和滑带的颗分试验、渗透试验、含水率试验等,获得了较为丰富的数据[17]。参考勘察资料,结合同类土体力学参数取值,确定本次计算选用的参数见表 1。
岩土分类 | 天然重度/(kN·m-3) | 饱和重度/(kN·m-3) | 渗透系数/(m·s-1) | 抗剪强度 | 饱和体积 含水率/% |
|
c/kPa | φ/(°) | |||||
滑体 | 22.0 | 22.5 | 1×10-4 | 80 | 33.0 | 22 |
滑带 | 20.3 | 20.8 | 3×10-5 | 23 | 29.4 | 34 |
基岩 | 26.8 | 27.6 | 1×10-9 | 2 000 | 45.0 | - |
SEEP/W中渗透系数曲线、土-水特征曲线可分别由饱和体积含水率、土体渗透系数来实现。本次计算根据已有试验资料,采用样本函数法估算体积含水率随基质吸力的变化,采用V-G模型获取渗透系数,具体如图 8,9所示。模型中,滑体和滑带分别在饱和含水率趋于22.5,34.5时,基质吸力接近于0,此时对应的饱和渗透系数分别为1×10-4,3×10-5 m/s,基岩按不透水层考虑。
模拟方案分两步进行,首先分析不同库水位升降条件下,坡体内的渗流场和稳定系数变化规律,然后研究基于实测数据的库水位升降联合降雨条件下滑坡的响应。在进行库水位升降分析时,根据蓄水以来的实测水位变化过程(从428~472 m之间),库水位上升和下降速率均选取3×10-6 (0.26 m/d,169.8 d), 6×10-6 (0.52 m/d,84.9 d)和9×10-6 m/s(0.78 m/d,56.6 d)作为模拟方案;在进行库水位联合降雨作用时,则选取2019年汛期前后的实测库水位变化叠加实测降雨量代入模型中进行计算和分析,并将计算结果与野外调查和监测数据进行比对分析。
(1) 地下水位线的变化
图 10,11分别给出了不同库水位上升和下降速率对应的滑坡体内地下水位变化。地下水位线上的数字表示库水位开始上升或者下降后对应的时间(按天计)。另外,本次模拟还提供了水位上升和下降结束后30 d的地下水位。由于滑坡体后部无论在稳定渗流还是非稳定渗流条件下都没有饱和地下水位出现,因此为了使模拟结果得到更清晰的展示,在图中没有给出。
由图 10可以看出,库水位上升速率与地下水位能否达到迅速平衡状态关系密切:当库水位上升速率为3×10-6 m/s时,由于速率相对较慢,地下水位几乎在上升结束时就达到了平衡状态,这可以从170 d(上升结束时)的地下水位线与200 d的地下水位线几乎接近重合得到证实(图 10-a);而当库水位上升速率为9×10-6 m/s时,由于速率较快,当库水位上升结束(第57 d)时,滑坡体内地下水位继续上升,且离库水位越远,地下水位滞后特点越明显,这从57 d(上升结束时)地下水位线与87 d的地下水位线分隔较大可以看出(图 10-c)。库水位上升速率为6×10-6 m/s时的地下水位线介于这两者之间。
库水下降过程也给出了类似结论:不同库水位下降速率对地下水位影响差异明显:库水位下降速率越大,地下水位响应滞后越显著,地下水位线形态整体越陡(图 11)。
总体上,滑坡体地下水位线与库水位变化具有一定的同步性和滞后性(滞水性),但受库水位升降变化速率影响,滞后效果有显著差异。
(2) 库水位升降过程中的边坡稳定性
水库库水位的变动必然导致临库滑坡体的稳定性出现变化。图 12为库水位上升和下降过程中,不同速率对应的边坡稳定系数变化曲线。由图 12-a可知:库水位上升速率越快,滑坡体的稳定系数下降得越快,表现为曲线越陡。而当库水位上升速率越慢,稳定系数下降越缓慢,表现为曲线相对平缓。计算显示,库水位上升至472 m设计水位并静置运行30 d后,各曲线的最终稳定系数趋于一致,为1.06左右。总体上,在库水位上升过程中(从428 m上升至472 m),滑坡体的稳定性不断降低,这与2006年三板溪水库初始蓄水后,滑坡体便开始出现较大变形这一现象基本吻合。
图 12-b显示,随着库水位的下降(从472 m降至428 m),稳定系数先略降低,随后处于不断攀升过程中,表明随着库水位的消落,东岭信滑坡堆积体的稳定系数不断增大,对滑坡稳定有利。计算结果显示,库水位下降速率越快,稳定系数提升越大。究其原因,东岭信滑坡堆积体渗透系数较大,透水性较好,库水位在下降过程中,地下水渗出坡外的速度较快,堆积体有效应力能够较快得到提升。多年来的监测成果亦显示,在旱季,随着库水位下降,变形曲线略趋于平缓,与计算结果基本相符。
(1) 渗流特征
2019年汛期,东岭信地区总降雨量达到历年峰值,滑坡体出现变形急剧发展的现象(图 6,13)。图 6的裂缝曲线在2019年汛期出现阶跃型突变;图 13的GPS地表位移在2019年汛期显著增大。
图 14为2019年汛期前后(汛期为4月21日-7月20日),库水位升降和降雨量作用下的边坡渗流场和稳定性计算结果,限于篇幅,图中仅给出了部分成果。计算过程中的库水位变动和降雨量据实测数据输入计算模型。
① 汛前 由图 14-a可知,汛前的2019年2月2日,库水位位于下降过程中的464 m(图 12),降雨量相对较小,滑坡体局部有负孔压,地下水位基本呈稳流状态。
② 汛期 图 14-b, c分别为汛期2019年5月19日和2019年6月22日的渗流场和稳定系数。综合分析发现,随着汛期库水位的上升以及降雨量的增大,坡体内出现复杂的渗流特征:汛期初,滑坡体上部非饱和岩土体的含水量逐渐增大,基质吸力逐渐降低,开始出现局部暂态饱和区,大小不一,位置各异,地下水位也相应抬高;5月19日,局部饱和区下移,上部另有新的暂态饱和区补充出现。渗流矢量图显示,接近地下水位线的暂态饱和区内渗流速度加快(图 11-b);6月22日,由于库水位的上升和部分暂态饱和区内水的加入,地下水位迅速抬升,且呈现不规则形状。矢量图显示,地下水位线附近渗流流速很快,水力梯度增大。滑坡体上部则不断因强降雨而补充出现新的局部暂态饱和区(图 11-c)。作为对比,图 2还给出了计算地下水位线与同期人工监测得到的水位线对比,由图可知,除局部有差异外,两者基本吻合。
③ 汛后 图 14-d为汛后2019年8月13日的计算结果,此时库水位稳定至高水位472 m,降雨量稀少,但坡内仍然存在小规模的暂态饱和区,导致地下水位线居高不下(实测地下水位变化曲线见图 15,由图可知,实测水位在汛后7月24日达到峰值,在8月3日仍处于较高水平,没有明显下降,这与计算水位在汛后一段时间仍处于高值的结论变化基本一致)。
(2) 稳定性分析
图 15给出了东岭信滑坡在2019年汛期前后的稳定系数变化过程曲线。由图可知:汛前,因库水位持续下降(从465.41 m下降至434.47 m),降雨量稀少,滑坡体稳定性主要受库水位变化影响,稳定系数从1月份的1.071增大至4月21日的1.118;汛期初,库水位处于低位(434.47 m),滑坡体的稳定系数较大,随着库水位的不断抬升以及降雨量的增大,稳定系数迅速降低。到7月20日汛期末,此时库水位升高至472.58 m,达到峰值,稳定系数则降低至1.026;汛后初期(7月20之后),虽然库水位略有降低,且降雨量较汛期大为减少,但由于滑坡体内仍然存在局部暂态饱和区,地下水位仍居高不下(图 14-d, 15),导致稳定系数进一步降低至1.002(7月29日),随后才缓慢增大。
计算结果显示汛后约10 d左右滑坡体的稳定系数达到最小值,表明此时的滑坡体处于最危险状态。
(1) 东岭信滑坡主要是由滑坡堆积体组成的大型老滑坡,野外地质勘察和10余年的监测数据显示,滑坡体自水库蓄水以来便开始变形,每年雨季变形量加剧。排水隧洞揭露显示,滑带处已经出现因滑移而产生的错动和擦痕。多种迹象表明,东岭信滑坡受库水位变动和降雨量影响较大,变形机理复杂,属于超深层滑坡。
(2) 随着库水位升、降速率的加快,滑坡体内地下水位滞后效应愈发明显;稳定计算结果表明,随着库水位的上升稳定性不断降低。随着库水位的消落,稳定性不断上升。
(3) 库水位升降与降雨联合作用计算显示,随着汛期库水位的上升以及降雨量的增大,坡体内出现复杂的渗流特征,暂态饱和区不规则出现,并不断得到补充,地下水位线不断抬高,呈不规则变化,与地下水位监测数据基本相符;两者联合作用下滑坡体的稳定系数下降很快,且汛期后10 d左右达到最低值,此时的稳定性最差。
[1] |
胡成, 陈刚, 曹孟雄, 等. 基于离散裂隙网络法和水流数值模拟技术的地下水封洞库水封性研究[J]. 地质科技通报, 2022, 41(1): 119-126. doi: 10.19509/j.cnki.dzkq.2022.0029
Hu C, Cheng G, Cao M X, et al. A case study on water sealing efficieny of groundwater storage caverns using discrete fracture network method and flow numerical simulation[J]. Bulletin of Geological Science and Technology, 2022, 41(1): 119-126 (in Chinese with English abstract). doi: 10.19509/j.cnki.dzkq.2022.0029
|
[2] |
Oda M, Yamabe T, Kamemura K. A crack tensor and its relation to wave velocity anisotropy in jointed rock masses[J]. International Journal of Rock Mechanics and Mining Sciences & Geomechanics Abstracts, 1986, 23(6): 387-397.
|
[3] |
Kahraman S. The effects of fracture roughness on P-wave velocity[J]. Engineering Geology, 2002, 63(3): 347-350.
|
[4] |
韩嵩, 蔡美峰. 节理岩体物理模拟与超声波试验研究[J]. 岩石力学与工程学报, 2007, 26(5): 1026-1033.
Han S, Cai M F. Study on physical simulation of jointed rock mass and ultrasonic experiments[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26(5): 1026-1033 (in Chinese with English abstract).
|
[5] |
茹忠亮, 蒋宇静. 弹性纵波入射粗糙节理面透射性能研究[J]. 岩石力学与工程学报, 2008, 27(12): 2535-2539. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX200812025.htm
Ru Z L, Jiang Y J. Research on transmission behaviors of rough joint surfaces with elastic P-wave incidence[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(12): 2535-2539 (in Chinese with English abstract). https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX200812025.htm
|
[6] |
King M S, Myer L R, Rezowalli J J. Experimental studies of elastic-wave propagation in a columnar-jointed rock mass[J]. Geophysical Prospecting, 2010, 34(8): 1185-1199.
|
[7] |
Kurtulu C, Vckardes M, Sar U, et al. Experimental studies in wave propagation across a jointed rock mass[J]. Bulletin of Engineering Geology & the Environment, 2012, 71(2): 231-234.
|
[8] |
Miranda L, Cantini L, Guedes J, et al. Applications of sonic tests to masonry elements: Influence of joints on the propagation velocity of elastic waves[J]. Journal of Materials in Civil Engineering, 2013, 25(6): 667-682. doi: 10.1061/(ASCE)MT.1943-5533.0000547
|
[9] |
Li J C, Li N N, Li H B, et al. An SHPB test study on wave propagation across rock masses with different contact area ratios of joint[J]. International Journal of Impact Engineering, 2017, 105(7): 109-116.
|
[10] |
Chen X, Li J C, Cai M F, et al. A further study on wave propagation across a single joint with different roughness[J]. Rock Mechanics and Rock Engineering, 2016, 49(7): 2701-2709. doi: 10.1007/s00603-016-0934-z
|
[11] |
Chen X, Li J C, Cai M F, et al. Experimental study on wave propagation across a rock joint with rough surface[J]. Rock Mechanics and Rock Engineering, 2015, 48(6): 2225-2234. doi: 10.1007/s00603-015-0716-z
|
[12] |
Sebastian R, Sitharam T G. Transmission of elastic waves through a frictional boundary[J]. International Journal of Rock Mechanics and Mining Sciences, 2014, 66: 84-90. doi: 10.1016/j.ijrmms.2013.12.011
|
[13] |
王瑞红, 李万文, 刘杰, 等. 节理倾角对砂岩强度及物理特征的影响[J]. 长江科学院院报, 2018, 35(6): 70-74, 80.
Wang R H, Li W W, Liu J, et al. Influence of joint dip angle on strength and physical characteristics of sandstone[J]. Journal of Yangtze River Scientific Research Institute, 2018, 35(6): 70-74, 80 (in Chinese with English abstract).
|
[14] |
Li N N, Zhou Y Q, Li H B. Experimental study for the effect of joint surface characteristics on stress wave propagation[J]. Geomechanics and Geophysics for Geo-Energy and Geo-Resources, 2021, 7(3): 50. doi: 10.1007/s40948-021-00235-8
|
[15] |
Wang S W, Li J C, Li X, et al. Dynamic photoelastic experimental study on the influence of joint surface geometrical property on wave propagation and stress disturbance[J]. International Journal of Rock Mechanics and Mining Sciences, 2022, 149: 104985. doi: 10.1016/j.ijrmms.2021.104985
|
[16] |
解经宇, 陆洪智, 陈磊, 等. 龙马溪组层状页岩微观非均质性及力学各向异性特征[J]. 地质科技通报, 2021, 40(3): 67-77. doi: 10.19509/j.cnki.dzkq.2021.0302
Xie J Y, Lu H Z, Chen L, et al. Micro scopic heterogeneity and mechanical anisotropy of the laminated shale in Longmaxi Formation[J]. Bulletin of Geological Science and Technology, 2021, 40(3): 67-77 (in Chinese with English abstract). doi: 10.19509/j.cnki.dzkq.2021.0302
|
[17] |
Amos N. Effects of stress on velocity anisotropy in rocks with cracks[J]. Journal of Geophysical Research Atmospheres, 1971, 76(8): 2022-2034. doi: 10.1029/JB076i008p02022
|
[18] |
赵明阶. 二维应力场作用下岩体弹性波速与衰减特性研究[J]. 岩石力学与工程学报, 2007, 26(1): 123-130. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX200701017.htm
Zhao M J. Study on wave velocity and attenuation of rock mass in 2D stresses field[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26(1): 123-130 (in Chinese with English abstract). https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX200701017.htm
|
[19] |
Chong S H, Kim J W, Cho G C, et al. Preliminary numerical study on long-wavelength wave propagation in a jointed rock mass[J]. Geomechanics and Engineering, 2020, 21(3): 227-236.
|
[20] |
Kern H. Laboratory seismic measurements: An aid in the interpretation of seismic field data[J]. Terra Nova, 2010, 2(6): 617-628.
|
[21] |
伍法权. 岩体工程地质动力学基本原理[J]. 工程地质学报, 2011, 19(3): 304-316. https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ201103003.htm
Wu F Q. Principles of engineering geological dynamics of rock mass[J]. Journal of Engineering Geology, 2011, 19(3): 304-316 (in Chinese with English abstract). https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ201103003.htm
|
[22] |
Li X Y, Lei X L, Li Q, et al. Experimental investigation of Sinian shale rock under triaxial stress monitored by ultrasonic transmission and acoustic emission[J]. Journal of Natural Gas Science and Engineering, 2017, 43: 110-123. doi: 10.1016/j.jngse.2017.03.035
|
[23] |
Shen H M, Li X Y, Li Q, et al. A method to model the effect of pre-existing cracks on P-wave velocity in rocks[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2020, 12(3): 493-506. doi: 10.1016/j.jrmge.2019.10.001
|
[24] |
Tao M, Chen Z H, Li X B, et al. Theoretical and numerical analysis of the influence of initial stress gradient on wave propagations[J]. Geomechanics & Engineering, 2016, 10(3): 285-296.
|
[25] |
Mohd N M M, Song K I, Cho G C, et al. Long-wavelength elastic wave propagation across naturally fractured rock masses[J]. Rock Mechanics and Rock Engineering, 2014, 47(2): 561-573. doi: 10.1007/s00603-013-0448-x
|
[26] |
赵航, 李新平, 罗忆, 等. 裂隙岩体中弹性波传播特性试验及宏细观损伤本构模型研究[J]. 岩土力学, 2017, 38(10): 2939-2948.
Zhao H, Li X P, Luo Y, et al. Characteristics of elastic wave propagation in jointed rock mass and development of constitutive model by coupling macroscopic and mesoscopic damage[J]. Rock and Soil Mechanics, 2017, 38(10): 2939-2948 (in Chinese with English abstract).
|
[27] |
Dobróka M, Szabó N P, Dobróka T E, et al. Multi-exponential model to describe pressure-dependent P- and S-wave velocities and its use to estimate the crack aspect ratio[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2022, 14(2): 385-395.
|
[28] |
曹洋兵, 陈玉华, 张朋, 等. 单轴压缩条件下不同含水率黑云母二长花岗岩破坏特征与机制[J]. 地质科技通报, 2021, 40(3): 163-172. doi: 10.19509/j.cnki.dzkq.2021.0308
Cao Y B, Chen Y H, Zhang P, et al. Failure characteristics and mechanism of biotite monzogranite with different water content under uniaxial compression[J]. Bulletin of Geological Science and Technology, 2021, 40(3): 163-172 (in Chinese with English abstract). doi: 10.19509/j.cnki.dzkq.2021.0308
|
[29] |
ASTM. Standard test method for laboratory determination of pulse velocities and ultrasonic elastic constants of rock: D2845-2008[S]. West Conshohocken: US-ASTM, 2000.
|
[30] |
王卫华, 李夕兵, 胡盛斌. 模型参数对3DEC动态建模的影响[J]. 岩石力学与工程学报, 2005, 24(1): 4790-4797. https://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGYJ200508001033.htm
Wang W H, Li X B, Hu S B. Effect of model parameters on 3DEC dynamic modeling[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(1): 4790-4797 (in Chinese with English abstract). https://cpfd.cnki.com.cn/Article/CPFDTOTAL-ZGYJ200508001033.htm
|
[31] |
Kuhlemeyer R L, Lysmer J. Finite element method accuracy for wave propagation problems[J]. Journal of the Soil Mechanics and Foundations Division, 1973, 99(5): 421-427.
|
[32] |
黄真萍, 曾焕接, 曹洋兵, 等. 结构面刚度对岩体弹性纵波传播特性影响的数值模拟[J]. 福州大学学报: 自然科学版, 2019, 47(1): 107-112.
Huang Z P, Zeng H J, Cao Y B, et al. Numerical simulation on influence of discontinuity stiffness on the elastic P-waves propagation properties of rock mass[J]. Journal of Fuzhou University: Natural Science Edition, 2019, 47(1): 107-112 (in Chinese with English abstract).
|
[33] |
毕贵权, 李宁, 李国玉. 非贯通裂隙介质中波传播特性试验研究[J]. 岩石力学与工程学报, 2009, 28(1): 3116-3123. https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2009S1080.htm
Bi G Q, Li N, Li G Y. Experimental study on characteristics of wave propagation in media containing intermittent cracks[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(1): 3116-3123 (in Chinese with English abstract). https://www.cnki.com.cn/Article/CJFDTOTAL-YSLX2009S1080.htm
|
[34] |
Zhang X, Wang Z, Yang Z. Distinguishing oil and water layers in a porous cracked medium by interpreting acoustic logging data on the basis of Hudson theory[J]. Journal of Earth Science, 2017, 28(3): 500-506.
|
[35] |
Bandis S C, Lumsden A C, Barton N R. Fundamentals of rock joint deformation[J]. International Journal of Rock Mechanics and Mining Sciences, 1983, 20(6): 249-268.
|
[36] |
曹洋兵, 晏鄂川, 谢良甫. 考虑环境变量作用的滑坡变形动态灰色-进化神经网络预测研究[J]. 岩土力学, 2012, 33(3): 848-852.
Cao Y B, Yan E C, Xie L F. Study of landslide deformation prediction based on gray model-evolutionary neural network model considering function of environmental variables[J]. Rock and Soil Mechanics, 2012, 33(3): 848-852 (in Chinese with English abstract).
|
[37] |
Cao Y B, Feng X T, Yan E C, et al. Calculation method and distribution characteristics of fracture hydraulic aperture from field experiments in fractured granite area[J]. Rock Mechanics and Rock Engineering, 2016, 49(5): 1629-1647.
|
[38] |
符文熹, 尚岳全, 孙红月, 等. 岩体变形参数渐变取值模型及工程应用[J]. 工程地质学报, 2002, 10(2): 198-203. https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ200202019.htm
Fu W X, Shang Y Q, Sun H Y, et al. Application of progressively changing rock mass deformation parameters to rock mass engineering[J]. Journal of Engineering Geology, 2002, 10(2): 198-203 (in Chinese with English abstract). https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ200202019.htm
|
[39] |
魏建新, 狄帮让. 裂隙张开度对地震波特性影响的模型研究[J]. 中国科学: 地球科学, 2008, 38(增刊1): 211-218.
Wei J X, Di B R. Model study on influence of fracture opening on seismic wave characteristics[J]. Science Chinese: Earth Science, 2008, 38(S1): 211-218 (in Chinese with English abstract).
|
[1] | CHEN Kai,LIN Jun,NIE Liqing,et al. Prediction of the compression index and swell index of soft soils via an optimized multiple-output neural network[J]. Bulletin of Geological Science and Technology,2025,44(2):1-16. doi: 10.19509/j.cnki.dzkq.tb20240439. |
[2] | YAN Hui,LIN Peiyuan. An artificial neural network for standard penetration blow counts of karst strata in Shenzhen[J]. Bulletin of Geological Science and Technology,2025,44(2):1-17. doi: 10.19509/j.cnki.dzkq.tb20230705. |
[3] | ZHOU Linggang, HU Yiting, CHEN Xinwei, TU Feng, WU Zhaofeng, YU Yang, WANG Yanbing, MAN Yin, LI Weichao. Calculation of capacity and optimization design-composite slab wall soil solidification foundation based on neural network[J]. Bulletin of Geological Science and Technology, 2024, 43(6): 102-113. doi: 10.19509/j.cnki.dzkq.tb20230720 |
[4] | Automatic Detection of Effective Microseismic Events Based on U-Net Neural Network[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20230689 |
[5] | DENG Rilang, ZHANG Qinghua, LIU Wei, CHEN Lingwei, TAN Jianhui, GAO Zemao, ZHENG Xianchang. Collapse susceptibility evaluation based on an improved two-step sampling strategy and a convolutional neural network[J]. Bulletin of Geological Science and Technology, 2024, 43(2): 186-200. doi: 10.19509/j.cnki.dzkq.tb20220535 |
[6] | LU Yan, LIU Zongbin, LIAO Xinwu, LI Chao, LI Yang. Automatic classification of pore structures of low-permeability sandstones based on self-organizing-map neural network algorithm[J]. Bulletin of Geological Science and Technology, 2024, 43(6): 318-330. doi: 10.19509/j.cnki.dzkq.tb20240056 |
[7] | Rock Image Lithology Recognition Method Based on Lightweight Convolutional Neural Network[J]. Bulletin of Geological Science and Technology. doi: 10.19509/j.cnki.dzkq.tb20240348 |
[8] | Jing Shaodong, Xu Guohui, Wu Shangbin, Liu Xiaozhong, Li Zhihua, Liu Qianling, Liu Kangneng, Zhang Bin. Assessment of the water-sealed safety of underground crude oil storage based on a three-dimensional refined numerical model[J]. Bulletin of Geological Science and Technology, 2023, 42(6): 1-11. doi: 10.19509/j.cnki.dzkq.tb20220097 |
[9] | Zhao Jingbo, Liu Jian, Zhou Zhichao, Ji Ruili, Zhang Ming, Fu Xinyu. Parallel groundwater flow simulation method based on a discrete fracture network model[J]. Bulletin of Geological Science and Technology, 2023, 42(4): 55-64. doi: 10.19509/j.cnki.dzkq.tb20230078 |
[10] | Hou Lianlang, Liu Xiangjun, Liang Lixi, Shi Xin, Ma Xiugang, Cao Wen. Experimental investigation of the influence of pressure and temperature on the acoustic velocity and spectral characteristics of carbonate rocks[J]. Bulletin of Geological Science and Technology, 2023, 42(2): 170-177. doi: 10.19509/j.cnki.dzkq.2022.0157 |
[11] | Song Yixiang, Zhang Xiaobo, Huang Da. Stability prediction of landslide dams based on SSA-Adam-BP neural network model[J]. Bulletin of Geological Science and Technology, 2022, 41(2): 130-138. doi: 10.19509/j.cnki.dzkq.2022.0040 |
[12] | Hu Cheng, Chen Gang, Cao Mengxiong, Tang Liansong, Zheng Ke, Wang Jigang. A case study on water sealing efficieny of groundwater storage caverns using discrete fracture network method and flow numerical simulation[J]. Bulletin of Geological Science and Technology, 2022, 41(1): 119-126, 136. doi: 10.19509/j.cnki.dzkq.2022.0029 |
[13] | Wan Liming, Wu Jun, Lu Junkai, Liu Yi, Chen Mian. Brittleness evaluation method of tight sandstone based on Adam-neural network: A case study of a block in Gaobei slope, Nanpu Sag[J]. Bulletin of Geological Science and Technology, 2020, 39(2): 94-103. doi: 10.19509/j.cnki.dzkq.2020.0210 |
[14] | Zhu Yongqiang, . Propped Stimulation on Flow and Heat Exchange Characteristics of Single Fracture Granite[J]. Bulletin of Geological Science and Technology, 2018, 37(6): 288-297. |
[15] | Dai Miao, Du Ruilin, Liu Jian, Li Deqian, Wei Guichun, Shen Xuelin. Network Time-Delay Test and Analysis in Earthquake Early Warning System Based on TCP/IP[J]. Bulletin of Geological Science and Technology, 2016, 35(5): 238. |
[16] | Li Zhaohong, Liu Jinghua. Seepage Analysis of Water-sealed Petroleum Storage Cavern Based on the Theory of Discrete Crack Network Model[J]. Bulletin of Geological Science and Technology, 2016, 35(6): 212. |
[17] | Liu Jie, Liu Jiangping, Xu Hao, Gu Xiaodi. Difference Spectrum Method of Extracting Velocity Ratio of PS Converted Wave and Interface Dip[J]. Bulletin of Geological Science and Technology, 2015, 34(2): 214. |
[18] | Application of Stochastic Modeling and Genetic Neural Networks in Predicting Coalbed Methane Resources[J]. Bulletin of Geological Science and Technology, 2013, 32(6): 73. |
[19] | Evaluation of BP Neural Network Agricultural Land Suitability Based on SPSS and GIS[J]. Bulletin of Geological Science and Technology, 2013, 32(2): 138. |
[20] | Connectivity of Discontinuities of Deep Rock Mass in Water Sealed Underground Storage Cavern[J]. Bulletin of Geological Science and Technology, 2013, 32(1): 176. |
1. | 许艺林,李远耀,李思德,石浩. 库水位下降叠加降雨作用时堆积层滑坡渗流-变形机制. 地质科技通报. 2024(01): 216-228 . ![]() | |
2. | 雷天宇,杭丹,金志伟,陈哲. 河堤水位变化对堤岸的渗流影响. 陕西水利. 2024(05): 4-7 . ![]() | |
3. | 刘晶,左双英. 水位升降和降雨联合作用的岸坡流固耦合及失稳机理分析:以贵州平塘六硐南岸滑坡为例. 科学技术与工程. 2024(12): 4876-4886 . ![]() | |
4. | 袁维,籍晓蕾,王东坡,管凯歌,裴子豪,钟辉亚,唐佳,孙瑞峰,王伟,郑贺民,郭帅杰,李红旭. 降雨和库水位变动联合作用下滑坡位移加权反分析及监测预警方法. 测绘学报. 2024(05): 917-932 . ![]() | |
5. | 刘涛,张明,王立朝,杨龙,殷保国. 甘肃舟曲江顶崖古滑坡形成演化机理与堆积体稳定性评价. 地质科技通报. 2024(03): 266-278 . ![]() | |
6. | 胡惠华,陈鑫,胡新红,彭元生. 基于排水固结效应的古滑坡稳定性增长分析. 路基工程. 2024(04): 27-33 . ![]() | |
7. | 冀文雅,李甜,徐向舟,李依杭,郭胜利. 基于稀土元素示踪技术的库岸崩滑土体堆积特征研究. 水资源与水工程学报. 2024(05): 164-171+180 . ![]() | |
8. | 边宏光,王顺,马海善,辛鹏. 基于随机场理论的土石混合体边坡稳定性. 地质科技通报. 2024(06): 162-170 . ![]() | |
9. | 刘清,甘建军,陈浩,李小明,周国彬. 赣东小型土质滑坡形成机理及降雨因子稳定性评价. 地质科技通报. 2024(06): 235-243 . ![]() | |
10. | 陈龙飞,林棋文,邓安,何蕃民,王植. 饱和-非饱和渗流作用下土质库岸路基稳定性分析. 路基工程. 2024(06): 191-197 . ![]() | |
11. | 余沛. 基于库水位变化的南湾滑坡三维数值模拟. 河北水利电力学院学报. 2024(04): 17-22 . ![]() | |
12. | 谢鑫鹏,杨龙,张明,焦伟之,李成文,谢骏锦. 初始土体含水率对泥石流方量影响的数值模拟. 安全与环境工程. 2023(01): 155-162 . ![]() | |
13. | 马泽瑞,涂鹏飞. 三峡库区兰陵溪滑坡形成机理及稳定分析. 三峡大学学报(自然科学版). 2023(03): 37-42 . ![]() | |
14. | 宋宜祥,管景华,李彦奇,黄达. 反粒序砂土体内侵蚀及渗流特性变化规律试验研究. 地质科技通报. 2023(03): 16-27 . ![]() | |
15. | 柏威伟. 三板溪水库南孟溪堆积体演化机制与稳定性评价. 安全与环境工程. 2023(03): 161-170 . ![]() | |
16. | 江俊杰,刘东泽,卢应发. 库水位降落与降雨耦合作用下鸡脑壳包滑坡变形分析. 中国农村水利水电. 2023(09): 236-243 . ![]() | |
17. | 梁学战,陈洪凯,刘彬. 三峡库区典型土质滑坡抗剪强度参数的敏感因素分析——以神女溪青石滑坡为例. 防灾科技学院学报. 2023(03): 10-17 . ![]() | |
18. | 贾伟,罗昌宏,董钊,汪鸣飞,刘小红,包刘磊. 铜矿岭不稳定斜坡类型识别与工程地质分区. 地质科技通报. 2022(02): 91-103 . ![]() | |
19. | 王剑非,刘昆珏,周文皎,张玉芳,王艳昆,范家玮. 香丽高速公路昌格洛滑坡-隧道工程病害三维数值分析. 地质科技通报. 2022(02): 34-43 . ![]() | |
20. | 栗倩倩,史绪山,柴波,王伟. 台风-非台风降雨型滑坡的多时段临界雨量值预测模型. 地质科技通报. 2022(02): 267-273 . ![]() | |
21. | 袁安森. 三淅高速灵卢段山体滑坡稳定性评价及治理措施研究. 中国水能及电气化. 2022(08): 15-19+29 . ![]() | |
22. | 安鹏举,鲁莎,唐辉明,孙思璇,张子涵,缪明昊. 渗透作用下滑带细观结构演变特性. 地质科技通报. 2022(06): 169-179 . ![]() | |
23. | 徐庆杰,刘勇,詹伟文,郭敬楷,李星瑞. 基于生成对抗网络的动水驱动型滑坡状态识别方法. 地质科技通报. 2022(06): 129-136 . ![]() | |
24. | 刘艺梁,唐玄,许方党,宋琨,陈健翔,薛欣,高晨曦,易庆林. 基于滑体渗透性与库水变动的滑坡变形滞后规律研究. 地质科技通报. 2022(06): 105-112 . ![]() |
岩土分类 | 天然重度/(kN·m-3) | 饱和重度/(kN·m-3) | 渗透系数/(m·s-1) | 抗剪强度 | 饱和体积 含水率/% |
|
c/kPa | φ/(°) | |||||
滑体 | 22.0 | 22.5 | 1×10-4 | 80 | 33.0 | 22 |
滑带 | 20.3 | 20.8 | 3×10-5 | 23 | 29.4 | 34 |
基岩 | 26.8 | 27.6 | 1×10-9 | 2 000 | 45.0 | - |