一种集渗透变形特征判别与抗渗梯度预测于一体的方法与流程

1.本发明属于水利工程的技术领域，具体涉及一种集渗透变形特征判别与抗渗梯度预测于一体的方法。


背景技术：

2.渗透破坏为一种堤坝、堰塞体等结构本身或地基上较为常见的破坏现象，其破坏类型主要有流土、管涌、过渡三类。材料产生渗透破坏时相应的水力梯度为抗渗梯度。快速准确确定材料在实际运行环境中的渗透破坏类型及其抗渗梯度，对于堤坝工程设计、堤坝和堰塞体渗流安全评估与应急抢险等均具有重要的工程意义。
3.当前的试验与理论研究表明，渗透破坏类型及其抗渗梯度受到材料级配、密实度、应力状态等影响，但现有的渗透破坏类型破坏准则及抗渗梯度预测公式多是仅考虑颗粒级配，且存在如下不足之处：一是没有考虑材料赋存的应力状态及密实度等影响，导致普适性不足，不能用于堰塞体、疏松坝基等，且抗渗梯度也难以代表各材料实际工作状态下的性能；二是考虑颗粒级配时，仅用细颗粒含量、d15/d85等个别参数来表征颗粒级配曲线的整体特征，而没有考虑整个颗粒级配曲线，较为片面；三是渗透破坏类型判别和抗渗梯度不能同时开展，需分别用不同的方法计算。
4.目前的研究与工程应用中，一般还通过渗流试验对不同土体的渗透破坏类型和抗渗梯度进行测定。对于不同的土样，其级配特征、材料物理性质、赋存应力状态等均会对其抗渗梯度产生影响，而在研究实际工程建筑或地基土样的渗透特性时，难以在室内渗透破坏试验中准确地对其级配特征、土料物理性质、赋存应力状态等进行还原设置，故测定的抗渗梯度也存在偏差。如果在应急处置的条件下，还需通过现场取样、试样运输、室内试验的方法来确定抗渗梯度，往往不能满足应急的及时需求。


技术实现要素：

5.本发明的目的在于针对现有技术中的上述不足，提供一种集渗透变形特征判别与抗渗梯度预测于一体的方法，以解决或改善上述的问题。
6.为达到上述目的，本发明采取的技术方案是：
7.一种集渗透变形特征判别与抗渗梯度预测于一体的方法，其包括以下步骤：
8.s1、将渗流试验历史数据作为训练样本，并构建渗流试验数据库；
9.s2、对训练样本进行数据清洗，根据重力确定无应力条件下数据的平均有效应力，并获得数据集；
10.s3、切分数据集，将训练样本按比例切分为训练集和测试集；
11.s4、基于因果模型的ie深度学习网络，加载预训练参数，构建集渗透破坏类型判别与抗渗梯度预测于一体的智能分析网络模型；
12.s5、对测试集进行测试，根据误差概率优化智能分析网络模型，得到用于渗透破坏风险快速评估的优化智能分析网络模型；
13.s6、根据现场工况，基于优化智能分析网络模型，快速评估堰塞体、土石坝的渗透破坏类型及是否产生渗透破坏。
14.进一步地，步骤s1中渗透破坏类型标签包括流土、过渡和管涌。
15.进一步地，步骤s3切分数据集中，渗透破坏类型标签与测试集中的渗透破坏类型标签一致。
16.进一步地，步骤s4基于因果模型的ie深度学习网络，加载预训练参数，构建集渗透破坏类型判别与抗渗梯度预测于一体的智能分析网络模型，包括以下步骤：
17.s4.1、构建网络输入层input
‑
factor，输入层参数包括颗粒级配、孔隙率、应力状态和渗流方向；
18.s4.2、构建网络输出层output
‑
ie,输出层参数包括渗透破坏类型和抗渗梯度；
19.s4.3、开展监督学习，调整构建深度学习网络的隐藏层数和各隐藏层单元数，得到智能分析网络模型。
20.进一步地，颗粒级配包括：d10、d20、d30、d40、d50、d60、d70、d80、d90、d100；应力状态包括垂向应力和静止土压力系数；渗流方向包括垂直向下、垂直向上和水平。
21.进一步地，步骤s6根据现场工况，基于优化智能分析网络模型，快速评估堰塞体、土石坝的渗透破坏类型及是否产生渗透破坏，包括以下步骤：
22.s6.1、对于应急处置的堰塞体，获取堰塞体现场工况参数，包括堰塞体高h、长l、颗粒级配、孔隙率和估测压力；
23.s6.2、将步骤s6.1中的现场工况参数颗粒级配、孔隙率和估测压力输入优化智能分析网络模型中，快速评估渗透破坏类型并输出抗渗梯度；
24.s6.3、根据堰塞体高h和长l，计算水位壅高漫顶前的最大水力比降i；
25.i＝h/l
26.s6.4、若步骤s6.2输出抗渗梯度大于最大水力比降i，则判定漫顶破坏，若输出抗渗梯度小于最大水力比降i，则判定为渗透破坏。
27.本发明提供的集渗透变形特征判别与抗渗梯度预测于一体的方法，具有以下有益效果：
28.1、本发明结合渗透破坏类型及抗渗梯度与各项影响因素的关系，建立智能分析网络模型，并利用现有试验数据和参数对模型进行深度学习训练，从而可以对土样在实际赋存环境中的渗透破坏类型与抗渗梯度同时进行快速判别和预测。
29.2、本发明适用范围广，可应用于堰塞体、疏松覆盖层坝基、土石坝坝体、堤基等。
30.3、考虑因素全面且代表性强、评估准确性高：可以考虑整个级配曲线，实现大坝加载、不同位置渗透风险的评估。
31.4、多风险因素同时评估，同时实现渗透破坏类型判别和抗渗梯度预测。
32.5、使用方便、快速、智能，非专业人员也可以利用手机拍照评估渗透破坏风险，可以针对实际情况快速评估，满足应急条件下的渗透破坏风险评估。
附图说明
33.图1为集渗透变形特征判别与抗渗梯度预测于一体的方法的流程框图。
34.图2为智能分析网络抗渗梯度预测精度。
具体实施方式
35.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
36.实施例一，参考图1，本方案的集渗透变形特征判别与抗渗梯度预测于一体的方法，具体包括：
37.步骤s1、将渗流试验历史数据作为训练样本，并构建渗流试验数据库；
38.步骤s2、对训练样本进行数据清洗，根据重力确定无应力条件下数据的平均有效应力，并获得数据集；
39.步骤s3、切分数据集，将训练样本按比例切分为训练集和测试集；
40.步骤s4、基于因果模型的ie深度学习网络，加载预训练参数，构建集渗透破坏类型判别与抗渗梯度预测于一体的智能分析网络模型；
41.步骤s5、对测试集进行测试，根据误差概率优化智能分析网络模型，得到用于渗透破坏风险快速评估的优化智能分析网络模型；
42.步骤s6、根据现场工况，基于优化智能分析网络模型，快速评估堰塞体、土石坝的渗透破坏类型及是否产生渗透破坏。
43.本发明通过研究确定出不同土体对于其发生渗透破坏时渗透破坏类型与抗渗梯度的影响因素，并根据已有试验参数及数据结论，进行深度学习训练，以判别实际赋存环境中的渗透破坏类型，并同时预测其抗渗梯度，从而可以实现应急条件下的渗透破坏风险快速评估。
44.实施例二，以下将对实施例一的步骤进行详细。
45.步骤s1、搜集并处理国内外已有的渗流试验数据作为训练样本，其中，渗透破坏类型标签包括流土、过渡和管涌三类。
46.步骤s2、对步骤s1中收集的训练样本数据进行数据清洗，对于无应力条件下的数据，依据重力确定其平均有效应力，获得数据集。
47.步骤s3、切分数据集，将训练样本按比例切分为训练集和测试集，在切分数据集中，保证渗透破坏类型标签与测试集中的渗透破坏类型标签一致。
48.步骤s4、搭建基于因果模型的ie深度学习网络，并加载预训练参数，形成集渗透破坏类型判别与抗渗梯度预测于一体的智能分析网络模型，确定权重值，期具体步骤包括：
49.步骤s4.1、构建网络输入层input
‑
factor，深度学习网络的输入层参数有16个，分别为颗粒级配(d10、d20、d30、d40、d50、d60、d70、d80、d90、d100，其中，dn为小于某粒径的土颗粒含量为n％时对应的粒径)、孔隙率、应力状态(垂向应力和静止土压力系数)、渗流方向(垂直向下、垂直向上、水平)；
50.步骤s4.2、构建网络输出层output
‑
ie，深度学习网络的输出层参数为4个，分别为渗透破坏类型(流土、过渡和管涌)和抗渗梯度；
51.步骤s4.3、开展监督学习，调整确定所建深度学习网络的隐藏层数及各隐藏层单元数。
52.步骤s5、对于测试集进行测试，取误差概率作为步骤s4所构建的集渗透破坏类型
判别与抗渗梯度预测于一体的分析网络模型优化标准，确定最终可用于渗透破坏风险快速评估的智能模型，即优化后的智能分析网络模型，也叫优化智能分析网络模型。
53.步骤s6、针对堰塞体、土石坝等应急处置，根据工程现场的实际条件，利用训练后的深度学习网络模型，快速评估渗透破坏类型及是否产生渗透破坏。
54.其具体包括：
55.步骤s6.1、针对应急处置的堰塞体等，根据工程现场的实际条件，初步确定堰塞体几何尺寸(高h、长l)、颗粒级配、孔隙率与估测压力，其中颗粒级配采用多位置手机拍照后，经图像识别自动输出s1所需的d10、d20、d30、d40、d50、d60、d70h、d80、d90、d100及孔隙率，应力状态采用高度等估算；
56.步骤s6.2、采用训练后的智能分析网络模型，输入现场s6.1确定的材料级配、孔隙率与估测压力及渗流方向，快速评估渗透破坏类型及抗渗梯度；
57.步骤s6.3、根据堰塞体几何尺寸，计算水位壅高漫顶前的最大水力比降i；
58.i＝h/l
59.其中，h为堰塞体或堤坝高度，l为水平向渗流长度。
60.步骤s6.4、若步骤s6.2输出抗渗梯度大于最大水力比降i，则判定漫顶破坏，若输出抗渗梯度小于最大水力比降i，则判定为渗透破坏。
61.实施例三，对于某堰塞体的快速分析。某堰塞体高约100米，长约600米，迎水面坡比为1:2，背水面坡比为1:3。需要现场快速判断溃决模式，从而为应急处置措施的决策提供支撑。鉴于室内试验方法虽然准确，但不满足应急的需求，因此采用本方法开展快速评估。
62.步骤s6.1和s6.2确定的抗渗梯度下限为0.5。
63.步骤s6.3、堰塞体的水力比降估算为i＝h/l＝100/(600
‑2×
100)＝0.25
64.步骤s6.4、步骤s6.2输出抗渗梯度0.5，大于最大水力比降估算值i＝0.25，则判定漫顶破坏，开采取开槽等方式进行应急处置。
65.虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。