路基边坡降雨试验及基于神经网络的水分场研究

• 作者: 吴谦 张兆楠 张志敏 王天佐 王常明 黄晓虎
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 路基边坡 土体体积含水率 遗传算法神经网络 预测模型 入渗过程
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 地质工程·土木工程
• 页码范围: 1237-1244
• 页数: 8页
• 分类号: TU444
• 字数: 4574字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2016.04.021

摘要

为了研究降雨条件下路基边坡土体含水率的变化规律及雨水入渗过程,进行一系列不同降雨强度、不同坡度条件下的室内降雨模拟试验.以土体含水率受降雨历时、土体空间位置、坡度和降雨强度这4个因素作为输入单元,体积含水率作为输出单元,选取试验数据输入训练,建立含水率的遗传算法神经网络预测模型.预测检验后,利用神经网络对2.7 mm/min降雨强度下40°边坡的降雨入渗过程进行预测研究.研究结果表明:对于路基边坡,当土的性质、压实度、排水等条件相同时,土体含水率受降雨历时、土体空间位置、坡度和降雨强度这4个因素共同影响;随降雨的进行,土体含水率逐渐增加,浸润范围不断增大,受空间位置影响距入渗面越远则含水率变化滞后,增长速率及幅度减小;在相同雨强下,不同坡度边坡坡顶土体含水率变化过程相似,而随坡度的增大,坡脚土体含水率的增长速率及幅度逐渐减小;随雨强的增加同一边坡相同位置处土体含水率越早开始增大,其增长速率及幅度也随之增加;利用所建立的含水率遗传算法神经网络预测模型所得入渗结果与试验观测结果接近,表明该神经网络方法能较好地描述路基边坡土体含水率的变化情况及雨水的入渗过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王常明	吉林大学建设工程学院	85	1190	20.0	31.0
2	张志敏	吉林大学建设工程学院	10	29	4.0	5.0
3	张兆楠	吉林大学建设工程学院	10	21	4.0	4.0
4	吴谦	吉林大学建设工程学院	9	57	4.0	7.0
5	王天佐	吉林大学建设工程学院	7	55	4.0	7.0
6	黄晓虎	吉林大学建设工程学院	2	20	2.0	2.0