考虑不确定性的土水特征曲线模型确定方法比较研究

土水特征曲线(SWCC)描述了非饱和土中体积含水量(或有效饱和度)与压力水头(或基质吸力)之间的关系。SWCC作为非饱和土力学中的基本函数,可用于研究非饱和土的抗剪强度、渗透特性以及变形特性等,在非饱和土力学应用中发挥着重要作用。工程实践中,通常可采用直接试验方法测得SWCC数据。由于直接试验方法条件苛刻且耗时较长,难以获得体积含水量范围内完整的SWCC数据。在有限试验数据条件下,如何更好的选择SWCC模型是一个关键问题。本文系统对比了考虑不确定性条件下解决该问题的3种方法,即贝叶斯模型比选方法(Bayesian)、Akaike information criterion(AIC)识别准则和Bayesian information criterion(BIC)识别准则。首先介绍了上述3种模型比选方法;然后,采用UNSODA数据库中试验数据开展研究,分别从拟合度和罚值2个方面综合比较3种方法在SWCC模型比选过程中的差异。结果表明:给定试验数据条件下,3种方法所确定的最优SWCC模型不尽相同,Bayesian方法在考虑模型罚值的同时更好地反映了试验数据信息,AIC、BIC准则中不同SWCC模型的拟合度可能十分接近,此时模型比选结果受模型罚值影响显著。     

考虑经验模型不确定性的基坑开挖贝叶斯更新

基坑开挖工程中,最大地表沉降的预测及其失效概率的评估一直是工程师所关心的关键问题。以往在利用经验模型对最大地表沉降进行预测时,模型误差通常被忽略或者视为常数,与实际情况不符。本文提出了一种能够考虑经验模型不确定性的贝叶斯更新方法,将模型偏差系数视为随机变量,并利用现场观测数据对其进行不断更新,更新结果可用于后续阶段的基坑开挖最大地表沉降和失效概率的预测。以台北TNEC基坑开挖为例,将所提方法应用于Peck模型、Ou模型、KJHH模型等3种经验模型。结果表明:3种模型一般都会高估最大地表沉降,其中Peck模型偏差最大,KJHH模型次之,Ou模型最小,而KJHH模型偏差比Ou模型的变异性更小,通过所提方法可以有效考虑模型不确定性的影响;随着开挖的进行,基于KJHH模型的计算结果相比其它2个模型更加准确;在所研究的算例中,监测数据随着开挖的进行而增加,使得模型偏差系数和土体参数的不确定性降低,最终导致基坑失效概率的降低。