广义Bayes法在裂隙岩体渗透系数随机反演中的应用 Application of generalized Bayesian method to stochastic analysis of fissured rock permeability coefficient.pdfVIP

水 利 学 报 2008年4月 SHUIUXUEBAO 第39卷第4期 文章编号：0559．9350(2008)04．0419．07 广义Bayes法在裂隙岩体渗透系数随机反演中的应用 郑桂兰1，王 媛2，王 飞2 (1．河海大学交通学院，南京210098；2．河海大学土木学院，南京210098) 摘要：工程中由于存在各种随机因素，采用确定性的渗流分析方法进行渗透系数的反演必然会导致结果的不确定 性。本文基于渗流场的随机有限元分析方法，结合变尺度优化算法和广义Bayes法，建立了一种渗透系数的随机反 演方法，推导了详细的计算公式。该方法不仅考虑量测水头、渗透系数的随机性，还考虑了边界水头的随机性，不 仅可以获得渗透系数的均值反演结果，还可以得到标准差的反演结果。最后将该法应用于重力坝坝基渗流算例分 析中，以渗流有限元正分析计算结果作为“假想”的实测点水头值，通过随机反演，同时获得渗透系数均值与标准差 的反演结果，将输入信息与反演结果对比分析，验证了渗透系数和标准差反演结果的正确性。 关键词：渗透系数；随机反演；广义Bayes法；变尺度法 中图分类号：TVl39．1 文献标识码：A 1研究背景 对渗流场进行分析计算时，渗透系数如何确定是一个至关重要的问题，它的取值直接影响渗流场中 水头、流速等的分布情况。传统的确定渗透系数的方法往往通过现场压水试验由J．Dupuit公式或C．V． Thesis公式解析求解实际渗流场的渗透系数。但是这两个公式只在渗流介质和边界条件比较简单的情 况下才适用。在工程实际中，渗流介质和边界条件往往都比较复杂，尤其在非均质各向异性的裂隙岩体 中，要想用解析公式求解渗透系数或渗透张量则更加困难。基于上述原因，在少量试验的基础上，对渗 透系数的反演研究成为一个新的研究方向，即根据测压管水头等易于观测的量来推求渗透系数。在传 统的确定性反演中，依据反演计算的原理不同，目前出现的主要数值法可分为脉冲谱法、数值优化方法 3等 学者基于人工神经网络反演求解了含水层的导水系数，刘先珊为了克服经典神经网络存在的缺陷，提出 了模拟退火的交替迭代算法神经网络新方法和径向基函数神经网络(RBFNN)H1，何翔将遗传算法和神 经网络相结合进行岩体渗透系数的反演b1。在数值优化算法中，现在用的比较多的是拟线性优化算法 和非线性优化算法。其中刘杰用改进的遗传算法进行了渗透系数反演M。，霍再林采用基于实码的加速 遗传算法(RAGA)对水文地质参数进行了反演]，杨松桥将遗传算法和模拟退火算法相结合，建立遗传 模拟退火算法以保证反演结果的全局最优性并提高收敛速度[3】，王桂林用复合型优化算法进行了渗透 系数反演‘引。 然而，由于工程中客观存在的随机因素(如水头和渗透系数的随机性)会导致监控量测数据的随机 性，而且由多种原因引起的监控数据的误差，使得量测数据又具有不确定性，如果渗流场的水头可以描 述为一个随机变量，渗流场水头值的变化过程则可以描述为一个随机过程。此时，传统的确定性反分析 收稿日期：2007．．05—29 (20040294003) 作者简介：郑桂兰(1966一)，女，江苏人，硕士，讲师，主要从事交通工程方面的研究。E-mail：zhen99166@sina．Ⅲ 一419— 万方数据 对解决这一问题已显得力不从心，因此，有必要对渗透系数进行随机反演研究。在随机反演方面，根据 近法、Kalman滤波法等。对于渗透参数的随机反演，国内尚不多见。本文基于渗流场求解的有限单元 法的正算程序，结合变尺度法利用广义Bayes法对二维有压稳定渗流场的渗透系数进行了随机反演分 析。所谓广义Bayes法即考虑多种随机因素影响的Bayes法n引，本文还考虑了边界水头的随机性，黄宏 伟等提出了考虑荷载、变形不确定性(普通贝叶斯法分析一般只考虑变形的不确定性)的贝叶斯广义参 数反分析¨