饱和砂土地震液化怎样计算

饱和砂土地震液化怎样计算
饱和砂土地震液化怎样计算

饱和砂土地震液化怎样计算
饱和砂土地震液化研究方法概述


时间：2006-12-13



【摘 要】国内外研究人员在砂土液化机理、影响因素和判别方法等方面进行了深入的研究,取得了一定的成果.本文概述了广泛使用的砂土液化判别方法,评述了其优缺点,重点介绍了判别砂土液化新方法的研究动态.
【关键词】饱和砂土液化；动力分析方法；可视化评价模型；人工神经网络；BP算法

1 研究砂土地震液化的意义
1960年以来,世界范围内地震活动频繁,特别是1964年日本新泻地震、美国阿拉斯加地震引起的饱和砂土液化和地基失效,造成结构大规模破坏.地震引起的砂土液化,使地基部分丧失承载力和产生不均匀沉降,导致房屋开裂或倾斜,甚至使地基和边坡滑移、房屋倾倒,给人类带来巨大灾难.因此,进一步深入研究砂土液化机理、影响因素以及准确判别土基地液化及危害程度预测显得特别重要.
2 砂土液化的概念
“液化”一词的定义比较多,也略有不同,但不存在原则上的分歧.例如：1978年美国土木工程师协会岩土工程分会土动力学委员会对“液化”一词的定义就是“液化—将任何物质转变为液态的作用或过程”；美国的Seed H.B.对土液化的概念性解释为“峰值循环孔隙水压力比（峰值循环孔隙水压力与初始有效约束压力之比）到达100%的初始液化”；汪闻韶给无粘性土液化的定义是“物质从固体状态转化为液体状态的行为和过程”,称为“液化”.宏观上表现为土体出现类似液体的状态.土体液化主要在饱和无粘性土或稍具粘性的土中发生.在不排水条件下,在重复或单方向的荷载作用下,其超孔隙水压力增加,有效应力减小,抗剪强度降低甚至消失,由固体状态转变为液体状态.
3 砂土液化的研究现状
3.1 震动液化的机理
地基液化的震害现象早己为人熟知,强烈液化的宏观标志是“喷水冒砂”和建筑物严重沉降、失稳.但对液化机理的认识,却有两种明显不同的观点.
一种观点从液化的应力状态出发,液化条件为土的法向有效应力σ´＝0,土不具有任何抵抗剪切的能力.这种观点以Seed为代表.当土在动荷作用下的任何一个瞬间开始出现这种应力状态时,即认为土达到了初始液化状态.此后,在往返荷载的持续作用下,轮番出现初始液化状态,表现出土的往返活动性,使土的动变形逐渐积累,最后出现土的整体强度破坏或超过实际容许值的变形失稳.这种过程均需有初始液化状态的出现,否则将不会有液化破坏.从这一观点出发,液化的研究将着重于确定饱和砂土达到初始液化的可能性及其范围,同时视初始液化的点或范围内的土具有零强度值,来分析土体的应力、应变以及稳定性.
另一种观点从土体位移,变形的角度出发,不必达到初始液化的应力条件.土体由于结构破坏和孔压上升而引起的强弱化,出现具有液化状态的流动破坏,就认为土体已经液化.这种观点以Castro,Robertson等人为代表.在这种观点中,应用了Casagrande提出的临界孔隙比ecr(ecr是指剪切过程中既无剪缩又无剪胀的孔隙比)的概念,将土分为剪缩性土和剪胀性土,并提出了稳态变形和稳态强度的概念.所谓稳态变形是指土在一定常法向有效应力和一定常剪应力作用下产生的常体积和常速度连续变形的状态(即流动变形),此时的剪应力即稳态强度.Casagrande在固结不排水三轴试验中采用定荷加载(dead-load increments)方式,在实验室内观察到了“流动结构”的现象,由于具体的条件不同,这种流动破坏具有不同的形态.
3.2 砂土液化的影响因素
土在振动作用下是否液化,主要与土的性质、地震前的应力状况、震动的特性等因素有关.归纳起来可以简单地分为内因和外因两种.胡定和张利明将前人的研究成果列为下图,较为全面地总结了土体液化的已知因素.土质条件、排水条件、静力条件为内因,动力条件则为外因.
图1 液化影响因素（引自胡定和张立明 1991）
由图1可知,地基液化影响因素众多,且研究表明众因素对地基液化的影响呈高度的非线性.现在还很难用统计、简化的模型、单一弹性体理论或塑性理论,甚至包括弹塑性理论来进行准确判别地基液化和危害程度评估.
3.3 无粘性土液化判别及危害程度评价方法
液化判别是指地基是否发生液化,液化危害程度是指地基液化程度.传统液化判别和危害程度评价方法多是在宏观地震灾害现象资料、现场试验和室内试验基础上总结、分析、统计得出的规律.目前液化危害程度评价的量化公式较少,常用方法有液化指数法、概率分析方法以及用震陷值或结合谱烈度比方法来综合评价液化等级[20].国内外用于砂土液化的判别方法种类繁多.但由于影响砂土液化问题的复杂性,每种方法都有一定的运用范围和局限性.
传统土液化判别方法大致可归纳为现场实验、室内实验、经验对比[3]、动力分析四大类.
（1）现场试验方法
其判别法基本原理是：在宏观地震液化和非液化区域,依据现场试验测得判别指标的数据,通过分析、统计和总结,建立与宏观地震灾害资料之间的关系,得出经验公式或液化分界线来判别液化与否.主要包括标准贯入临界击数判别法（SPT）、静力触探法（CPT）、剪切波速法、瑞利波速法、能量判别法.
此类方法比较直观且可以考虑多个影响饱和砂土液化的因素,许多建筑物抗震设计规范都是采用此类方法；避免了室内试验中土样扰动等问题,具有较强的实用性和可靠性.但也存在一些不足：
一是需要大量的地震现场统计样本,已经累计的各类土体液化现场试验数据还比较少.例如尽管剪切波速法具有物理意义明确、波速值离散性小、预测可靠性高、可重复、经济性好、快速等优点,但过去的一些地震现场资料中,没有剪切波速的记录.
二是地基液化调查资料多是在自由场地取得的,一般说此类方法适用于自由场地的液化判别.
三是此类方法建立在地震现场的液化实例基础上,具有地区区域性,通用性不够理想,应用于某些地区的不同土层或不同烈度时精度不高.
（2）室内试验方法
这类方法根据室内试验模拟现场条件确定土体的抗液化强度,同时用设计地震资料计算地震动应力指标,比较两者大小判别液化与否.研究人员采用的主要室内试验有：各种类型的循环三轴压缩试验、共振柱试验、循环剪切、循环扭剪、振动台、离心机模型试验.这类方法以Seed和Idriss提出的抗液化剪应力法为代表,还有以后改进的一系列方法以及基于其基本思想提出的其它判别法.
此类方法主要用于判别在大型建筑物地基中和土工结构物中的饱和砂土体的液化.它可根据建筑物的具体形状、场地边界、排水条件等在实验室中进行模拟,并根据实际经验对结果给予修正.此类方法存在取样困难、应力释放和试样应力状态与土基差异较大等缺陷.因此,试验参数确定以及如何更好地模拟土体的现场情况是提高室内试验方法判别可靠度的关键.
（3）经验对比
根据宏观震害总结的经验,提出的液化判别标准.例如Seed和水利水电工程地质勘察部门提出的相对密度判别法.
（4）动力分析方法
动力分析方法主要有等效线性总应力动力分析法和有效应力动力分析法[1]两种.前者不考虑孔隙水压力的升高对土动力特性的影响,后者则反之.为了考虑土的非线性特性,主要采用有限元法评价土体的液化特性的动力分析方法来处理此类问题.
动力分析方法适用于自由场地,也适用于判别重要建筑物地基中和土工结构中饱和土体液化(土体的受力状态和几何边界比较复杂,需要单独的试验研究和计算分析).它综合考虑了地震动力特性、地形地质条件、荷载作用、边界条件等多种因素的影响,还可以研究地震过程中及以后液化区的发生、发展过程.
但动力分析方法需要由室内试验确定土的若干动力特性参数以及复杂的计算分析,因此在实际工程中应用的较少,目前只在一些重大工程中适用[2,15,16].
4 砂土液化研究新方法的动态
随着计算技术的发展和数学理论的完善,目前还出现了一些通过严谨的数学方法将各指标统一起来进行判别的方法[2 ].中国科学院工程力学研究所地基研究室采用非线性的判别函数进行分析,建立了多元统计分析方法的液化势公式;采用模糊层次综合评判方法进行液化判别,例如模糊聚类分析[5]、模糊概率分析[6,7].此法需要对各个选取指标赋予不同的权重,权值的选取带有主观性和随意性,导致结果失真；基于地震作用下饱和砂土体系中内部信息部分己知,部分未知的灰色系统,反映液化可能性的指标值是通过一些灰数的原理进行计算分析的.用灰色理论进行预测,当原始数据序列波动较大且信息过于分散时,预测的精度会降低;采用突变理论对地震液化资料进行系统分析,得出的液化判别方法.另外,还有基于GIS的砂土液化可视化评价模型和人工神经网络方法（ANN）评价方法,下文将重点介绍.
4.1 基于GIS的砂土液化可视化评价模型
地理信息系统(Geographic Information Systems 简称GIs)是一种具有存储、管理、分析、显示与应用地理信息的计算机系统,是分析和处理海量地理数据的通用工具,在最近的几十年里取得了惊人的发展[8,9].其应用领域非常广泛,目前有人借助GIs平台对开发砂土液化可视化评价模型进行了一些分析和探讨.
其基本思理是：建立空间数据库,用于储存、管理调查点处土的各项性质数据、SPT与CPT数据、室内三轴试验、场地地震设防等级、地形地貌,地质、构造等特征数据；构建砂土液化评价的分析模型；调用空间数据库相关数据,通过模型判别液化可能区域、灾害评价及防治处理,最终形成可视化.
优点是通过计算机实现砂土液化的可视化分析和分析成果可视化,而且信息丰富、使用方便、交互性好;砂土液化评价的分析模型综合考虑了影响土体液化的因素和研究成果.
4.2 人工神经网络方法判别饱和砂土液化
随着人工神经网络(Artificial Neural Network,简称ANN)理论的不断发展和完善, 许多人开始用ANN方法研究评价饱和砂土液化问题.人工神经网络是一种非线性动力学系统,具有良好的自适应性、自组织性及很强的学习、联想、容错、抗干扰能力[10],可以灵活方便地对多成因的复杂未知系数进行高度建模[11],因此很适合砂土液化问题的研究.
地基土液化判别及等级评价需要建立ANN模型,目前广泛采用构建三层网络模型,大多数采用B-P算法,即向后传播学习算法(Back Propagation Learning Algorithm)求解.B-P网络是ANN一个典型模型,可以以任意精度逼近任意连续函数,被广泛应用于非线性建模、函数逼近和模式分类等方面.求解普遍使用梯度下降法,用迭代运算求解权值[12].
BP模型虽然从各个方面都有其重要意义,但它存在局部极小值及收敛速度慢等问题.针对BP算法存在的问题,有人进行了一些改进.采用加入动量项[13]和共轭梯度法[14],克服BP网络模型收敛速度慢和目标函数存在局部极小点的问题.
笔者认为目前采用ANN研究饱和砂土液化在以下方面还有待进一步研究.
（1）输入层节点数即影响砂土液化的因素数的选择存在争议.笔者选取了4个砂土液化B-P网络模型[18,19],并制成表一和表二.比较两表,显然砂土液化评价及危害程度等级评价B-P网络模型的指标选择还存在一些分歧.因此,4个模型得出的影响砂土液化评价的指标权重分析不会相同,势必影响砂土液化评价结果.
（2）ANNN研究饱和砂土液化在适用范围上还存在着局限性.由于绝大多数网络训练采用一个地震砂土液化地区的学习样本,训练好的网络只对该地区的其他样本进行判别、比对.因此,尽管判别结果有较高的正确率,但只能说明仅适用该地区.
因此建议输入层指标的选择需进一步研究、分析,并遵循简易性和代表性原则.应充分利用现有文献地震液化资料,选取通过现场试验、土动力试验以及经验公式容易得到的指标.由于影响砂土液化的因素很多,应建立统一的评价模型进行分析,经过运算并比对结果确定影响砂土液化的代表性输入指标.

表一 砂土液化评价B-P网络模型输入节点数(指标数)选择表

节点数
1
2
3
4
5
6
7
8
9
10
11

指标
名称
标贯击数(N63.5)
砂土的平均粒径（D50）
剪应力比
(τ/σ0´)
粘粒含量
(ρc)
上覆有效压力(σ0´)
地震烈度(I)
砂层埋深(ds)
不均匀系数(Cu)
震中距
(L)
地下水位(dw)
震级
（M）

模型一
√
√

√
√





√

模型二
√
√
√


√
√
√
√
√




表二 砂土液化危害程度等级评价B-P网络模型输入节点(指标数)选择表

节点数
1
2
3
4
5
6

指标名称
标贯击数(N63.5)
粘粒含量(ρc)
地下水位(dw)
地震烈度(I)
上覆砂层厚度(du)
液化层厚度(d)

模型一
√
√
√
√
√


模型二
√
√
√

√
√


参考文献：
[1]钱家欢,殷宗泽主编.土工原理与计算[M].北京：中国水利水电出版社,1996第二版.
[2]阮永芬,侯克鹏.粉土地震液化判别方法研究的现状和实际存在的问题[J].昆明理工大学学报,2000,25(1):64-67.
[3] 王成华.土力学原理[M].天津:天津大学出版社,2002.6:165.
[4]楼顺天,施阳.基于MALTLAB的系统分析和设计—神经网络[M].西安电子科技大学出版社,1998.
[5]何广讷,张业民,等.场地砂土地震液化的模糊聚类分析[J].地震工程与工程振动,1989(4):83～91.
[6]张业民,等.地基砂土液化的模糊概率及应用[J].第三届全国结构工程学术会议论文集[C],1994,工程力学增刊:1194-1198.
[7]何广讷,张业民,等.场地地震液化势的模糊概率分析[J].大连理工大学学报,1992(2):209～217.
[8]陈述彭,鲁学军,周成虎.地理信息系统导论[M].北京:科学出版社,1999.
[9]胡鹏,华一新.地理信息系统教程[M].武汉:武汉大学出版社,2002.
[10]徐洪钟,吴浩,李琦.基于人工神经网络的砂土液化势评价[J].水文地质工程地质,1998, (1): 16-18.
[11]张乃尧,阎平凡.神经网络与模糊控制.北京:清华大学出版社,1998
[12]陈海军,郦能惠,聂德新,尚岳全.岩爆预测的人工神经网络模型[J].岩土工程学报,2002,24（2）：229～232.
[13] Rumelhart D E, et al. Learning Representation by BP Errors.Nature(London). 1986, 7: 149～154.
[14] Patrick P, et al. Minimisation Method for Training Feedforward Neural Networks[J]. Neural Networks, 1994, 7: 1～11.
[15]Finn WD. Yogendrakumar M. Analysis of porewater pressure in seismic centrifuge test[J]. Soil dynamics and liquefaction elvserier, 1987: 71-85.
[16]Propesceu, Prevost SH. Centrifuge validation of numerical model for dynamic soil liquefaction[J]. Soil Dynamics and Earthquake Engineering, 1993, 12(2): 73-90.
[17]汪闻韶.土工抗震研究进展[J].岩土工程学报,1998(2).
[18]马骥,《基于MATLAB的BP神经网络在砂土评价中的应用》[学位论文],
[19]任文杰,《人工神经网络在地基土液化判别及等级评价中的应用》[学位论文],河北工业大学
[20]石兆吉,王兰民.土壤动力特性一液化势及危害性评价[M].北京,地震出版社,1999, 58～120.
作者简介:
任金刚（Ren Jingang） 男 工程师 海河下游管理局 河西区宾馆南道19号 300061
王玉芳（Wang Yufang）海河下游管理局河西区宾馆南道19号 300061
饱和砂土地震液化研究方法概述
（SUMMARY ON METHODS OF ASSESSING SATURATED SANDS LIQUEFACTION）
饱和砂土液化(saturated sands liquefaction)；动力分析方法（dynamic analyse method）；可视化评价模型（visual evaluation model）；人工神经网络（artificial neural networks）；BP算法（BP algorithm）