高地应力硬岩大型洞室群围岩变形破坏与岩石强度应力比关系研究

岩石强度应力比是表征围岩稳定性的重要指标之一。研究围岩变形破坏与强度应力比的关系,揭示二者间的规律性联系,对高地应力硬岩大型地下洞室群围岩稳定性控制具有重要意义。以具典型高地应力特点的锦屏一级水电站和猴子岩水电站2个硬岩大型洞室群为研究对象,首先系统梳理了2个工程的围岩岩性、岩石强度和初始地应力等工程地质条件,并详细统计了洞室群施工期围岩破坏类型和数量;通过对地下洞室群围岩的岩石强度应力比进行分区,并结合围岩140多个破坏现象和发生部位,建立了高地应力硬岩大型洞室群围岩变形破坏与岩石强度应力比之间的联系;采用不同的初始地应力分级标准,并结合洞室群围岩破坏特征,验证了基于强度应力比修正的地应力分级标准对高地应力硬岩洞室群的适用性,揭示了围岩应力诱导型破坏随岩石强度应力比的变化规律。研究成果有助于今后高地应力条件下硬岩大型地下洞室群施工期围岩破坏类型预测,并为提出具有针对性的施工期围岩稳定控制措施提供参考。     

锦屏一级水电站蓄水后库岸变形破坏规律研究

水电工程大多位于高山峡谷地区,工程兴建后形成水库,水库蓄水后,库水升降引起库周坡体内地下水位和地下水渗流场发生变化,改变了坡体原有的受力状态,引起应力重分布,易使库区原有滑坡体或稳定性较差库段坡体产生变形破坏。锦屏一级水电站水库蓄水后库岸出现了变形破坏,部分库岸失稳对工程安全构成威胁,也对当地居民生命财产安全造成较大威胁。通过对锦屏一级水电站水库蓄水后变形破坏库岸的大量现场调查,分析了锦屏一级水电站水库蓄水后库岸变形破坏特征,总结了库岸变形破坏规律,可为其他工程水库蓄水后库岸变形分析预测及稳定性评价提供一定参考。     

高地应力洞室围岩变形破坏规律研究

锦屏一级水电站右岸地下厂房地质条件复杂,地应力高,对围岩稳定造成较大不利影响。统计分析了厂区地下洞室群施工期的围岩变形破坏现象,归纳出高地应力条件下地应力方向、洞室轴线方向对围岩变形破坏的影响规律。研究表明,高应力条件下洞室群围岩破坏程度除了受最大主应力控制,还与洞室规模密切相关;而且高地应力引起的围岩破坏在时间上有滞后性,需研究实施支护的合适时机。上述结论为地下洞室后续合理施工及支护提供了理论依据,也可为高地应力区洞室轴线布置和围岩变形破坏预防提供参考。     

锦屏一级拱坝岩体抗剪强度参数取值研究

锦屏一级拱坝为世界最高拱坝,也是世界已经建成的最高大坝,地形地质条件极其复杂。通过锦屏一级拱坝岩体抗剪强度试验、试验特征点选取、参数统计方法以及典型滑块稳定计算等多方面的分析,对岩体抗剪强度参数的取值方法进行深入研究。研究结果表明:对坝基岩体抗剪强度参数标准值的取值,国内外不同规范的规定有一定差异;岩体抗剪强度试验曲线上的某些特征点可采用易于确定的特征点经换算后得出;对同一工程,采用不同的抗剪强度参数统计方法,得到的抗剪强度参数会有一定差异,可能造成对坝肩抗滑稳定不一样的评价。研究成果可供类似工程借鉴参考。     

锦屏一级水电站地下厂房施工期下游拱腰部位的裂缝成因分析

锦屏一级水电站地下厂区地质条件复杂,地应力较高。本文通过对厂房下游拱腰部位裂缝的性状和特征分析,得出厂房下游拱腰部位出现裂缝的主要原因是地下厂区地应力较高,岩石强度偏低,高地应力及局部偏压的存在,导致开挖后厂房下游侧顶拱部位围岩强烈的应力集中,应力超过了围岩强度,围岩表层在高地应力作用下劈裂,并向临空方向变形,从而造成地下厂房下游拱腰部位的开裂。     

锦屏一级水电站水库蓄水后岸坡变形破坏规律探讨

水库蓄水后库岸变形破坏是常见的工程地质问题。库岸变形、失稳将对库区居民的生命财产和枢纽建筑物安全造成严重不利影响,因此正确预测蓄水后水库岸坡变形破坏的规律和稳定性,并采取针对性的防范措施是水库地质勘察的主要任务。锦屏一级水库自2012年11月底蓄水以来,发生了大量规模不等、类型不同的岸坡变形破坏。在对岸坡变形破坏调查统计的基础上,从地形地貌、地层岩性、岸坡结构等方面分析了岸坡变形破坏在空间上的分布规律、发展演化规律。相关结论可为制定防灾减灾方案提供地质依据,同时也可为类似的高山峡谷型水库岸坡变形破坏预测评价提供一定的参考经验。     

基于变形速率分解的阶跃型滑坡预测——以呷爬滑坡为例

阶跃型滑坡位移预测是滑坡变形现状研究与危害评估的重要工作，而阶跃预测的研究多为平稳波动信号，基于滑坡阶跃运动特征的变形速率分解方法提供了非线性变形阶段阶跃滑坡信号分解的新思路。以呷爬滑坡为例，通过差分与离散小波变换(DWT)平滑方法得到变形速率数据，并基于滑坡阶跃运动特征将变形速率数据分解为由外部诱发因素决定的小尺度波动项与内在控制因素决定的大尺度趋势项，其中变形速率趋势项信号通过添加震荡函数的反Logistic函数模型(ILF)预测，并结合曲率极值法判识滑坡变形状态；变形速率波动项信号则运用长短时记忆神经网络(long short-term memory,LSTM)构建非线性映射模型，以降雨、库水位作为诱发输入，趋势项预测结果作为控制输入进行预测。预测结果表明，基于变形速率分解模型针对呷爬滑坡非线性过程数据的预测精度相比传统的位移拟合分解模型更高，外部因素映射能力更强，因此基于变形速率分解是基于阶跃运动机制预测的有效思路，解决了非线性变形阶段的阶跃滑坡预测问题。