● 题目 ●
Titlle
期刊：Journal of Geotechnical and Geoenvironmental Engineering
作者：Dian-Qing Li, Wei Wang, Xin Liu , and Wenqi Du
单位：武汉大学
年份：2024
●●● 摘要(Abstract)●●●
基于数值方法开发了用于估算地震引起的土坡位移的通用模型。开发了具有不同坡体几何形状和土壤特性参数配置的 14,112 个坡体模型来代表通用土坡。随后在 FLAC 中进行了数千次坡体动力分析，以估算同震坡体位移。基于计算出的位移，18 种地震动强度指标（IMs）和 8 个坡体变量被视为候选预测变量，以使用轻梯度提升机（LightGBM）开发预测位移模型。比较结果表明，屈服加速度（𝐾𝑦）和阿里亚斯强度（AI）是回归位移时最有效的标量变量。基于效率、充分性和可计算性标准，（AI，峰值地面速度）和（AI，峰值地面加速度）的向量 IMs 以及 𝐾𝑦 和初始剪切模量分别被视为更优的预测变量。因此，分别通过基于 LightGBM 和基于多项式的方法使用更优变量提出了两组预测位移模型。多项式模型在预测坡体位移时的随机变异性比 LightGBM 模型大约 15% - 30%，这表明 LightGBM 模型的预测性能优于多项式模型。
●●● 图表(Figures)●●●
图 1. （a）本研究中采用的地面运动的 𝑀𝑤 和 𝑅rup 的散点图；以及（b）𝑉𝑠30 的直方图
图 3. 已实施的土坡模型的示意图表示。
图 4. 生成的 14,112 个边坡模型的（a）𝑐；（b）𝜙；（c）𝛾；（d）𝐺；（e）𝐻；和（f）𝐼 的直方图
图 10. 分别采用 (a) [𝐾𝑦,𝐺,AI,PGV] 和 (b) [𝐾𝑦,𝐺,AI,PGA,PGV] 的 LightGBM 模型的预测位移与计算位移的分布。
图 11. 采用（a）[𝐾𝑦,𝐺,AI,PGV]和（b）[𝐾𝑦,𝐺,AI,PGA,PGV]的 LightGBM 模型的残差与 𝑀𝑤 和 𝑅rup 的依赖关系。在每个图中，红色方块表示均值，误差线表示均值 ± 一个标准差。
图 16. 各种模型预测的中值位移与 𝐾𝑦 对于地震情景（a）𝑀𝑤=7.0，𝑅rup=10 公里；（b）𝑀𝑤=7.0，𝑅rup=20 公里；以及（c）𝑀𝑤=7.0，𝑅rup=40 公里的对比。
●●● 结论(Conclusions)●●●
针对一般土坡的同震位移预测模型是基于数值模拟结果开发的。将两个坡体几何参数（即 𝐻 和 𝐼）和四个土体特性参数（即内聚力、摩擦角、初始剪切模量和单位重度）作为随机变量，在 FLAC 中总共实现了 14112 个坡体模型。随后进行了数千次动态分析，以获取沿坡表面的最大总永久位移。18 个常用的地震动强度指标（IM）和 8 个坡体变量被视为候选预测变量。基于所确定的优选预测变量，分别通过基于 LightGBM 和多项式的方法提出了两组预测模型。所进行的分析得出以下结论：
为比较预测效率，通过采用候选预测变量的不同组合提出了各种基于 LightGBM 的预测模型。SHAP 分数的所得平均值表明，𝐾𝑦 和 AI 分别是估计坡体位移最有效的坡体变量和 IM。因此，在选择理想的预测变量时应优先考虑这两个参数。此外，鉴于它们在效率、可计算性和充分性方面的总体理想表现，[AI、PGV]和[AI、PGA、PGV]的向量以及 𝐾𝑦 和 𝐺 被视为开发基于 2-IM 和 3-IM 的预测 𝐷 模型的优选预测变量。
分别采用两组优选预测变量开发了两个基于 LightGBM 的土坡位移模型。基于测试数据集计算的 𝑅2 坐标在 0.90 至 0.91 范围内，在预测效率和泛化方面表现令人满意。提出了用于估计随机变异性项的三线关系。对于基于 2-IM 和 3-IM 的预测模型，当 𝐾𝑦<0.1 𝑔 时，估计的对数标准差分别为 0.67 和 0.61。
基于所确定的优选预测变量，还开发了两个基于多项式的位移模型。基于整个数据集计算的两个模型的 RMSE 分数均约为 1.15，比基于 LightGBM 的模型大约 15% - 20%。因此，多项式模型的预测性能明显逊于基于 LightGBM 的模型。此外，多项式模型在预测 𝐷 时的随机变异性比基于 LightGBM 的模型大约 15% - 30%。
在几种地震情景下，将开发的两组预测模型与现有模型进行了比较。比较结果表明，数值模型的预测位移明显大于滑块模型，特别是对于激励相对较强的情景。这可能是由于数值方法对土体材料的应力 - 应变行为有更好的表征。此外，在两个基于数值的一般坡体模型之间观察到一些差异。这种差异主要归因于开发模型时对土体特性、坡体几何形状、边界条件、预测变量和函数形式的不同考虑。
与多项式模型相比，基于 LightGBM 的模型由于其提高的预测效率而具有优势。实际应用中，开发的 LightGBM 模型的可执行文件可在：https://github.com/wangw233/DisplacementPredictiveModels_Version2.git 获得。开发的两组预测模型应适用于工程应用中内聚力在 13 至 43 kPa 范围内、摩擦角在 11°至 34°范围内、坡高在 4 至 40 m 范围内、坡角在 14°至 45°范围内的一般土坡的同震位移估计。具体而言，所提出的模型仅适用于表现出如图 5 所示 𝐾𝑦 - 𝑇𝑠 组合范围内的土坡。
在实施数值边坡模型时存在若干限制，包括缺乏纳入土壤应变软化效应的先进本构模型、将边坡材料视为干燥条件以及对无限边界的近似。数值模型的这些限制可能会对计算得出的边坡位移量值产生影响。此外，由于考虑到计算费用，每个实施的边坡模型仅受到一次地面运动的激励，因此每个边坡模型的动态响应可能无法完全捕捉。因此，需要进一步的研究工作来解决在开发边坡位移模型时的这些限制。
● 参考文献 ●
●●● References ●●●
Li, D.Q., Wang, W., Liu, X. and Du, W., 2024. Generic Models for Predicting Coseismic Displacements of Earth Slopes Based on Numerical Analysis and Machine Learning Algorithm. Journal of Geotechnical and Geoenvironmental Engineering, 150(9), p.04024074.
End
工程地质灾害与滑坡风险评估
engeomodel@gmail.com
● 扫码关注我们
Welcome
免责声明
本公众号推广所有论文，仅供学术交流，由于小编水平有限，摘要、图表均为原文内容，文字翻译部分仅代表小编个人理解，本公众号不具该原文的版权。在文献解读或作者简历介绍过程中如有疏漏，我们深表歉意，如涉及侵权问题或冒犯之处，请作者团队及时联系本公众号（邮箱），我们会在第一时间进行修改或删除，感谢您的理解！
