融合多源信息的降雨入渗边坡概率反分析及可靠度预测OACSTPCD

概率反分析是推断不确定土体参数统计特征的重要手段,可以使边坡可靠度评估更接近工程实际。然而目前的概率反分析很少使用多源信息(包括监测数据、观测信息和边坡服役记录),因为这通常涉及数千个随机变量和高维似然函数的评估。因此融合多源信息对空间变异土体参数进行概率反分析进而预测降雨条件下的边坡可靠度是一项具有挑战性的难题。文章将改进的基于子集模拟的贝叶斯更新(mBUS)方法与自适应条件抽样(aCS)算法相结合,构建了空间变异土体参数概率反分析和边坡可靠度预测的框架,并以某一公路边坡为例验证了该框架的有效性。研究结果表明:通过融合多源信息所获得的土体参数后验统计特征与现场观测结果基本吻合;用更新后的土体参数预测得到2004年9月12日该边坡在暴雨工况下的失效概率为23.1%,符合实际边坡失稳情况,说明在此框架下可以充分利用多源信息解决高维概率反分析问题。