(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110431947.8 (22)申请日 2021.04.21 (65)同一申请的已公布的文献号 申请公布号 CN 113408184 A (43)申请公布日 2021.09.17 (73)专利权人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 夏鹏　胡新丽　吴爽爽　段杭　 陈浩　李岚星　刘畅　应春业　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/25(2020.01) G06N 3/12(2006.01) G06F 111/06(2020.01) G06F 111/08(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 111666671 A,2020.09.15CN 111666671 A,2020.09.15 CN 110261573 A,2019.09.20 CN 108627137 A,2018.10.09 CN 107220467 A,2017.09.2 9 CN 107067333 A,2017.08.18 CN 111259483 A,2020.0 6.09 US 20193 68150 A1,2019.12.0 5 张晓奇等.呷 爬滑坡滑带土蠕变特性及其稳 定性. 《地质科技 通报》 .2020,第39卷(第6期),第 145-153页. 杨杰等.高陡边坡变形及其对坝体安全稳定 影响研究进 展. 《岩土力学》 .2019,第40卷(第6 期),第2341-23 53、 2368页. Peng Xia, et al. .Slope Stabi lity Analysis Based o n Group Decisi on Theory and Fuzzy Comprehensive Evaluati on. 《Journal of Earth Science》 .2020,第31卷(第 6期),第1 121-1132页. 审查员 邓迪 (54)发明名称 基于遗传算法和离散元分析法的锚固边坡 安全性评价方法 (57)摘要 本发明提供了一种基于遗传算法和离散元 分析法的锚固边坡安全性评价方法， 主要包括以 下步骤： 基于现场勘察和仪器监测收集岩质锚固 边坡的基础数据； 基于离散元分析软件3DEC构建 岩质锚固边坡分析计算模型； 根据岩体蠕变试验 确定蠕变本构 模型及蠕变参数范围； 基于遗传算 法和岩质 锚固边坡分析计算模型的响应确定岩 质锚固边坡蠕变本构模型的最优参数； 基于设定 的分析时间， 提取岩质锚固边坡的特征变量。 根 据特征变量的变化情况进行岩质 锚固边坡长期 安全性评价。 本发明的有益效果是： 可 以有效提 高岩质锚固边坡安全性评价的准确性和评价效 率， 该方法可以为岩质锚固边坡滑坡的演化机理研究与动态安全性评价 提供有利条件。 权利要求书2页 说明书11页 附图8页 CN 113408184 B 2022.01.28 CN 113408184 B 1.一种基于遗传算法和离散元分析法的锚固边坡安全性评价方法， 其特征在于： 包括 以下步骤： S1： 基于现场 勘察和仪器监测收集岩质锚固边坡的基础数据； S2： 根据所述基础数据， 基于 离散元分析 软件3DEC构建岩质锚固边坡分析计算模型； S3： 基于岩体蠕变试验确定蠕变本构模型和蠕变参数 范围； S4： 在3DEC软件中将步骤S3确定的蠕变本构模型赋值给步骤S2中构 建的岩质锚固边坡 分析计算模型， 将步骤S3确定的蠕变参数范围作为遗传算法的输入参数， 将遗传算法和岩 质锚固边坡分析计算模型的响应相结合， 进 行联合的迭代计算来确定岩质锚固边坡分析计 算模型中蠕变本构模型的最优参数； S5： 将步骤S3中得到的蠕变本构模型和步骤S4中得到的岩质锚固边坡分析计算模型中 蠕变本构模型的最优参数带入步骤S2中构建的岩质锚固边坡分析计算模型， 基于 设定的岩 质锚固边坡分析时间， 提取岩质锚固边坡的特征变量； 提取岩质锚固边坡的特征变量的过 程如下： S5‑1： 将步骤S3和步骤S4中确定的蠕变本构模型以及最优参数赋值给在步骤S2中构 建 的岩质锚固边坡分析计算模型； S5‑2： 依据步骤S1收集到的数据， 基于现场监测仪器布置情况， 设置岩质锚固边坡分析 计算模型的特 征位置进行变形监测， 同时监测锚索的轴力变化情况； S5‑3： 向3DEC软件内输入设定的岩质锚固边坡分析时间， 将特征位置的监测变量和锚 索的轴力值作为特 征变量进行提取； S6： 根据特 征变量的变化情况， 进行岩质锚固边坡长期安全性评价； 进行岩质锚固边坡长期安全性评价的过程如下： S6‑1： 基于步骤S5提取的特征变量， 构建位移随时间的变化的位移变化曲线， 以及锚索 轴力随时间的变化的轴力变化曲线； S6‑2： 基于位移变化曲线和锚索的轴力变化曲线以及锚索轴力的最大变化幅度， 进行 岩质锚固边坡的长期安全性评价， 当位移变化曲线和锚索轴力变化曲线均呈现收敛时且锚 索轴力的最大变化幅度小于等于10％时， 该边坡评价 为安全， 否则为 不安全。 2.如权利要求1所述的一种基于遗传算法和离散元分析法的锚固边坡安全性评价方 法， 其特征在于： 步骤S1中， 所述基础数据包括由现场勘察得到的形态数据以及仪器监测得 到的锚固边坡的变形数据和锚固结构的受力数据， 所述形态数据包括锚固边坡的高程、 滑 坡边界、 结构面的形态和分布特 征和边坡的变形 特征。 3.如权利要求1所述的一种基于遗传算法和离散元分析法的锚固边坡安全性评价方 法， 其特征在于： 步骤S 3中， 基于岩 体蠕变试验确定蠕变本构模型和蠕变参数范围的过程如 下： 首先， 整理岩体的三轴蠕变试验数据， 得到不同围压下轴向应变 ‑时间关系曲线， 然后 根据该轴向应变 ‑时间关系曲线 特点， 确定元件模 型所包含的元件类型， 最后选择包含所述 元件类型 的元件模型， 将该元件模型 的典型应变 ‑时间曲线与三轴蠕变试验的试验结果进 行对照， 确定蠕变本构模型； 基于三轴蠕变试验数据， 估算蠕变本构模型的参数 范围。 4.如权利要求1所述的一种基于遗传算法和离散元分析法的锚固边坡安全性评价方权　利　要　求　书 1/2 页 2 CN 113408184 B 2法， 其特征在于： 步骤S4中， 确定岩质锚固边坡分析计算模 型中蠕变本构模型的最优参数的 过程如下： S4‑1： 通过python编写遗传算法将3DEC软件中的岩质锚固边坡分析计算模型响应和遗 传算法的目标函数相结合； S4‑2： 将步骤S1收集的仪器监测数据， 导入步骤S4 ‑1所述的python中作为上述目标函 数的一部分； S4‑3： 借助3DEC软件内置的ipython编写环境， 导入遗传算法， 设置对应参数， 该对应参 数包括： 目标函数func、 目标维数ndim、 群体规模size_pop、 最大迭代次数max_liter、 变异 概率prob_mut、 参数下限lb、 参数上限ub和精准度preci sion， 基于S4 ‑2中确定的目标函数， 进行遗传算法的迭代计算和岩质锚固边坡分析计算模型 的分析计算， 结合现场监测数据， 不断获取适应度值， 最终 获得最符合实际监测数据的最优本构模型参数。权　利　要　求　书 2/2 页 3 CN 113408184 B 3