海量土应力应变试验数据深度挖掘与本构关系

Constitutive relation of soil is the essential problem of modern soil mechanics and the basis to explain the mechanism of deformation, failure and major disasters of soil. It is the foundation for numerical analysis of civil engineering. It is still not mature, and difficult to perform the simulation of mechanical behavior cross different soil type or different stress path. In order to find the common law of soil stress-strain relation, it is need to study the algorithm of big data for high speed and high performance and high precision simulation, correlation analysis and regression analysis, and explore the normalization processing method for the stress-strain data from different stress path (including stress history) or different soil types. Through deep-mining of mass normalized stress-strain test data, it is revealed that the common law of the basic mechanical characteristic for different stress path and different soil types, the correlation between different mechanical properties, and it is obtained that elastic parameters, the main related factors and the general calculation formula for plastic deformation of soil. Based on the Generalized Plastic Mechanics, an elastoplastic constitutive relation is established that posses definite physical meaning, clear mathematical expression and universal significance. The computation results of this model would compare with the experimental data of the complex stress paths of a variety of soils, and be applied to the calculation for typical landslide engineering and compared with the monitoring data. The scientific nature would be demonstrated for the model. The research results would greatly push forward the constitutive relation of soil and numerical analysis of civil engineering.

土本构关系是现代土力学的核心问题，是解释土体变形、破坏与重大灾变机制的依据，是重大土木工程数值分析的基础，目前仍然很不成熟，很难实现跨土类、跨应力路径的模拟。研发捕捉土应力应变特征需要的大数据高速高效高精度模拟、相关性分析与回归分析算法，探索不同土类不同应力路径（含应力历史）的应力应变数据的归一化处理方法，以寻找其中的共同规律。通过海量归一化的土应力应变关系试验结果的大数据深度挖掘，揭示不同土类不同应力路径的土体基本力学特性的共性显现规律、不同力学特性之间的相关性，以及获得土弹性参数、塑性变形计算系数的主要相关因素与一般计算式。基于广义塑性力学，建立物理意义明确、数学表述清晰、具有普适意义的土弹塑性应力应变关系。将本模型结果与多种典型土类复杂应力路径的试验数据对比，应用于典型滑坡工程计算并与监测数据比较，揭示本模型的科学性。本研究成果将对土本构关系与重大土木工程数值分析产生重要推动作用。

土体本构关系是现代土力学的核心问题，是解释土体变形、破坏与重大灾变机制的依据，是开展重大土木工程问题数值分析的基础。国内外提出的众多本构模型很难实现跨土类、跨应力路径的模拟，计算结果离工程实际相去甚远。以HDFS作为海量试验数据的分布式存储库，叠加可高效地在内存中直接对试验数据进行复杂处理的Spark，搭建了一个Hadoop+Spark的大数据处理系统。提出了利用泛函网络来解决传统方法无法进行自适应回归处理的问题，建立标准基函数池和神经元调节机制，提出了一种可进行分布式处理的泛函网络自适应自回归算法。算例验证结果表明该算法在处理大规模数据时具有良好的稳定性和较高的运算效率，为土的基本力学特性、本构模型与海量阶跃式滑坡监测数据的大数据深度挖掘与模型研究提供了系统和技术支持。分别对压硬性、等压屈服和剪胀性的试验大数据进行了深度挖掘研究，得到了它们各自的大数据特征关系，建立了各基本力学特性的大数据模型。从广义塑性力学出发，通过对塑性系数与土的基本力学特性的关系研究，构建了各塑性系数的大数据模型，在主应力空间上综合建立了一个广义塑性力学大数据本构模型。该大数据本构模型对典型土常规三轴试验的数值模拟具有很好的一致性，从而进一步证明了大数据广义塑性力学模型不仅可有效突破传统本构理论的约束，还具有更为广泛的理论意义和适应性。同时表明了将大数据技术与广义塑性力学相结合来研究土的本构关系是一种具有良好效果的研究方法，为土的本构关系研究提供了新的思路，开辟了新的途径。基于波动比模式与预测模型，对研究区“阶跃式”滑坡位移进行分解，构建了影响因子同波动比值响应的显式位移大数据预测模型。大数据广义塑性力学模型、基于波动比值响应的显式位移大数据预测模型、滑坡水平位移与降雨量大数据模型以及海量监测数据下分布式BP神经网络滑坡模型预测结果和三峡库区典型滑坡监测数据规律高度一致，有助于认清此类滑坡的共性生成机制、演化规律及分析滑坡灾害过程。