⚡ electrical engineering

A Simplified Method for Seismic Fragility Analysis of Geogrid-Encased Stone Column Composite Foundations

本研究提出了一种基于机器学习的概率框架，用于分析土工格室加固碎石桩基础的地震脆弱性，揭示了原生土剪切强度和垂直地震系数是影响失效概率最关键的因素，并引导设计向高强度土工格室、足够的基底宽度以及高面积置换率方向发展。

原作者： Xiaocong Cai, Ling Zhang, Jinpeng Tan, Zijian Yang

发布于 2026-08-26

📖 1 分钟阅读☕ 轻松阅读

原作者： Xiaocong Cai, Ling Zhang, Jinpeng Tan, Zijian Yang

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在许多城市下方那安静而又不稳定的土地中，软弱土壤给工程师带来了持久的挑战。这种材料常见于河谷和沿海平原，它沉重、松软，并且在地震震动时容易变成类似液体的泥浆。为了在这样的地面上安全建造，工程师通常会安装石柱：将碎石垂直打入深层土壤中，以加固土壤并承载建筑物的重量。然而，在极度柔软的地面上，这些石柱有时会向外鼓出并在压力下失效，就像香肠皮在受到过度挤压时破裂一样。为了解决这个问题，工程师用一种被称为土工格栅的强韧网状织物包裹住石柱。这种织物就像一条紧身的腰带，将石头束缚在一起，使基础能够承受更大的力量。虽然这些加固基础在正常情况下的强度已得到充分理解，但它们在地震剧烈摇晃期间的行为仍然是一个复杂的谜题。地面不仅会左右摇晃，还会上下颠簸，产生一种可能压垮即使是最强设计方案的混乱力场。

湖南大学的一个研究小组开发了一种预测这些加固基础在地震期间失效概率的新方法。该团队并没有依赖于一种假设所有土壤和材料都完美的单一、僵化的计算方法，而是创建了一个能够解释现实世界中自然变化规律的灵活框架。他们结合了一种用于计算基础最大承载能力的成熟方法与一种被称为机器学习的强大计算机技术。这种方法使他们能够进行数千次模拟，测试当土壤强度、石柱尺寸和地震强度等变量发生变化时，基础会如何反应。通过这样做，他们不再仅仅询问“它能否承受？”，而是转向询问“它承受住的概率是多少？”这种转变提供了更清晰的风险图景，帮助设计师了解哪些因素在保护建筑物免受地震灾难时真正起作用。

研究人员首先完善了描述加固土工格栅包覆石柱基础在地震应力下行为的数学规则。他们通过物理实验数据验证了这些规则，包括在模拟地震中对微型基础进行测试的大型振动台试验，以及实地现场测试。一旦确认其计算结果与现实相符，他们便建立了一个数字模型来探索广泛的可能性。他们将关键因素的现实范围输入模型：包括土工格栅织物的强度、石柱的直径、周围土壤的摩擦力和粘性，以及包含水平和垂直摇晃在内的特定地震力。随后，该模型计算了数百万种不同因素组合下的失效概率。

结果揭示了一个风险图谱，其中某些因素比其他因素更为关键。研究人员发现，失效概率对周围天然土壤的强度以及垂直摇晃与水平摇晃的比率最为敏感。如果原生土壤较弱，无论石柱有多强，基础失效的可能性都会大大增加。同样，当地震相对于左右摇晃产生显著的上下颠簸力量时，坍塌风险也会急剧上升。相比之下，石柱的直径和石材本身的粘性对整体安全性的影响却出人意料地小。研究表明，仅仅增加石柱的粗细并不一定会让基础更安全；在某些情况下，较大的石柱反而会增加风险，因为它们会吸引更多的地震摇晃力。

或许最重要的一点是，这项研究确定了提供最佳保护的具体设计选择。研究人员得出结论，最有效的策略不是依靠巨大的石柱，而是使用密集排列的小型石柱，并用高强度的土工格栅织物进行包裹。更宽的基础底座也能显著降低失效风险，因为它能更均匀地分散载荷。团队的分析表明，虽然改进石柱本身是有帮助的，但安全的真正关键在于天然土壤的质量以及束缚石块的织物带的强度。通过专注于这些特定元素——使用强韧的土工格栅、确保宽大的基础并紧密排列石柱——工程师可以设计出对不可预测的地震暴力具有更强韧性的基础。这种新方法为设计师提供了一种实用的概率工具，用以量化这些风险，推动该领域从猜测走向对摇晃世界中安全性的精确理解。

技术摘要：土工格网加固碎石桩复合地基地震脆弱性分析的简化方法

问题陈述
在地震活跃地区，土工格网加固碎石桩（GESC）复合地基被越来越多地用于加固软土层，与普通碎石桩相比，它提供了更高的刚度和承载能力。然而，尽管其静态性能已有充分文献记载，但 GESC 复合地基的地震响应仍然复杂且尚未得到充分量化。现有方法通常依赖于确定性安全系数或计算成本高昂的有限元动力学分析，这些方法无法充分考虑岩土系统固有的不确定性——例如土体性质的空间变异性、材料强度的随机性以及地震需求。因此，目前缺乏一个实用的概率框架来量化 GESC 地基在不同地震烈度下的地震脆弱性（失效概率）。

方法论
本研究提出了一种基于机器学习的概率评估框架，用于评估 GESC 复合地基的地震脆弱性。该方法集成了三个核心部分：

解析建模： 利用极限平衡法和等效面积法建立极限地震承载力 ( $q_u$ ) 模型。该模型纳入了由土工格网加固提供的表观粘聚力 ( $c_g$ )，并考虑了水平 ( $k_h$ ) 和垂直 ( $k_v$ ) 地震系数。推导出的地震承载力系数 ( $N_{cE}, N_{qE}, N_{\gamma E}$ ) 经过现有解析解、振动台试验和现场测试数据的验证，表现出极高的准确性。
概率模拟： 为应对参数不确定性，本研究采用蒙特卡洛模拟。关键输入变量，包括地震系数、桩径 ( $D_c$ )、土工格网抗拉强度 ( $T$ )、面积置换率 ( $m$ ) 以及桩体 ( $\phi_c, c_c$ ) 与周围土体 ( $\phi_s, c_s$ ) 的剪切强度参数，均被视为具有特定统计分布（主要是正态分布和均匀分布）的随机变量。
机器学习集成： 在 MATLAB 中训练了一个神经网络模型（架构为 9-32-16-8-1），用于预测失效概率 ( $P_f$ )。该模型通过将解析 $q_u$ 计算值与代表性的垂直荷载需求 ( $P_v$ ) 进行比较，从而对失效状态进行分类。模型的性能通过损失曲线、准确率曲线和受试者工作特征（ROC）分析进行了验证。

主要结果
通过开展全面的参数化研究，评估了十二个参数对失效概率 ( $P_f$ ) 的影响：

影响参数： 失效概率受周围土体剪切强度 ( $\phi_s$ ) 和垂直与水平地震系数之比 ( $k_v/k_h$ ) 的显著影响。
相关性： $P_f$ 与土工格网抗拉强度 ( $T$ )、面积置换率 ( $m$ )、剪切强度参数 ( $\phi_c, c_c, \phi_s, c_s$ )、基础宽度 ( $B$ ) 和上覆压力 ( $q_1$ ) 呈正相关。相反， $P_f$ 与比值 $k_v/k_h$ 、桩径 ( $D_c$ ) 和垂直荷载需求 ( $P_v$ ) 呈负相关。
微弱影响因素： 研究发现，与其它因素相比，桩径 ( $D_c$ ) 和桩体粘聚力 ( $c_c$ ) 对失效概率的影响可以忽略不计。
土体 vs. 桩体： 地基的地震可靠性受原生土性质的影响比受桩体自身增强效果的影响更为关键。

意义与主张
本文声称提供了一种简化且严谨的解析方法，能够高效地生成 GESC 地基的地震脆弱性曲线，同时明确地纳入了参数不确定性。通过超越确定性安全系数，所提出的框架为地震事件下的风险评估提供了更现实的评估。

作者得出结论，设计工作应优先考虑原生土条件而非针对桩体的增强措施。具体而言，研究建议重点关注：

使用高强度土工格网。
确保足够的基础宽度。
保持较高的面积置换率。
采用小直径桩的密集布置方式。

这种方法旨在全面提升 GESC 复合地基的地震可靠性，填补了复杂数值模拟与实际设计需求之间的空白。

类似论文