چکیده
مشکلات پایداری شیب خاک در این کارهای مهندسی معمولا با استفاده از روش های تعادل حدی بررسی می شوند. تعدادی روش موجود بر اساس سطح شکست دایره بحرانی برای خاک همگن وجود دارد اما سطوح شکست برای دامنه های لایه بندی شده به صورت غیر دایره ای می باشند. الگوریتم ژنتیک ساده که در اینجا ارائه شده است برای بررسی سطح شکست غیر دایره ای بحرانی در تحلیل پایداری شیب بکار برده شد و از این الگوریتم نیز برای حل روش مورگنسترن-پرایس به منظور پیدا کردن عامل ایمنی استفاده شد. نیروهای افقی و عمودی شبه استاتیک ناشی از زلزله و اضافه بار ساختمان ها و سازه های واقع برروی شیب های طبیعی موجود در این تحلیل گنجانده شده است.
1- مقدمه
راه های مختلفی برای محاسبه ضریب اطمینان سدهای خاکی و یا شیب های طبیعی از جمله تعادل حدی، المان محدود و روش های اختلاف محدود وجود دارد. در سال های اخیر از روش المان محدود برای تجزیه و تحلیل پایداری شیب استفاده شد، اما روش تعادل حدی هنوز هم رایج است. روش های بسیاری برای محاسبه ضریب اطمینان با استفاده از تعادل حدی با سطح شکست دایره ای وجود دارد [3،9،12]. یک روش سطح شکست دایره ساده برای شیب در یک لایه همگن خاک کافی است، در حالی که برای یک شیب از لایه های ناهمگن خاک ، یک روش سطح شکست غیر دایره ای مانند روش دایره ای باید استفاده شود تا بتوان ضریب اطمینان را پیش بینی کرد. از تعادل حدی نیز برای سطوح شکست غیر دایره ای [1،2،4،5،8،11] استفاده می شود و برخی از این روش ها به شرح زیر خلاصه شده است. نگوین [11] روشی را ایجاد نمود که در آن ضریب اطمینان به صورت یک تابع چند متغیره F (x) با متغیرهای مستقل x که بیانگر هندسه شکست می باشند، تدوین نمود. او از روش سیمپلکس به عنوان روش بهینه سازی استفاده کرد. سلستینا و دانکن [5] از همین روش برای سطوح شکست غیر دایره ای استفاده کرد، اما از تکنیک بهینه سازی متغیر متناوب بهره برد. لی و وایت [8] روش بهینه سازی یک بعدی را به جای روش های درون یابی درجه دوم استفاده نمود که سلستینا و دانکن [5] از آن در روش متناوب متغیر خود بهره بردند. بیکر [1] سطح شکست را توسط تعدادی از نقاط گرهی متصل شده با یک خط راست تعریف نمود. مختصات عمودی نقاط گره ها همان متغیرها در روش بیکر هستند و تکنیک برنامه نویسی دینامیکی به عنوان روش بهینه سازی استفاده شده است. بولتون و همکاران [4] یک الگوریتم بهینه سازی جهانی برای به دست آوردن سطح شکست بحرانی ایجاد شده توسط نقاط گرهی و اتصال آنها با خطوط مستقیم برای هر شکل از شکست تعریف نمودند. باردت و کاپوس کار [2] یک روش ساده بهینه سازی ارائه کردند که با استفاده از آن سطح شکست بحرانی از طریق الگوریتم سیمپلکس سراشیبی تعیین می شود. برای به دست آوردن سطح شکست بحرانی محاسبات بسیاری مورد نیاز است، زیرا مختصات یک گره دلخواه می تواند در میان بقیه مختصات گره ها بی ربط باشد. برای مثال، شکل سطح شکست نوسانی را می توان با استفاده از مختصات گره ای که منجر به یک سطح شکست غیر واقعی می شوند (شکل 1) ایجاد نمود.
Abstract
Soil slope stability problems in engineering works are usually analysed using limit equilibrium methods. A number of existing methods are based on finding the critical circular failure surface for homogeneous soils, but failure surfaces tend to be non-circular for layered slopes. A simple genetic algorithm is presented to search the critical non-circular failure surface in slope stability analysis and is used to solve the Morgenstern–Price method to find the factor of safety. The pseudo-static horizontal and vertical forces due to earthquake and surcharge load due to existing buildings and structures on natural slopes are included in the analysis.
1. Introduction
There are many different ways to compute the factor of safety of earth dams or natural slopes including limit equilibrium, finite element and finite difference methods. In recent years the finite element method has been used for slope stability analysis, but limit equilibrium methods are still common practice. Many methods have been presented to compute the factor of safety using limit equilibrium with a circular failure surface [3,9,12]. A simple circular failure surface method is sufficient for a slope in a homogenous soil layer, while for a heterogeneous multi-soil layers slope, a non-circular failure surface method should be considered as circular methods can over predict the factor of safety. Limit equilibrium has also been used for non-circular failure surfaces [1,2,4,5,8,11], and some of these methods are summarized below. Nguyen [11] developed a method where the factor of safety is formulated as a multivariate function F(x) with the independent variables x describing the geometry of the failure surface. He employed the simplex method as the optimisation technique. Celestina and Duncan [5] used the same approach for non-circular failure surfaces, but used the alternating-variable optimisation technique. Li and White [8] proposed a more efficient one-dimensional optimisation technique to replace the quadratic interpolation method, which Celestina and Duncan [5] used in the alternating-variable technique. Baker [1] defined the failure surface by a number of nodal points connected by straight lines. The vertical coordinates of the nodal points are the variables in Bakers method and the dynamic programming technique is employed as the optimisation method. Bolton et al. [4] defined a global optimisation algorithm for finding the critical failure surface by nodal points connected by straight lines for any shape of failure. Bardet and Kapuskar [2] presented a simple method of optimisation to search the critical failure surface using the downhill simplex algorithm. A large number of computations are needed to find the critical failure surface, as an arbitrary nodal coordinate could be irrelevant among the rest of created nodal coordinates. For example, a fluctuated failure surface shape could be created using nodal coordinates leading to an unrealistic failure surface (Fig. 1).
چکیده
1.مقدمه
2. ارائه یک راه حل ساده برای روش مورگنسترن-پرایس
3.الگوریتم ژنتیک ساده
3.1 استفاده از الگوریتم ژنتیک ساده برای حل معادله (6) به منظور پیدا کردن پایین ترین ضریب اطمینان از سطح شکست غیر دایره ای
3.2 استفاده از الگوریتم ژنتیک ساده برای یافتن سطح شکست غیر دایره ای بحرانی
4. مثال
5. نتیجه گیری
Abstract
1. Introduction
2. Presenting a simple solution for Morgenstern–Price method
3. Simple genetic algorithm
3.1. Using the simple genetic algorithm to solve Eq. (6) in order to find the lowest factor of safety of a non-circular failure surface
3.2. Using the simple genetic algorithm to find critical non-circular failure surface
4. Examples
5. Conclusions