管道与滑坡作用的物理模型试验

物理模拟试验的总体由滑坡模型、模型控制和模型试验过程与观测三部分组成。滑坡模型主要由滑坡试验平台（变坡），进行滑坡模型制作，模拟滑坡形成条件与运动特征；模型试验控制由试验控制仪器等组成，提供滑坡试验过程中所需的诱发条件，控制滑坡的试验过程；模型试验过程与观测由测试仪器组成，根据不同试验进程，对滑坡试验过程进行观测，获取观测数据。

531　物理模拟试验的主要步骤

5311　滑坡地质模型原型的确定

根据地质调查结果，选取滑坡特征明显，确定模拟试验原型。

5312　滑坡模型设计

模型试验台及模型尺寸：

模型试验装置为槽型试验台，试验台长35m，高10m，宽05m，两侧为装有可调节模型体两侧摩阻力大小的钢化玻璃。

滑坡试验台为可调坡度的升降平台，变坡范围0°～40°。

限于试验条件，模型制作时，选取滑坡体轴部主滑地段05m宽的岩体条块作为模拟试验对象，模型不考虑两侧摩阻力。根据滑坡特征的分析，滑面前部和中部设计为直线型，后部略成弧型，受力条件为重力，即在自然状态下模拟滑坡下滑。

相似条件及物理力学参数：

1）滑坡相似比选取

根据试验条件，取几何相似常数为40，模型长35m，高10m，宽05m。容得相似系数Cy=1，根据相似理论，得到模型试验的相似条件为：

山区油气管道地质灾害防治研究

式中：Cσ、Cc、CE、Cy、Cε、Cφ、C1分别为下滑力相似常数、粘聚力相似常数、变形模量相似常数、容重相似常数、应变相似常数、摩擦角相似常数和几何相似常数。

2）输油气管道模拟相似比选取

根据试验条件，取几何相似常数为40，选取直径2cm模拟管道。根据相似理论，得到模型试验的相似条件为：

山区油气管道地质灾害防治研究

根据输油气管道扰度方程可知：

对于原型方程为：

山区油气管道地质灾害防治研究

对于模型方程为：

山区油气管道地质灾害防治研究

如果模型与原型相似，则需满足以下方程：

山区油气管道地质灾害防治研究

式中：

山区油气管道地质灾害防治研究

3）模型材料的选定

（1）碎石土滑坡试验相似材料。

选择石英砂、重晶石粉、粘土、碳酸钙颗粒、水、甘油、乳胶（与水配成10%的胶液）为试验材料，配制成不同成分和比例的试验材料。

通过对其力学性质的试验比较。因此，将满足模型试验要求的这组材料作为模型试验的基本材料。

（2）黄土滑坡试验相似材料。

选择石英砂、重晶石粉、粘土、水为试验材料，配制成不同成分和比例的试验材料。

通过对其力学性质的试验比较，将满足模型试验的要求这组材料作为模型试验的基本材料。

另外，当滑坡模型的容重较低，可在模型体中加一定数量的铅块，以增加模型体的下滑力。

5313　模型制作

1）滑坡地质力学模型

试验典型滑坡作为主要的研究对象，并根据滑坡形成的岩土力学性质，滑动面形态、地形坡度、变形特点等条件建立地质力学模型，并确定滑坡参数。

2）滑坡试验模型

根据滑坡规模，按岩性相似、几何相似、动力条件相似建立滑坡试验模型。

3）模型中的模拟管道

为了研究管道在滑坡变形过程的受力状态与变形，在模型前部埋设模拟管道。根据管道的物理特性，以及管道在滑坡中的受力状态，按受力条件与方式相似、几何相似的要求，确定模型试验管道的大小及强度。

532　模型试验过程与控制

首先将模型体坡度抬升至25°，观测模型体表面和内部的变形、微裂隙的产生及发展过程。

然后将模型体坡度抬升至30°即设计坡度，观测模型体表面和内部的变形、微裂隙的产生及发展过程；

通过对模型滑面坡度的变化，控制滑坡的试验过程。同时通过埋设在模型体不同部位的位移计，记录模型体不同部位的应力、应变变化过程，直至滑动。

533　试验观测

5331　滑坡变形观测

为有效观测模型变形特点，在模型中布设两排观测点。

上部观测点为前、中、后部。

下部观测点为前、中、后部。

5332　试验管道受力观测

试验中管道的受力观测采用应变式位移计进行观测，以确定管道在试验中的受力情况。

一、土壤水分特征曲线

土壤水分特征曲线是土壤吸力S和含水率θ之关系曲线。虽然它不是模型中的一个直接参数，却是一个间接参数，通过它可以进行吸力S（或基质势ψ=-S）与含水率θ之变换以及求取其他重要参数，如K（θ）。水分特征曲线的高吸力部分和低吸力部分可通过压力膜仪和悬挂土柱法试验求得。由压力膜仪求得的水分特征曲线数据进行拟合（图9-1），其拟合方程为：

S=195 θ-354

式中：S为土壤对水的吸力（cmH2O）；θ为体积含水率（cm3/cm3）。

图9-1 土壤水分特征曲线

二、非饱和水分扩散度Dw(θ）

采用水平土柱吸渗法测定非饱和水分扩散度Dw（θ）（陈文新，1996）。其原理是取一长度为100 cm的水平土柱，使其密度均一，且有均匀的初始含水率。在土柱进水端维持一个接近饱和的稳定边界含水率，并使水分在土柱中作水平吸渗运动。据此，建立一维水平流动的数学模型，求出其解析解，即可得到Dw（θ）的计算公式。将计算的Dw（θ）与实测的含水率θ采用指数函数进行拟合，可得Dw（θ）-θ关系表达式。本试验土样采样深度为0～4m，ρ=141g/cm3，初始含水率为474%。分耗水量不同（80mL和114mL）做了两次试验，最后根据Dw（θ）与θ拟合效果，选择第二次试验结果。采用最小二乘法拟合得（图9-2）：

Dw（θ)=0011e1334θ（cm2/min）=1599 e1334θ（cm2/d）

图9-2 Dw（θ）实测值与拟合值之比较

（耗水量=114mL）

三、非饱和土壤导水率K（θ）

目前，对非饱和土壤导水率K（θ）的研究较多，确定方法有间接计算法和直接测定与计算法。前者是在已知土壤水分运移的其他参数（如水分特征曲线、饱和导水率和水分扩散率等）后，通过它们相互之间固有的关系，来间接获得非饱和土壤导水率K（θ）；后者是通过室内或野外直接测定不同时刻的含水率和基质势确定。

（一）间接计算法

由水分特征曲线和水分扩散度计算得到

由压力膜仪测得的水分特征曲线为：

S=195θ-354

区域地下水演化过程及其与相邻层圈的相互作用

区域地下水演化过程及其与相邻层圈的相互作用

根据K（θ）与C（θ）、Dw（θ）固有的关系，可得

K（θ）=C（θ）Dw（θ）=231 θ454e1333θ

再将上式拟合成K（θ）=αθβ的形式，得

K（θ）=555677θ746，R2=099

（二）野外测定与计算

野外常用的方法有瞬时剖面法和零通量面法。前者是人为控制使地表通量已知，最简单的办法是适量灌水后，用塑料薄膜覆盖地表，使地表通量等于零，在水分重分布时，观测不同时间各深度的ψ与θ值，利用质量守恒原理和非饱和达西定律可求出K（ψ）或K（θ）；后者是灌水后地表不覆盖，让其自然蒸发，绘制总水势ψT与Z的关系图，会发现可能存在零通量面，在此面之上，水分向上运移（蒸发）；在此面之下，水分向下运移（下渗），此面通量为零，作为已知通量，与前法相似的原理可求出K（ψ）或K（θ）。但是若在冬季做灌水试验，由于蒸发强度弱，则很难出现零通量面，这时可用表面通量法。其原理与瞬时剖面法相同。表面通量为已知，为土面蒸发量。本研究采用表面通量法求K（ψ）或K（θ），并与间接计算法相比较。具体计算如下：

由质量守恒原理有：

区域地下水演化过程及其与相邻层圈的相互作用

将上式从地表到任一断面z间积分得：

区域地下水演化过程及其与相邻层圈的相互作用

于是有：

区域地下水演化过程及其与相邻层圈的相互作用

而q（0，t）=-Es（t），

区域地下水演化过程及其与相邻层圈的相互作用

又由于

区域地下水演化过程及其与相邻层圈的相互作用

∴ K（θ）=-q（z，t）（Δψ/Δz）-1

Δψ/Δz可由下列近似公式求出：

ΔH/Δz=［Ψ1+Ψ2-（Ψ3+Ψ4）］/（2Δz）

Ψ1、Ψ2、Ψ3和Ψ4分别为t2，t1时段内z断面上下各10cm处的总水势。

K（θ）对应的θ由下式确定：

θ=〔θ（t1，z）+θ（t2，z）〕/2

将各点的K（θ）与对应的θ进行拟合可得K（θ）=αθβ的形式。

利用1998年11月22日和24日野外灌水资料求得：

K（θ）=953×108θ1826　R2=095

四、水动力弥散系数Dsh（θ,q）

非饱和弥散系数可通过室内外试验来确定，然而弥散系数具有尺度效应，一般野外测得的弥散系数比室内的大好几个数量级，室内测得的弥散系数无法代表田间的情况，因此，弥散系数由野外灌水试验获得。由于野外条件复杂，弥散系数难于获得解析解，一般借助于数值方法求解。其方法是：若已知某一断面水分和氮素通量q、J及任意两个时刻垂直剖面上的含水量θ和浓度C分布，则可利用质量守恒原理，求出剖面上各点的弥散系数（黄康东，1987）。其计算公式如下：

区域地下水演化过程及其与相邻层圈的相互作用

其中 由水流连续性方程求得：

区域地下水演化过程及其与相邻层圈的相互作用

可由下式递推求得：

区域地下水演化过程及其与相邻层圈的相互作用

结点之间的值由算术平均或几何平均求得。

综上所述，只要知道土壤水、氮运动过程中任意两个时刻的剖面分布并控制上边界条件在该期间内不变，则利用上述公式通过简单计算即可得各点的弥散系数。野外最简单的处理方法是使上边界条件为零通量边界，即q0（t）=0，J0（t）=0，测得两个时刻的土壤剖面含水量和 或Cl-浓度即可求出不同流速（或含水量）下的弥散系数。

五、 的吸附分配系数kD

由于土壤中存在大量带有电荷的无机和有机胶体，能对溶液中的离子产生吸附作用，同时，由于范德华力、氢键、离子键、质子化等作用，土壤固相又可吸附一些分子态物质。土壤的吸附量除了与固、液相中离子浓度有关外，还与土壤颗粒性质、流体速度、离子种类以及水动力弥散等有关。吸附过程极其复杂，因此，精确描述土壤吸附过程几乎是不可能的。许多公式都是在一定假设的前提下在一定范围内适合某些问题的经验表达式（王红旗等，1998）。描述吸附过程一般有动态吸附模式和平衡吸附模式。就 的吸附而言，多数研究表明，在最大吸附量的范围内，描述土壤对 的吸附以Freundlich线性等温吸附模式较为适宜。本研究选择此模式通过试验确定kD。由于 的吸附过程常伴随一些微生物转化作用，如 的硝化作用。为了更好地研究吸附作用，排除微生物转化作用的干扰，本次吸附试验先采用高压灭菌的方法将土壤中的微生物杀死，再进行吸附试验。试验用土样选自3个不同深度的土壤进行（ST3：05～11m，ST8：34～35m，Z1-35：95～97m）。试验结果表明：上部土壤（ST3）、中部土壤（ST8）和下部土壤（Z1-35）分别在15、29、36 h后达到吸附平衡（图9-3），且开始时吸附较快，随时间的延长吸附越来越慢，最后趋于定值，即最大吸附量。在吸附平衡条件下吸附量与平衡浓度关系较符合线性关系（图9-4），由此得各段土壤吸附等温方程如下：

ST3：S=170C R2=085

ST8： S=111C R2=093

Z1-35：S=197C R2=094

∴ kD1=170 kD2=111 kD3=197

由于模拟深度为0～4m，因此，kD取ST3和ST8的平均值，即kD=141。本次吸附试验，除了进行土壤对 的吸附试验外，还进行了土壤对 、 的吸附测试。试验结果表明，土壤对 和 吸附不明显，尤其是 很稳定，因此，模型中可不考虑土壤对 的吸附。

区域地下水演化过程及其与相邻层圈的相互作用

区域地下水演化过程及其与相邻层圈的相互作用

浓度与土壤吸附量S之关系

六、硝化、反硝化速率常数

硝化、反硝化作用是氮转化的两个重要作用。描述硝化、反硝化过程有多种观点，一种认为硝化速度符合零级动力学反应方程，另一种认为是一级动力学形式，还有一种认为遵循米氏方程，有人从米氏方程推导认为 高浓度时为零级，低浓度时为一级。至于反硝化速度，多数认为符合零级动力学形式，也有人认为是一级形式。由于硝化、反硝化作用受多种因素的影响，具体属何种动力学形式，需通过实验确定。

为防止取样污染，本次采用批实验方法，同时培养多支试管，每次取出一支试管进行化学和微生物鉴定分析。实验结果显示，硝化和反硝化作用过程均可分为3个阶段（图9-5、9-6）。在硝化作用过程中，第一阶段为硝化作用延滞阶段，在这个阶段，硝化细菌为适应环境，硝化过程很慢，硝化反应符合1级滞阶段，在这个阶段，硝化细菌为适应环境，硝化过程很慢，硝化反应符合1级动力学方程；第二阶段为突变阶段，在该阶段，由于食料充足，硝化细菌大量繁殖，硝化速度很快，符合零级反应；第三阶段为衰减阶段，由于食料不足，硝化细菌生长受到限制，硝化速度越来越慢，又趋于一级形式。与硝化作用不同的是，反硝化作用的第一阶段反应速度很快，土壤 含量消耗快，而第二阶段 含量不是下降而是上升，其原因可能是除了反硝化作用发生外，还有硝化作用发生，而且是硝化作用强度大于反硝化作用强度，到第三阶段又以反硝化作用为主， 含量迅速下降。实验结果还显示（图9-7、9-8），在不同深度剖面硝化作用强度大体一致，而反硝化作用则略有不同，第一和第二阶段反硝化速度均为零级反应，第三阶段为一级反应，且反硝化反应在土壤上部强、下部弱。

区域地下水演化过程及其与相邻层圈的相互作用

区域地下水演化过程及其与相邻层圈的相互作用

ST3（0～11m）土壤硝化、反硝化分段拟合结果如下：

区域地下水演化过程及其与相邻层圈的相互作用

式中t为时间变量（d）。

反硝化作用分段拟合结果：

区域地下水演化过程及其与相邻层圈的相互作用

所以，硝化速率常数k21=0023，k22=31635，k23=0044

反硝化速率常数k31=431，k32=-062，k33=0015

区域地下水演化过程及其与相邻层圈的相互作用

区域地下水演化过程及其与相邻层圈的相互作用

以上实验是在室内间歇培养方式下进行的，其条件不同于野外情况。野外条件下微生物处于开放体系，食料的供给相对较稳定，微生物的培养方式属连续培养方式，但是微生物的食料常常是不足的，因此，野外条件下的硝化、反硝化速率可取室内第三阶段的实验结果，即硝化、反硝化均属一级反应，且硝化速率常数k2为0044，反硝化速率常数k3为0015。

其他参数参考有关文献（王红旗等，1998；朱兆良等，1992）确定，如有机氮矿化速率常数k1、氨化速率常数kv以及作物吸收系数k4。它们的取值：k1=0005143，k4=1，

区域地下水演化过程及其与相邻层圈的相互作用

符号统一：X即样本矩阵

LSI：即SVD（奇异值）分解，X≈UΣVT（VT代表V的转置），设X为n×m矩阵，共m个文档，每个文档由n个词构成，而Σ为s×s矩阵，代表s个主题，V为m×s，每行代表每个文档分别和每个主题的相似度。通常文本分类用到V矩阵。U矩阵即n×s，每行代表每个词和每个主题的相似度。U和V分别成为左、右奇异矩阵。PS：我们知道PCA是对XTX求特征值和特征向量，设X=UΣVT，由于U和V都是正交阵，则XTX=VΣ²VT，即右奇异矩阵就是PCA分解后的特征矩阵，XXT→左奇异矩阵也是同理。

Word2Vec: 最常用的自然语言的数字化表达，简而言之就是若共100篇文章，vocabulary_size=10000，那么每个词都可以用10000维的one-hot向量表达，而经过word2vec的embedding后，每个词都可以用例如300维向量表示，不仅降了维度，而且相似词义的词将拥有更接近的向量表示。word2vec分为两种模型，CBOW - 根据上下文预测词语，SkipGram - 根据词语预测上下文。

CBOW：对C个上下文的词语每个词用C组不同的权重W全连接映射到一个N维的隐层上，得到C个N维隐层值，取平均，再对这个平均的N维隐层用权重W'的全连接+softmax对V个词语赋予概率值，V即vocabulary_sizee。W和W'分别是V×N和N×V的矩阵（全连接↔左乘权重矩阵的转置），假设某词word是Vocabulary的第j个词，那么W的第j行称为word的输入词向量，W'的第j列向量为word的输出词向量。 点此 查看原论文，不过我没看懂所谓的word embedding最终输出的到底是哪个向量，输入、输出、还是隐层。

SkipGram: CBOW的反向操作。

两者都是用BP算法更新。

LSTM：假设输入一句话长度10，每个词用32维向量展示，则LSTM将这个[10, 32]的向量转化为[k]的输出（hidden state），k可以是小于32的任意整数。也可输出每个time_step的输出（[10,32]），和最后的cell state。并可对输出的k维向量加一个全连接降维或再加一个softmax实现分类。LSTM和RNN的区别在于有门控制，主要是通过忘记门来保留长期记忆，避免梯度消失。

Seq2Seq：Seq2Seq本来有着非常广阔的定义，但通常是指一个基于神经网络与 LSTM 的 经典seq2seq模型 ，后续流行的Transformer、BERT、GPT3等都是基于此。大致功能是实现机器翻译，通过encoder将原文转换为一个理解的矩阵后，用decoder一词一词地根据这个理解输出目标语言对应的句子。结构大致是先将原文每个词embedding后输入一个名为encoder的LSTM，并将其输出（即LSTM的最后一个cell的h和c）作为对原文的理解。然后一个名为decoder的LSTM会将这个理解转化为答案，decoder用BOS代表句子开始，EOS代表结束。训练时，例如将“我爱你”翻译为“I love you”，第一个输入是BOS，embedding后经过cell（用之前得到的h和c初始化）后用softmax激活得到第一个输出“I”，“I”作为第二个输入再次embedding经过cell后softmax激活得到第二个输出“love”，同理得到第三个输出“you”，最后得到EOS。通过BP梯度下降训练完成后，以同样的方式完成机器翻译的预测任务。

Attention：最早用于Seq2Seq模型。例如要将“我爱你”翻译为“I love you”时，首先根据encoder获得对原文每个词的理解，即encoder_output。decoder每次输出时，对当前输入找一个合适的attention分布，即权重（所谓更注意的地方，即权重更高的地方），该权重点乘encoder_output后求和即经过注意力机制后当前的输入。简而言之，在decoder每次输出时，会根据输入对encoder_output给予一个不同的attention分布。（ 此段话尚未验证，需读过论文后修正 ）

Self-Attention: 第一次出现在Transformer，由于Transformer没有使用传统s2s所用的RNN或LSTM，所以自称Attention is all you need (You don't need RNN or LSTM)。Self-Attention和Attention的区别有很多，首先对它而言可以不需要decoder直接在encoder内完成自注意力，其次它没有关注序列信息，因此需要额外先进行Positional Encoding，添加序列信息。它的重点在于在关注一个词时，可以将它和上下文的其他词联系到一起计算，对关联较大的词赋予更多的关注（权重）。计算方法是通过三个不同的权重矩阵来乘输入X，获得Q K V三个矩阵，即将原文X拆分为了3部分：问题、目录、内容，通过QKT除以一个常数（原论文是根号dk，这个数越大则概率分布越平均，越小则越极端，也会导致梯度消失）后softmax，来找到和Q对应的K，再通过这个K找到相应的V，即代表此时的关注的内容。

Transformer（ 论文 及 较好的一篇介绍 ）: 虽然也有encoder和decoder，但后续的发展改进通常只用encoder，而encoder的主要部分是self-attention。整体结构是6个encoder层接6个decoder层。每个encoder层大致结构是输入X经Positional Encoding后，经self-attention加工和自身残差连接后相加并norm（所谓残差连接相当于给了X两个通道，一个是直接输入，一个是经过attention输入），随后再通过前向网络分别对每个输出全连接处理后（一方面避免直接concat维度太大，一方面可以并行计算）与自身残差相加并norm。decoder大致相同，就在中间多了一个Mask的Self Attention来接受encoder的输入，mask是因为decoder按顺序输出，需要把后面的mask掉。

引力场对放入其中的物体有引力作用，电场对放入其中的电荷有力的作用，根据场的这种性质来感触场的存在，研究场的特点。存在于带电体周围的传递电荷之间相互作用的特殊媒介物质．电荷间的作用总是通过电场进行的。

由于地球内部质量分布的不规则性，致使地球重力场不是一个按简单规律变化的力场。但从总的方面看，地球非常接近于一个旋转椭球，因此可将实际地球规则化。

根据地面上大范围甚至全球范围的重力测量结果 ，可以研究地核-地幔边界的起伏，地幔地壳边界的起伏，地幔中的热对流，地壳均衡的状态等，这些都是与电场有关的。

扩展资料：

磁场变化时线圈产生的感生电动势与导体的种类、形状、性质和构成均无关，是由磁场本身的变化引起的。因此麦克斯韦提出了“变化的磁场会在其周围的空间激发一种电场，正是这种电场使得闭合回路中产生了感生电动势和感生电流”的理论。

应该注意，电场线不是电荷的运动轨迹。根据电场线方向能确定电荷的受力方向和加速度方向，不能确定电荷的速度方向、运动的轨迹。电场线是直线时，电荷运动加速度与电场线平行。

-重力场

-电场

建筑结构简化成力学模型大概分为两个步骤：

第一步，分析结构的受力类型，比如如果是桁架，则受力构件为二力杆，也就是只受轴向拉压。如果是框架结构则为梁或者是柱，此类构件一般只考虑剪力与弯矩，不考虑轴向变形。梁不考虑轴力，柱则要考虑轴力。如果是楼板或者剪力墙，则是壳单元。考虑受弯矩与剪力，不考虑轴力。

第二步，对不同类型的构件进行力学模型化处理，比如二力杆，则在两端加铰接。梁或者柱则刚接，板或者剪力墙的壳单元则根据实际情况加自由、简支、固支等约束。然后用轴线或者平面在图中画出来就可以了。

在介绍GS模型之前，我们有必要先来了解一下混合线性模型（Mixed Linear Model，MLM）。混合线性模型是一种方差分量模型，既然是线性模型，意味着各量之间的关系是线性的，可以应用叠加原理，即几个不同的输入量同时作用于系统的响应，等于几个输入量单独作用的响应之和（公式1）。

既然是混合效应模型，则既含有固定效应，又含有随机效应。所谓固定效应是指所有可能出现的等级或水平是已知且能观察的，如性别、年龄、品种等。所谓随机效应是指随机从总体中抽取样本时可能出现的水平，是不确定的，如个体加性效应、母体效应等（公式2）。

式中 y 为观测值向量； β 为固定效应向量； μ 为随机效应向量，服从均值向量为0、方差协方差矩阵为G的正态分布 μ ~ N(0,G) ； X 为固定效应的关联矩阵； Z 为随机效应的关联矩阵；