2、边坡稳定性分析、监测与机器学习应用

边坡稳定性分析、监测与机器学习应用

1. 物理实验方法

物理模型实验基于相似原理和现场调查结果来建立模拟模型。在特定条件下，它能够预测或重现危险岩体的演化过程。

1.1 土质边坡实验

• 降雨入渗与边坡破坏研究 ：Wu等人（2015）研究了不同初始条件下降雨对边坡的入渗情况以及人工降雨引发的边坡破坏，将土质边坡破坏分为整体滑动破坏、局部滑动破坏和流滑三种类型。
• 小型离心试验 ：Abdoun等人（2018）进行了斜坡沉积物的小型离心试验，研究斜坡沉积物的反应和液化潜力，并为数值模拟建立了实验数据的可重复性。
• 应变局部化测量 ：Morse等人（2017）测量了非饱和边坡在突然破坏前应变局部化的增加情况，以验证一种新的预测非饱和条件下边坡稳定性的理论。
• 黄土边坡实验 ：Sun等人（2019）进行了三类室内黄土边坡物理模型实验，研究降雨引发的浅层黄土滑坡的破坏模式和触发机制。
• 渐进破坏实验 ：Darban等人（2019）对非饱和火山碎屑土构成的边坡进行了小规模实验，定量分析边坡的渐进破坏。

1.2 岩质边坡实验

• 岩石运动特性研究 ：Huang等人（2007）研究了边坡特征对不同形状岩石块停止位置、运动时间和运动轨迹的影响。
• 动态破碎研究