（通讯员 薛阳）地球科学学院地质系教师薛阳博士以第一作者身份在计算机岩土领域顶级期刊《Computers and Geotechnics》上发表题为“Probabilistic back analysis of reservoir landslide considering hydro-mechanical coupled observations”的论文。

本研究以库岸滑坡为研究对象，考虑了岩土体参数的固有空间变异性，围绕如何精确评估滑坡岩土体参数这一问题，基于贝叶斯理论、随机场理论、神经网络算法和亚塑性本构模型，建立了监测数据融合下库岸滑坡随机场参数反演框架，为库岸滑坡的数值模拟和概率分析提供参数。论文得到了国家自然科学基金项目、西藏自治区科技项目和青海省科技项目的资助。

由于土体属性的固有变异性和有限的岩土测试数据，准确获取参数的统计特征来表征库岸滑坡土体的空间变异性是一项挑战，其中参数统计特征是边坡稳定性概率分析的基础数据。反演分析已被证明是一种有效可靠的技术手段来利用观测数据获取土体参数。目前库岸滑坡的参数反演研究很少考虑滑坡的水力耦合特性以及空间变异性。本研究建立了一种考虑水力参数空间变异性的神经网络—贝叶斯反分析框架（图1），采用亚塑性黏土本构模型来表征库岸滑坡独特的“阶跃型”位移变形，可以利用地下水位和地表位移的监测数据对库岸滑坡的随机场参数进行反演。论文以三峡库区的一处库岸堆积层滑坡为例（图2），依次进行了饱和渗透系数和抗剪强度参数的空间变异性反演，最后基于获取的参数数据进行了库岸滑坡概率稳定性分析，验证了所提出框架的有效性。

《Computers and Geotechnics》期刊的实时影响因子为5.3，5年影响因子5.7，JCR分区1区，中科院升级版1区TOP。

图 1 库岸滑坡参数反演流程图

图2 库岸滑坡三维平面图

图3 滑坡地下水位和地表位移的模拟结果

图4 论文首页