复杂孕灾环境下隧道进口斜坡稳定性分析与评价

徐正宣; 林之恒; 刘云鹏; 聂晓芳; 任利; 张志龙

doi:10.3969/j.issn.0258-2724.20220361

复杂孕灾环境下隧道进口斜坡稳定性分析与评价

doi: 10.3969/j.issn.0258-2724.20220361

徐正宣^{1, 2,},
林之恒²,
刘云鹏³,
聂晓芳⁴,
任利⁴,
张志龙⁵

1.
西南交通大学地球科学与环境工程学院，四川成都 610031
2.
中铁二院工程集团有限责任公司，四川成都 610031
3.
中国电建集团成都勘测设计研究院有限公司，四川成都 610072
4.
四川大学深地科学与工程教育部重点实验室，四川成都 610065
5.
四川大学水利水电学院，四川成都 610065

基金项目: 国家自然科学基金项目（42171355）

详细信息

作者简介:
徐正宣（1977—），男，教授级高级工程师，博士研究生，研究方向为工程地质，E-mail：30567351@qq.com

中图分类号: U452.1
计量
- 文章访问数: 319
- HTML全文浏览量: 165
- PDF下载量: 80
- 被引次数: 0
出版历程
- 收稿日期: 2022-05-17
- 修回日期: 2022-09-24
- 网络出版日期: 2024-01-12
- 刊出日期: 2022-11-11

Stability Analysis and Evaluation of a Tunnel Entrance Slope Under Complex Disaster-Prone Environments

1.
School of Civil Engineering, Southwest Jiaotong University, Chengdu 610031, China
2.
China Railway Eryuan Engineering Group Co., Ltd., Chengdu 610031, China
3.
Power China Chengdu Engineering Corporation Limited, Chengdu 610072, China
4.
MOE Key Laboratory of Deep Earth Science and Engineering, Sichuan University, Chengdu 610065, China
5.
College of Resource and Hydropower, Sichuan University, Chengdu 610065, China

摘要

摘要:
高地震烈度、高地应力、高陡、高寒等复杂孕灾环境下的隧道洞口斜坡，在降雨、强震或人类强烈工程活动影响下，极易发生崩塌、滑坡、泥石流等地质灾害. 为探究复杂孕灾环境下隧道进口斜坡在不同工况条件下的稳定性，以我国西南某加日山隧道为依托，通过无人机摄影、槽探、室内实验及洞探原位测试等“天空地”一体化勘察技术，实现斜坡工程地质信息精细获取，系统揭示斜坡典型破坏特征，讨论斜坡2种破坏成因与演化模式，在此基础上，利用极限平衡法与三维数值模拟方法，量化分析不同工况下的斜坡稳定性. 研究结果表明：加日山隧道进口斜坡在自然工况、暴雨工况、地震工况3种工况下稳定性系数均大于1.15，斜坡整体处于稳定状态，仅后缘表部存在局部变形失稳的可能，成果可为类似隧道的选线规划以及建设运营安全提供理论指导和技术支撑.
- 孕灾环境 /
- 斜坡变形 /
- 演化模式 /
- 稳定性分析
Abstract:
Influenced by rainfall, strong earthquakes, and intensive engineering activities, the slope at the tunnel entrance may experience collapses, landslides, debris flows, and other geological disasters, especially under the complex conditions of violent earthquakes, high geostress, abrupt slopes, and extremely cold environments. To explore the stability of tunnel entrance slopes under different working conditions in complex disaster-prone environments, the Jiarishan tunnel in southwest China was taken as an example, and a “space-air-ground” integrated investigation technology combining unmanned aerial vehicle (UAV) photography, surface trenching, laboratory experiments, field tests, and cave surveys was employed to obtain accurate engineering geological information. Typical failure characteristics of the studied slope were systematically revealed, and the two failure causes and evolution models of the slope were discussed. In addition, the slope stability under different working conditions was qualitatively analyzed using the limit equilibrium method and three-dimensional numerical simulation. The results indicate that the stability factor of the slope at the Jiarishan tunnel entrance is always greater than 1.15 under natural, rainstorm, and earthquake working conditions. Overall, the slope is stable except for the local deformation and instability of the shallow horizon of the posterior margin. This research can provide theoretical guidance and technical support for similar tunnels in terms of siting, construction, and operation safety.
- disaster-prone environment /
- slope deformation /
- evolution mode /
- stability analysis

HTML全文

近年来，传感器有限的能量遏制着无线传感器网络（wireless sensor networks, WSN）的永续发展. 且当传感器节点的电池寿命即将结束时，常常会发生传感错误和链路故障. 因此，延长传感器节点的生命周期并维持其感知性能是WSN中的一个主要问题^[1-2].

随着射频能量收集（radio frequency energy harvesting, RF-EH）技术^[3]的不断发展，使得受限于能量的WSN可以实现自持作业. 然而，传感器节点与目的节点之间常常由于地形地貌、建筑物、距离等原因以及受路径衰落的影响，导致无线链路被阻塞或不存在直达路径，影响系统覆盖范围^[4].于是，基于无线携能通信（simultaneous wireless information and powertransfer, SWIPT）的中继协作系统备受关注. 文献[5]随机地在蜂窝网络中部署能量站（power beacon, PB），建立随机几何模型，并研究数据链路中断约束下的混合网络部署问题. 文献[6]研究了双向能量收集（energy harvesting, EH）中继网络中联合波束赋形设计与时隙切换（time switching, TS）策略问题. 文献[7]将解码转发全双工中继网络中的中继能量建模为二级马尔可夫链，获得贪婪切换策略下的最优功率分配（power splitting, PS）因子，并以精确积分的形式推导相应的中断概率. 文献[8]研究了多径瑞利衰落信道下基于缓冲器辅助差分混沌移位键控的SWIPT中继系统，通过采用Meijer G函数和Gauss-Hermite算法，得到误码率和平均延迟的闭式表达式. 文献[9]针对基于SWIPT的全双工中继网络的最优中继选择问题，利用Karush-Kuhn-Tucker （KKT）条件和拉格朗日函数分别对最优中继选择及发射功率控制进行优化. 文献[10]考虑一种联合直连链路与中继链路的数据传输系统，推导选择式合并（selection combining, SC）策略下的系统中断概率表达式. 文献[11]针对多天线目的节点的中继通信网络提出4种协议，即静态TS因子下的SC、静态TS因子下的最大比合并（maximal ratio- combining, MRC）、最佳动态TS因子下的SC和最佳动态TS因子下的MRC，较为全面地研究系统的中断性能.

值得注意的是，以上文献研究的场景较为理想化，假设所有节点均能获得足够的初始能量，从而保持系统始终处于激活状态；在SWIPT多中继协作系统中^[12-13]，并未对目的节点采用多天线时的吞吐量（throughput, TH）性能进行优化分析. 鉴于此，本文针对EH-WSN系统提出基于PS策略的SWIPT多中继通信模型，研究联合优化TS因子与PS因子的吞吐量最大化中继选择算法，评估系统的中断性能.

1. 系统模型

本文考虑一种基于PS-SWIPT的EH-WSN系统模型，如所示. 该系统包括1个射频PB、N个传感器节点（1,2, $\cdots$ ,j, $\cdots$ ,N）、K个中继节点R_i （i = 1,2, $\cdots$ ,K）和1个目的节点D. 每个传感器节点安设单天线，中继节点安设2根天线、目的节点安设M根天线. 假设传感器节点在半双工（half-duplex, HD）模式下工作，中继节点在全双工模式下工作^[14]. 图中：h_j为PB与传感器节点j之间的链路信道系数， $h_{{{S}},{{R}}_i}$ 、 $h_{{{R}}_i,{{D}}_m}$ 分别为源节点S到中继节点R_i、R_i到目的节点D第m根天线的链路信道系数.

图 1 基于PS-SWIPT的EH-WSN系统模型

Figure 1. EH-WSN system model based on PS-SWIPT

下载: 全尺寸图片幻灯片

PB周期性地广播射频（radio frequency，RF）波，系统模型所有传感器节点和中继节点都从该RF信号中获取能量. 传感器节点j作为源节点S，经由中继节点R_i将传感信息传输到目的节点D. 假设无线信道为多径独立的Rayleigh衰落信道，且令信道系数在一个通信周期T内保持不变，而在不同时隙间独立变化^[15]. $|{h_j}{|^2}$ 、 $|{h_{{{S}},{{{R}}_i}}}{|^2}$ 、 $|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}$ 服从均值分别为λ_j、 ${\lambda _{{{S}},{{{R}}_i}}}$ 、 ${\lambda _{{{{R}}_i},{{{D}}_m}}}$ 的指数分布，例如 ${\lambda _j} = {d_j}^{ - \xi }$ . 其中， ${d_j}$ 为PB与传感器节点j之间的距离， $\xi$ 为路径损耗指数.

基于PS-SWIPT的EH-WSN系统模型采用时分广播（time division broadcasting, TDBC）协议. 1个通信周期T分为2个时隙. 第1个时隙(1−θ)T内 (0<θ<1)，传感器节点和中继节点同时从PB发出的RF信号中收集能量；第2个时隙θT为传感器节点的协作传输阶段，传感器节点j作为源节点S以SWIPT方式将信息和能量同时传输至中继节点，中继节点再以解码转发方式将信息传输至目的节点D.TS因子θ控制着能量接收时隙长度和信息接收时隙长度，是重要的动态优化参数.

第1个时隙(1−θ)T：单天线传感器节点j 收集到的能量为^[16]

$E_j^{{\rm{har}}} = \eta |{h_j}{|^2}P\left( {1 - \theta } \right)T,$

(1)

式中：η为能量转化效率（0<η<1），P为PB的发射功率.

第2个时隙θT：传感器节点j作为源节点S的发射功率为

${P_{{S}}} = \frac{{E_j^{{\rm{har}}}}}{{\theta T}} = \frac{{\eta |{h_j}{|^2}P\left( {1 - \theta } \right)}}{\theta } = k|{h_j}{|^2}P \text{，}$

(2)

式中： $k = \displaystyle{{\eta (1 - \theta )}}/{\theta }$ .

中继节点R_i接收来自源节点S的信号为

${y_{{{\rm{R}}_i}}} = \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \text{，}$

(3)

式中： ${x_{{S}}} \in C$ ，C为满足 ${{E}}\left\{ {|{x_{{S}}}{|^2}} \right\} = 1$ 的源节点S发送信号； ${P_{{{{R}}_i}}}$ 是R_i的发射功率； ${x_{{{{R}}_i}}} \in C$ ，为R_i发送的信号； ${n_{{{{R}}_i},{\rm{a}}}}$ 为R_i处的加性高斯白噪声，服从独立同分布的复高斯随机变量， ${n_{{{{R}}_i},{\rm{a}}}}$ ～ $CN(0,\sigma _{{n_{{{{R}}_i},{\rm{a}}}}}^2)$ ； $h_{{{R}}_i,{{R}}_i}$ 为中继节点R_i的环回链路信道系数； $\sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}}$ 为R_i的环回自干扰信号.

基于PS因子 ${\rho _i} \in (0,1)$ ，R_i的接收信号 ${y_{{{{R}}_i}}}$ 分为两部分： ${\rho _i}$ 部分用于信息传输，1− ${\rho _i}$ 部分用于能量收集. 信息传输信号 $y_{{{R}}_i}^{{\rm{ID}}}$ 和能量收集信号 $y_{{{R}}_i}^{{\rm{EH}}}$ 分别为

$\begin{split} & y_{{{{R}}_i}}^{{\rm{ID}}} = \sqrt {{\rho _i}} {y_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{P}}}} = \sqrt {{\rho _i}} \left( \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} +\right. \\& \left. \quad \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \right) + {n_{{{{R}}_i},{\rm{P}}}}, \end{split}$

(4)

$\begin{split} & y_{{{{R}}_i}}^{{\rm{EH}}} = \sqrt {1 - {\rho _i}} {y_{{{{R}}_i}}}= \sqrt {1 - {\rho _i}} \left( \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + \right.\\ &\quad \left. \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \right) , \end{split}$

(5)

式中： ${n_{{{{R}}_i},{\rm{P}}}}$ 为R_i发射产生的人为噪声，且 ${n_{{{{R}}_i},{\rm{P}}}}$ ～ $CN(0,\sigma _{{n_{{{{R}}_i},{\rm{P}}}}}^2)$ .

自干扰消除后^[17]，R_i的接收信号更替为

$y_{{{{R}}_i}}^{{\rm{ID}}-{\text{SIC}}} = \sqrt {{\rho _i}} \left( {\sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + {n_{{{{R}}_i},{\rm{a}}}}} \right) + {n_{{{{R}}_i},{\rm{P}}}}.$

(6)

由式（2）、（6），R_i的接收信噪比（signal-to-noise ratio, SNR）为

$\begin{split} & {\gamma _{{{R}_i}}} = \frac{{{\rho _i}{P_{{S}}}|{h_{{{S}},{{{R}}_i}}}{|^2}}}{{{\rho _i}\sigma _{{n_{{{{R}}_i}}},{\rm{a}}}^2 + \sigma _{{n_{{{{R}}_i},{\rm{P}}}}}^2}}= \frac{{{\rho _i}k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}}}{{{\rho _i}{N_0} + {N_0}}} = \\ &\quad \frac{{{\rho _i}k|{h_j}{|^2}|{h_{{{S}},{{{R}}_i}}}{|^2}\varPhi }}{{{\rho _i} + 1}}, \end{split}$

(7)

式中： $\sigma ^2_{{n_{{{\rm{R}}_i},{\rm{a}}}}} = \sigma ^2_{{n_{{{\rm{R}}_i},{\rm{P}}}}} = {N_0}$ （常数）， $\varPhi \triangleq \displaystyle{P}/{{{N_0}}}$ .

因能量部署站PB和中继节点的位置是固定的，单位发射功率下，假设每个中继节点在T内接收到的平均能量是Q_avg，则在PB发射功率为P且能量收集时间为(1−θ)T时，中继节点R_i收集到的能量为Q_avgP(1−θ)T. 忽略中继节点R_i收集过程中噪声产生的微弱能量^[8]，则R_i收集了PB的能量，接收了源节点S发射信号的能量，并对自干扰信号进行能量自回收，最终收集的总能量为

${E_{{{{R}}_i}}} = E_{{{{R}}_i}}^{{\text{SWIPT}}} + \eta {Q_{{\rm{avg}}}}P(1 - \theta )T \text{，}$

(8)

式中： $E_{{{{R}}_i}}^{{\text{SWIPT}}} = \eta \left( {1 - {\rho _i}} \right)\left( {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2} + {P_{{{{R}}_i}}}|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}} \right)\theta T$ ，为从源节点处收集到的能量.

当中继节点R_i将最终收集的能量 $E_{R_i}$ 均用于发射，发射功率 ${P_{{{{R}}_i}}} = \dfrac{{{E_{{{{R}}_i}}}}}{{\theta T}}$ . 假设T = 1，化简得到

${P_{{{{R}}_i}}} = \frac{{\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )}}{{\theta - \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}\theta }} .$

(9)

1.1 目的节点D采用SC策略

目的节点D采用SC策略时，节点D处第m根天线的接收信号为

$y_{{{{R}}_{i,}}{{{D}}_m}}^{{\text{SC}}} = \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{D}}_m}}}{x_{{{\rm{R}}_i}}} + {n_{{{{D}}_m}}} \text{，}$

(10)

式中： ${n_{{{{D}}_m}}}$ 为加性高斯白噪声，且 $n _{{{{{D}}_m}}}～N(0,{\sigma _{{n_{{{{D}}_m}}}}^2})$ .

令 $\sigma _{{n_{{{{D}}_m}}}}^2 = {N_0}$ ，则节点D第m根天线处的SNR为

$\qquad\qquad\quad \gamma _{{{{D}}_m}}^{{\text{SC}}} = \frac{{{P_{{{{R}}_i}}}\max\; |{h_{{{{R}}_i},{{{D}}_m}}}{|^2}}}{{\sigma _{{n_{{{{D}}_m}}}}^2}} = \frac{{\left[ {\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )} \right]\max \;|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}}}{{{N_0}\theta \left[ {1- \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2} } \right]}} .$

(11)

目的节点D采用SC策略时，选取最佳天线数为

${m^*} = \mathop {\arg \max }\limits_{1 \leqslant m \leqslant M} |{h_{{{{R}}_i},{{{D}}_m}}}{|^2}.$

(12)

设变量Z的累积分布函数（cumulative distribution function, CDF）函数和概率密度函数（probability density function, PDF）分别为F_Z(z)和f_Z(z) ，令 $Z = \mathop {\max }\limits_{m = 1,2, \cdots ,M} {\text{\{ }}|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}{\text{\} }}$ ，则

${F}_{Z}({\textit{z}})=1+{\displaystyle \sum _{m=1}^{M}{\left(-1\right)}^{m}}{\text{C}}_{M}^{m}{\text{e}}^{-m{\textit{z}}{\lambda }_{{{R}}_{i},{{D}}_m}}\text{，}$

(13)

${f_Z}({\textit{z}}) = {\lambda _{{{{R}}_i},{{{D}}_m}}}\sum\limits_{m = 1}^{M - 1} {{{\left( { - 1} \right)}^m}} {\text{C}}_{M - 1}^m{{\text{e}}^{ - (m + 1){\textit{z}}{\lambda _{{{{R}}_i},{{D}}_m}}}},$

(14)

式中： ${\text{C}}_M^m = \displaystyle\frac{{M!}}{{m!(M - m)!}}$ .

1.2 目的节点D采用MRC策略

目的节点D采用MRC策略时，可合并来自M根天线的信号，其接收信号为

$y_{{{{R}}_{i},}{{D}}}^{{\text{MRC}}} = \sum\limits_{m = 1}^M {\sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{D}}_m}}}{x_{{{{R}}_i}}}} + {n_{{D}}},$

(15)

式中： ${n_{{D}}}$ 为加性高斯白噪声，且 ${n_{{D}}}～N(0,{\sigma _{{n_{{D}}}}^2})$ .

根据式（9）、（15），并令 $\sigma _{{n_{{D}}}}^2 = {N_0}$ ，得到节点D的SNR为

$\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\gamma _{{D}}^{{\text{MRC}}} = \frac{{\displaystyle\sum\limits_{m = 1}^M {{P_{{{{R}}_i}}}|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}} }}{{\sigma _{{n_{{D}}}}^2}} = \frac{{\left[ {\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )} \right]\displaystyle\sum\limits_{m = 1}^M {|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}} }}{{{N_0}\left[ {\theta - \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}\theta } \right]}} \text{.}$

(16)

令 $W = \displaystyle\sum\limits_{m = 1}^M {|{h_{{R_i},{D_m}}}{|^2}}$ ，其PDF为

${f_W}(w) = \frac{{{{\lambda^M _{{{{R}}_i},{{D}}}}}}}{{(M - 1)!}}{w^{M - 1}}{{\rm{e}}^{ - w{\lambda _{{{{R}}_i},{{D}}}}}} .$

(17)

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

在基于PS-SWIPT的EH-WSN系统中，目的节点D采用SC策略的中断概率可表示为^[18]

$\; \; \; \; \;\; \; \; \;\; \; \; \; \; \;\; \; \; \; \; \; \; \; \; \; \; \;\begin{split} &{P_{{\rm{out}}}}{,_{{\text{SC}}}} \triangleq P_{\rm{r}} (\gamma _{{\rm{e2e}}}^{{\text{SC}}} < {\gamma _{{\rm{th}}}}) = {P_{\rm{r}}}\left(\mathrm{min}\left\{\frac{{\rho }_{i}{P}_{{{S}}}|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{{\rho }_{i}{\sigma }_{{n}_{{{{R}}}_{i}}}^{2} + {\sigma }_{{n}_{{{{R}}}_{i},{\rm{P}}}}^{2}},\frac{{P}_{{{{R}}}_{i}}\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{{\sigma }_{{n}_{{{{D}}}_{m}}}^{2}}\right\} < {\gamma }_{{\rm{th}}}\right)=\\ & \quad 1-{P_{\rm{r}}}\left(\frac{{\rho }_{i}{P}_{{{S}}}|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{{\rho }_{i}{N}_{0} + {N}_{0}}\geqslant {\gamma }_{{\rm{th}}}\text{，}\frac{{P}_{{{{R}}}_{i}}\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{{N}_{0}}\geqslant {\gamma }_{{\rm{th}}}\right)=1-{P_{\rm{r}}}\left(\frac{{\rho }_{i}k\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}\varPhi }{{\rho }_{i} + 1}\geqslant {\gamma }_{{\rm{th}}}\text{，}\right.\\ &\quad \left.\frac{\left[\eta \left(1-{\rho }_{i}\right)k\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}\theta + \eta {Q}_{{\rm{avg}}}(1-\theta )\right]\varPhi\; \mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{\theta -\eta \left(1-{\rho }_{i}\right)|{h}_{{{{R}}}_{i},{{{R}}}_{i}}{|}^{2} \theta } \geqslant {\gamma }_{{\rm{th}}}\right),\end{split}$

(18)

式中：P_r(·)为概率， $\gamma _{{\rm{e2e}}}^{{\text{SC}}} \triangleq \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}$ ， ${\gamma _{{\rm{th}}}}$ 为预设SNR阈值.

令 $X=\left|h_{j}\right|^{2}\left|h_{{{S}},{{R}}_{i}}\right|^{2}$ ，则其CDF为

$\begin{split} & {F_X}(x) = {P_{\rm{r}}}\left( {X < x} \right) = {P_{\rm{r}}}\left( {|{h_j}{|^2} < \frac{x}{{|{h_{{{S}},{{{R}}_i}}}{|^2}}}} \right) =\\ &\quad\displaystyle\int_0^\infty {{F_{|{h_j}{|^2}}}} \left( {\frac{x}{{|{h_{{{S}},{{{R}}_i}}}{|^2}}}} \right) {f_{|{h_{{{S}},{{{R}}_i}}}{|^2}}}(|{h_{{{S}},{{{R}}_i}}}{|^2}){\rm{d}}|{h_{{{S}},{{{R}}_i}}}{|^2} =\\ & \quad1 - 2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} {K_1}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) \text{，} \end{split}$

(19)

式中： ${K_v}$ (·)为第二类v阶修正贝塞尔函数.

令 $t = {\rho _i} + 1$ ， $d = {\rho _i}k\varPhi$ ， $a = \eta (1 - {\rho _i})k\theta$ ， $b = \eta {Q_{{\rm{avg}}}}\times (1 - \theta )$ ， $c = \theta - \eta (1 - {\rho _i})|{h_{{R_i},{R_i}}}{|^2}\theta$ ，则式（18）可以等价转化为

$\begin{split} &{P}_{{\rm{out}}\text{,SC}}=1-{P_{\rm{r}}}\left(\frac{d\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{t}\geqslant {\gamma }_{{\rm{th}}}\text{，}\right.\\ &\quad\left.\frac{ \left(a\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2} + b\right) \varPhi\;\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2} }{c}\geqslant {\gamma }_{{\rm{th}}}\right) =\\ &\quad 1-{P_{\rm{r}}}\left(X\geqslant \frac{{t\gamma }_{{\rm{th}}} }{d}\text{，}Z\geqslant \frac{{\gamma }_{{\rm{th}}} c}{(ax + b)\varPhi }\right)=\\ &\quad1-{\displaystyle {\int }_{\frac{{t\gamma }_{{\rm{th}}} }{d}}^{\infty }\left({\displaystyle {\int }_{\frac{{c\gamma }_{{\rm{th}}} }{(ax + b)\varPhi }}^{\infty }{f}_{Z}({\textit{z}})}{\rm{d}}{\textit{z}}\right)} {f}_{X}(x){\rm{d}}x =\\ &\quad1 - \int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty {\left( {\sum\limits_{m = 1}^M {{{\left( { - 1} \right)}^{m + 1}}{\rm{C}}_M^m} {{\rm{e}}^{ - {\lambda _{{{{R}}_{i,}}{{D}}_m}}\frac{{{\gamma _{{\rm{th}}}} cm}}{{(ax + b) \varPhi}}}}} \right)} {f_X}(x){\rm{d}}x{\text{ }} . \end{split}$

(20)

通过使用文献[19]中的等式(8.486,18)，可以计算得

${f_X}(x) = \frac{{{\rm{d}} {{F_X}(x)} }}{{{\rm{d}}x}} = 2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}{K_0}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) .$

(21)

将式（21）代入式（20），得到

$\begin{split} & {P_{{\rm{out}}{\text{,SC}}}} = 1 - \displaystyle\int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty {\left( {\sum\limits_{m = 1}^M {{{\left( { - 1} \right)}^{m + 1}}{\rm{C}}_M^m} {{\rm{e}}^{ - {\lambda _{{{{R}}_{i,}}{{D}}_m}}\frac{{{\gamma _{{\rm{th}}}} cm }}{{(ax + b)\varPhi }}}}} \right)} \times \\ &\quad \left[ {2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}{K_0}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right)} \right]{\rm{d}}x . \end{split}$

(22)

根据解码转发协议，目的节点采取SC接收策略下的吞吐量为

$T_{{{\text{H,SC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{D_m}^{{\text{SC}}}\}) \text{.}$

(23)

2.2 目的节点D采用MRC策略

目的节点D采用MRC策略的中断概率为

$\begin{split} & {P_{{\rm{out}}{\text{,MRC}}}} \triangleq P_{\rm{r}} (\gamma _{{\rm{e2e}}}^{{\text{MRC}}} < {\gamma _{{\rm{th}}}}) =1 - \displaystyle\int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty 2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}\times \\ &{K_0}\left( {2 \sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) \Biggl({30} \frac{{ \Gamma (M)}}{{(M - 1)!}} -\frac{1}{{(M - 1)!}} \times \Biggl.{30}\\ & \left.{{\rm{e}}^{ - \tfrac{{{\gamma _{{\rm{th}}}} c {\lambda _{{{{R}}_i},{{D}}}}}}{{(ax + b)\varPhi }}}}\sum\limits_{q = 0}^N {\frac{{{{\left( {\dfrac{{{\gamma _{{\rm{th}}}} c {\lambda _{{{{R}}_i},{{D}}}}}}{{(ax + b)\varPhi }}} \right)}^{M + q}}}}{{M(M + 1) \cdots (M + q)}}} \right){\rm{d}}x{\text{ }} , \end{split}$

(24)

式中： $\gamma _{{\rm{e2e}}}^{{\text{MRC}}} \triangleq \min \{{\gamma _{{{{R}}_i}}},\gamma _{{D}}^{{\text{MRC}}}\}$ ，Γ(M)为伽马函数.

目的节点D采用MRC策略时系统吞吐量为

$T_{{{\text{H,MRC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{D}}^{{\text{MRC}}}\}) \text{.}$

(25)

3. 问题描述与优化求解

在保证通信服务质量（quality of service, QoS）和PB发射功率P、能量转化效率η等约束条件下，本文提出一种以吞吐量最大化为优化目标的最优中继选择算法. 通过联合优化TS因子θ与PS因子 ${\rho _i}$ ，使得吞吐量T_H最大，然后选择最佳中继，实现基于SWIPT的EH-WSN中继系统的吞吐量最大化.

TH性能优化问题（P1）建模为式（26）～（31）（以目的节点D采用SC策略为例）.

$\mathop {\max }\limits_{i ,{\rho _{i}},\theta } \;T_{{{\text{H,SC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}),$

(26)

${{\rm{s}}} .{\rm{t}}：\mathop {\min\limits_{i,{\rho _{i}},\theta } \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\} \geqslant {\gamma _{{\rm{th}}}}} ,$

(27)

$\quad\;\; {Q_{{\rm{avg}}}} \geqslant e ,$

(28)

$\quad\;\;\; {\text{0 < }}P \leqslant {P_{\rm{m}}} ,$

(29)

$\quad\;\;\; 0 < \theta < 1 ,$

(30)

$\quad\;\;\; 0 < {\rho _i} < 1,$

(31)

式中：e为中继节点捕获的平均能量阈值，P_m为PB发射功率限制.

P1是一个复杂的0-1 NP-hard问题，涉及中继选择以及参数θ与 ${\rho _i}$ 的优化. 因此，本文将P1优化重新定义为一对耦合优化问题，分解为关于θ与 ${\rho _i}$ 的内部优化问题（P2）以及选择最优中继节点的外部优化问题2个子问题.

内部优化问题P2的解决方案是：在假定中继节点R_i活跃状态的情况下，针对EH-WSN中的每个中继节点，搜寻最佳的θ与 ${\rho _i}$ ，使其对应的系统TH值最大. 内部优化问题P2表示为式（27）～（32）.

$\mathop {\max }\limits_{{\rho _{i}},\theta } T{_{{\text{H,SC}}}} = \theta {\text{lo}}{{\text{g}}_2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}) \text{.}$

(32)

通过分析函数T_H,SC与θ、 ${\rho _i}$ 的关系，可以得知这是一个拟凸函数，在区间（0,1）上具有最优值θ^*、 $\rho _{i}^{*}$ 使系统TH值最大，可采用斐波那契（黄金分割法）查找算法^[20]搜索到θ^*与 $\rho _{i}^{*}$ 。

然而，本文考虑基于θ与 ${\rho _i}$ 联合优化下的中继选择算法，通过参数的动态调整，使系统的TH值最大，提高系统的整体性能. 根据式（7），计算中继节点R_i的接收信噪比 ${\gamma _{{{{R}}_i}}}$ 对 ${\rho _i}$ 的一阶偏导数，其值大于0，说明 ${\gamma _{{{{R}}_i}}}$ 沿着 ${\rho _i}$ 方向为单调递增函数；同理，由式（11）知，目的节点D的接收信噪比 $\gamma _{{{{D}}_m}}^{{\text{SC}}}$ 对 ${\rho _i}$ 的一阶偏导数小于0，说明 $\gamma _{{{{D}}_m}}^{{\rm{SC}}}$ 沿着 ${\rho _i}$ 方向为单调递减函数. 由此得出，当 ${\gamma _{{{{R}}_i}}}(\rho_i ) = \gamma _{{{{D}}_m}}^{{\text{SC}}}(\rho_i )$ 时，存在唯一的 $\rho _{i}^{*}$ 使系统TH值最大. 进而，将 $\rho _{i}^{*}$ 代入式（23），通过设置不同的θ值提升系统性能. 当每个中继节点对应最优值θ^*与 $\rho _i^*$ 获得最大TH值后，即可进行最佳中继节点的一维搜索. 最佳中继节点索引为

${i^*} = \arg {\max } \; T_{{\text{H,SC}}}({\rho _i^*},{\theta ^*}) .$

(33)

基于以上分析，在优化问题P1时，首先通过求解内部优化问题P2，提出一种动态联合优化方案，得到内层优化式的最优目标值；然后，根据θ^*和 $\rho _i^*$ 搜寻最佳中继节点，即可获得整体问题的最优解. 联合优化最优中继选择算法如所示. 其中： $\gamma _{{{{D}}_m},i}^{{\text{SC}}}$ 为SC策略下信息经第i个中继节点传输到目的节点D处的信噪比； $\gamma _{{\rm{e2e}},i}^{{\text{SC}}}$ 为SC策略下选取第i个中继节点时，中继节点R_i处和目的节点D处的信噪比最小值； ${T_{{\text{H,SC}},i}}$ 为选取第i个中继节点后，在SC策略下的系统吞吐量； $\mathop T\nolimits_{{\text{H,SC,}}i}^ *$ 为信息经最佳中继节点i^* 传输时，SC策略下的系统吞吐量.

图 2 联合优化最优中继选择算法

Figure 2. Optimal relay selection algorithm by joint optimization

下载: 全尺寸图片幻灯片

最优中继选择算法的计算复杂度为O(K² + K)，最优中继节点的选取是在联合优化θ和ρ_i的方案下提出的，相比在固定TS因子以及静态PS因子下的最优中继节点的选取^[21-22]，此算法可使系统变量间相互调节，提高EH-WSN系统性能.

4. 仿真结果与性能分析

为验证本文提出的基于PS-SWIPT的EH-WSN系统模型及中继选择算法的有效性，评估PB功率、时隙切换因子等参数对系统中断概率、吞吐量性能的影响，通过Monte Carlo仿真分析. 假设系统模型中有K = 6个可实现全双工的中继节点，η = 0.8，Q_avg =0.5 J. 令所有R_i的自干扰信道增益均相等， $|{h_{{{{R}}_i},{{{R}}_i}}}{|^2} = 0.1$ ；所有噪声的方差相等， $\sigma _{{n_{{{{R}}_{{i}}},{\rm{a}}}}}^2 = \sigma _{{n_{{{{R}}_{{i}}},{\rm{P}}}}}^2 = \sigma _{{n_{{{{D}}_m}}}}^2 = {N_0} = 1$ ；所有中继具有相同的PS因子、TS因子. 进行约10⁶次独立实验，使用瑞利衰落模型^[23]，采用正交幅度调制（QAM）.

理论上，式（24）中的N取无穷大，但经过数次仿真实验发现，N取到一定数值后，结果会趋于稳定. 图3显示了遍历总次数对MRC接收策略下中断概率的影响，可以看出，当N>7时，P_out,MRC已趋于收敛，因此，N = 50.

图 3 MRC接收策略下循环次数对中断概率的影响

Figure 3. Effect of loop number on outage probability under MRC strategy

下载: 全尺寸图片幻灯片

为SC、MRC接收策略下PS因子ρ_i对系统中断概率和吞吐量的影响. 其中， ${\gamma _{{\rm{th}}}}$ =1 dB，M =3根，θ = 0.8. 由图4可以看出：当ρ_i = 0时，源节点RF信号的所有功率都用于能量收集，此时，不论目的节点D采取何种接收策略，系统中断概率均为1.00，吞吐量为0；随ρ_i的增大，中断概率先减小后增大，吞吐量先增大后减小. SC接收策略在ρ_i =0.58时，对应中断概率最小，吞吐量最大；MRC接收策略在ρ_i = 0.71时，对应中断概率最小，吞吐量最大. 当P = 3 dBW时，SC、MRC策略下的最小中断概率分别为0.52、0.49；当P = 5 dBW时，SC、MRC策略下的最小中断概率分别为0.42、0.39. 当P = 3 dBW时，SC、MRC策略下的最大吞吐量分别为0.12、0.15 bit/（s·Hz）；当P = 5 dBW时，SC、MRC策略下的最大吞吐量分别为0.18、0.23 bit/（s·Hz）.

图 4 不同PS因子的中断概率与吞吐量

Figure 4. Outage probability and throughput under different PS factors

下载: 全尺寸图片幻灯片

和分别为不同接收策略下PB发射功率以及天线数目对系统中断概率的影响. 其中， ${\gamma _{{\rm{th}}}}$ =1 dB，θ = 0.8. 从图5可得，当PS因子ρ_i取值相同时，相同发射功率下，基于MRC策略的中断性能优于SC策略的性能. 这是因为，MRC策略可合并所有天线的接收信号，而SC策略仅选择了最佳通道接收信号. 从图6看出，当给定P值时，SC策略下的系统中断概率在M≥9根时基本保持不变，而MRC策略下的中断概率在M≥5根时趋于稳定. 在相同天线数目下，发射功率P对系统中断性能的影响远远大于接收策略对中断性能的影响.

图 5 不同PB发射功率的中断概率

Figure 5. Outage probability for different PB transmit powers

下载: 全尺寸图片幻灯片

为不同接收策略下TS因子θ对系统中断概率和吞吐量的影响. 其中， ${\gamma _{{\rm{th}}}}$ = 1 dB，M = 3根，ρ_i=0.8. 图7（a）表明：当给定P、θ值时，MRC策略的中断性能始终优于SC策略的中断性能；若给定θ值，增大P，系统中断概率减小；此外，当θ逐渐增大，MRC策略在P = 3 dBW时的中断概率大于SC策略在P = 5 dBW时的中断概率. 这是由于当节点收集能量时间相同时，相比于发射功率，接收策略对中断概率的影响更小. 图7（b）表明：当θ取值逼近0时，因系统无法进行有效的信息传输，吞吐量较低；当θ持续增大，接近1.0时，传感器节点和中继节点因无法收集到足够能量，从而导致吞吐量趋于0.

图 6 不同天线数目的中断概率

Figure 6. Outage probability for different antenna numbers

下载: 全尺寸图片幻灯片

图 7 不同TS因子下的中断概率与吞吐量

Figure 7. Outage probability and throughput for different TS factors

下载: 全尺寸图片幻灯片

图8对比了采用随机中继选择算法（Random）、最大最小中继选择算法（Max-Min）和本文提出的联合优化最优中继选择算法在不同TS因子时的系统最优吞吐量. 假设P = 5 dBW，M = 3根，Random和Max-Min在采取SC接收策略时，ρ_i= 0.58，MRC接收策略时ρ_i= 0.71，而本文算法ρ_i在（0,1.00）内动态变化. 由图8 可以看出：随着θ的变化，3种中继选择算法均可达到最大吞吐量；在相同接收策略下，Random的吞吐量最小，Max-Min次之，本文算法的吞吐量最大. 以MRC策略为例：当θ^*= 0.21时，Random的最大吞吐量为0.54 bit/（s·Hz）；当θ^*= 0.23时，Max-Min的最大吞吐量为0.68 bit/（s·Hz）；当θ^*= 0.28时，本文算法的最大吞吐量为0.82 bit/（s·Hz）. 由此可知，本文提出的算法通过联合优化θ和ρ_i，较好地实现了系统吞吐量性能的整体提升.

图 8 不同TS因子时各算法的吞吐量对比

Figure 8. Throughput comparison of different algorithms with different TS factors

下载: 全尺寸图片幻灯片

M=3根，3种算法下系统最大吞吐量与PB发射功率P之间的关系如图9所示. 可以看出，当P = 6 dBW，采取SC策略时，相比Random、Max-Min，本文算法的系统吞吐量增益分别为0.29、0.15 bit/（s·Hz）；采取MRC策略时，相比Random、Max-Min，本文算法的系统吞吐量增益分别为0.32、0.16 bit/（s·Hz）. 由此可知，本文所提方案能达到更大的系统吞吐量.

图 9 不同PB发射功率时各算法的吞吐量对比

Figure 9. Throughput comparison of different algorithms with different PB transmit powers

下载: 全尺寸图片幻灯片

5. 结　论

本文基于PS-SWIPT技术，在PB辅助下构建了EH-WSN系统模型. 与其他WSN系统不同的是，所有节点先进行一段时间的能量收集，然后再用收集到的能量发射信息，且中继节点应用SWIPT技术还可得到源节点能量和自干扰信号自回收的能量补充. 在考虑目的节点D采用多天线的情况下，分别推导了SC和MRC接收策略下的中断概率、吞吐量的表达式. 在保证通信QoS等多约束条件下构建数学模型，将复杂的0-1 NP-hard问题拆分成2个子问题，并提出TS和PS因子联合优化下的最优中继选择算法. 仿真结果表明，各参数对EH-WSN中断性能影响明显，联合优化最优中继选择算法可使系统吞吐量性能得到优化. 未来可通过考虑非线性EH，将这项研究扩展到更广义的模型.

图 1 石林、石墙、石丛地貌及石墙走向

Figure 1. Morphologies of stone forest, stone wall, stone cluster, and direction of stone wall

下载: 全尺寸图片幻灯片

图 2 斜坡地层展布

Figure 2. Strata of slope

下载: 全尺寸图片幻灯片

图 3 多手段获取的斜坡岩体卸荷特征

Figure 3. Unloading characteristics of slope obtained using various methods

下载: 全尺寸图片幻灯片

图 4 坡面小型溶洞沿构造线分布示意

Figure 4. Distribution of small caves of slope along structural lines

下载: 全尺寸图片幻灯片

图 5 InSAR形变速率图

Figure 5. Deformation rate determined by InSAR technique

下载: 全尺寸图片幻灯片

图 6 坡体变形破坏后的地形地貌

Figure 6. Morphologies of slope after deformation and failure

下载: 全尺寸图片幻灯片

图 7 某隧道进口斜坡推测潜在失稳模式

Figure 7. Potential instability patterns of slope at tunnel entrance

下载: 全尺寸图片幻灯片

图 8 三维数值计算模型

Figure 8. Three dimensional numerical calculation models

下载: 全尺寸图片幻灯片

图 9 斜坡塑性区分布

Figure 9. Distribution of plastic zones of slope

下载: 全尺寸图片幻灯片

表 1 斜坡岩体力学参数建议值

Table 1. Suggested mechanical parameters of slope rock masses

岩体质量等级	干密度 ρ_d/（g·cm⁻³）	变形模量 E₀/GPa	泊松比 μ	抗剪断强度
岩体质量等级	干密度 ρ_d/（g·cm⁻³）	变形模量 E₀/GPa	泊松比 μ	摩擦系数	黏聚力/MPa
Ⅱ 类	2.52～2.58	(10, 20]	[0.25, 0.29]	(1.20, 1.40]	(1.50～2.00]
Ⅲ 类	2.30～2.50	(5, 10]	(0.29, 0.33]	(0.80, 1.20]	(0.70～1.50]
Ⅳ 类	2.10～2.40	[2, 5)	(0.33, 0.37]	[0.55, 0.80]	[0.30～0.70]

下载: 导出CSV

表 2 结构面强度试验成果

Table 2. Test results of structural surface strength

试验编号	试验位置/m	抗剪断强度		抗剪强度		地质特征
试验编号	试验位置/m	摩擦系数	黏聚力/MPa	摩擦系数	黏聚力/MPa	地质特征
1-1	PDG01 洞 0+150 m	1.09	1.33	0.87	0.20	主要为压碎带弱风化大理岩，但剪切主要沿压碎带及其影响带剪断
1-2	PDG01 洞 0+71 m	0.81	1.34	0.70	0.51	弱风化大理岩，碎裂结构，岩级为 Ⅳ 岩体

下载: 导出CSV

参考文献(21)

[1]	王振涛. 青藏高原的地质特征与形成演化[J]. 科技导报,2017,35(6): 51-58. WANG Zhentao. Geological features, the formation and the evolution of the Qinghai—Tibetan Plateau[J]. Science & Technology Review, 2017, 35(6): 51-58.
[2]	刘刚,燕云鹏,刘建宇. 青藏高原西部地质灾害分布特征及背景分析[J]. 中国地质调查,2017,4(3): 37-45. LIU Gang, YAN Yunpeng, LIU Jianyu. Analysis of distribution character and background of geological hazards in western Qinghai—Tibet Plateau[J]. Geological Survey of China, 2017, 4(3): 37-45.
[3]	ZHAO S Y, HE Z L, DENG J H, et al. Giant river-blocking landslide dams with multiple failure sources in the Nu River and the impact on transient landscape evolution in southeastern Tibet[J]. Geomorphology, 2022, 413: 108357.0-108357.16.
[4]	CUI Y L, DENG J H, HU W Y, et al. 36Cl exposure dating of the Mahu Giant landslide (Sichuan Province, China)[J]. Engineering Geology, 2021, 285: 106039.1-106039.11.
[5]	杨帆. 西部山区大型滑坡分类及识别图谱初步研究[D]. 成都: 成都理工大学, 2017.
[6]	陈帆,刘立,陆海空,等. 岩质高陡边坡稳定性分析[J]. 西华大学学报(自然科学版),2010,29(3): 54-55,94. CHEN Fan, LIU Li, LU Haikong, et al. Stability analysis of high and steep rock slope[J]. Journal of Xihua University (Natural Science Edition), 2010, 29(3): 54-55,94.
[7]	雷远见,王水林. 基于离散元的强度折减法分析岩质边坡稳定性[J]. 岩土力学,2006,27(10): 1693-1698. LEI Yuanjian, WANG Shuilin. Stability analysis of jointed rock slope by strength reduction method based on UDEC[J]. Rock and Soil Mechanics, 2006, 27(10): 1693-1698.
[8]	邓建辉,高云建,余志球,等. 堰塞金沙江上游的白格滑坡形成机制与过程分析[J]. 工程科学与技术,2019,51(1): 9-16. DENG Jianhui, GAO Yunjian, YU Zhiqiu, et al. Analysis on the formation mechanism and process of baige landslides damming the upper reach of Jinsha River, China[J]. Advanced Engineering Sciences, 2019, 51(1): 9-16.
[9]	GAO Y J, ZHAO S Y, DENG J H, et al. Flood assessment and early warning of the reoccurrence of river blockage at the Baige landslide[J]. Journal of Geographical Sciences, 2021, 31(11): 1694-1712. doi: 10.1007/s11442-021-1918-9
[10]	CHEN F, GAO Y J, ZHAO S Y, et al. Kinematic process and mechanism of the two slope failures at Baige Village in the upper reaches of the Jinsha River, China[J]. Bulletin of Engineering Geology and the Environment, 2021, 80(4): 3475-3493. doi: 10.1007/s10064-021-02146-0
[11]	YANG Z K, WEI J B, DENG J H, et al. Mapping outburst floods using a collaborative learning method based on temporally dense optical and SAR data: a case study with the baige landslide dam on the Jinsha River, Tibet[J]. Remote Sensing, 2021, 13(11): 2205.1-2205.21.
[12]	朱赛楠,殷跃平,王猛,等. 金沙江结合带高位远程滑坡失稳机理及减灾对策研究——以金沙江色拉滑坡为例[J]. 岩土工程学报,2020,43(4): 688-697. ZHU Sainan, YIN Yueping, WANG Meng, et al. Instability mechanism and disaster mitigation measures of long-distance landslide at high location in Jinsha River junction zone: case study of Sela landslide in Jinsha River, Tibet[J]. Chinese Journal of Geotechnical Engineering, 2020, 43(4): 688-697.
[13]	ZHANG S L, YIN Y P, HU X W, et al. Geo-structures and deformation-failure characteristics of rockslide areas near the Baige landslide scar in the Jinsha River tectonic suture zone[J]. Landslides, 2021, 18(11): 3577-3597. doi: 10.1007/s10346-021-01741-2
[14]	刘文,王猛,朱赛楠,等. 基于光学遥感技术的高山极高山区高位地质灾害链式特征分析——以金沙江上游典型堵江滑坡为例[J]. 中国地质灾害与防治学报,2021,32(5): 29-39. LIU Wen, WANG Meng, ZHU Sainan, et al. An analysis on chain characteristics of highstand geological disasters in high mountains and extremely high mountains based on optical remote sensing technology: a case study of representative large landslides in upper reach of Jinsha River[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(5): 29-39.
[15]	YAO X, LI L J, ZHANG Y S, et al. Types and characteristics of slow-moving slope geo-hazards recognized by TS-InSAR along Xianshuihe active fault in the eastern Tibet Plateau[J]. Natural Hazards, 2017, 88(3): 1727-1740. doi: 10.1007/s11069-017-2943-y
[16]	郭长宝,吴瑞安,李雪,等. 川西日扎潜在巨型岩质滑坡发育特征与形成机理研究[J]. 工程地质学报,2020,28(4): 772-783. GUO Changbao, WU Ruian, LI Xue, et al. Developmental characteristics and formation mechanism of the rizha potential giant rock landslide, western Sichuan Province, China[J]. Journal of Engineering Geology, 2020, 28(4): 772-783.
[17]	谭明健, 周春梅, 孙东, 等. 软硬互层顺层岩质边坡破坏试验[J]. 地质科技通报, 2022, 41(2): 274-281, 324. TAN Mingjian, ZHOU Chunmei, SUN Dong, et al. Failure experiment of soft-hard interlayer bedding rock slope, 2022, 41(2): 274-281, 324.
[18]	黄少平,晏鄂川,尹晓萌,等. 不同临空条件的层状反倾岩质边坡倾倒变形几何特征参数影响规律[J]. 地质科技通报,2021,40(1): 159-165. HUANG Shaoping, YAN Echuan, YIN Xiaomeng, et al. Action law of geometrical characteristic parameters in the anti-dip rock slopes under different free face conditio[J]. Bulletin of Geological Science and Technology, 2021, 40(1): 159-165.
[19]	伍保祥. 金沙江上游波罗水电站库区滑坡发育规律及岸坡稳定性风险分析[D]. 成都: 成都理工大学, 2008.
[20]	帅正阳. 叶巴滩水电站坝区右岸深部变形破裂成因模拟研究[D]. 成都: 成都理工大学, 2017.
[21]	朱吉龙. 溪洛渡库区滑坡地质灾害风险评价研究[D]. 成都: 西南石油大学, 2019.

施引文献

附加材料(0)

访问统计

点击查看大图

图(9) / 表(2)

计量

文章访问数: 319
HTML全文浏览量: 165
PDF下载量: 80
被引次数: 0

1. 系统模型
1.1 目的节点D采用SC策略
1.2 目的节点D采用MRC策略
2. 中断概率与吞吐量分析
2.1 目的节点D采用SC策略
2.2 目的节点D采用MRC策略
3. 问题描述与优化求解
4. 仿真结果与性能分析
5. 结　论

复杂孕灾环境下隧道进口斜坡稳定性分析与评价

doi: 10.3969/j.issn.0258-2724.20220361

作者简介: 徐正宣（1977—），男，教授级高级工程师，博士研究生，研究方向为工程地质，E-mail：30567351@qq.com

计量

出版历程

Stability Analysis and Evaluation of a Tunnel Entrance Slope Under Complex Disaster-Prone Environments

1. 系统模型

1.1 目的节点D采用SC策略

1.2 目的节点D采用MRC策略

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

2.2 目的节点D采用MRC策略

3. 问题描述与优化求解

4. 仿真结果与性能分析

5. 结 论

计量

出版历程

目录

1. 系统模型

1.1 目的节点D采用SC策略

1.2 目的节点D采用MRC策略

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

2.2 目的节点D采用MRC策略

3. 问题描述与优化求解

4. 仿真结果与性能分析

5. 结 论

作者简介:
徐正宣（1977—），男，教授级高级工程师，博士研究生，研究方向为工程地质，E-mail：30567351@qq.com

5. 结　论

5. 结　论