張飛飛， 楊風暴， 王肖霞

(中北大學 信息與通信工程學院， 山西 太原 030051)

尾礦壩屬性參數(shù)概率分布類型及變化趨勢研究

張飛飛， 楊風暴， 王肖霞

(中北大學 信息與通信工程學院， 山西 太原 030051)

現(xiàn)有研究認為大多數(shù)壩體屬性參數(shù)服從中心極限分布， 但由于屬性參數(shù)實際取值范圍有限， 導致采用中心極限分布不足以表征參數(shù)的非正態(tài)分布特性， 造成所擬合分布模型與實際參數(shù)分布區(qū)間契合度低等問題. 考慮到壩體屬性參數(shù)具有非負值， 且存在偏度， 首先用“3σ”準則結合樣本數(shù)據(jù)的偏度確定樣本分布取值范圍； 根據(jù)參數(shù)偏度特征利用改進的經(jīng)典分布擬合法擬合出不同分布概率密度曲線和累積概率函數(shù)曲線， 從而對參數(shù)概率分布模型進行推斷， 并根據(jù)卡方檢驗法、 K-S檢驗法進行檢驗； 在確定參數(shù)分布類型后， 利用曼-肯德爾法對參數(shù)變化趨勢作出分析. 研究結果表明： 固結排水剪切試驗中粘聚力分布取值表現(xiàn)出左偏態(tài)特征， 其他實驗下參數(shù)取值均表現(xiàn)出右偏態(tài)； 固結排水剪切和不排水剪切實驗中粘聚力服從極值I型分布， 內(nèi)摩擦角服從對數(shù)正態(tài)分布； 固結不排水剪切實驗中粘聚力和內(nèi)摩擦角均服從正態(tài)分布； 固結排水剪切和不排水剪切實驗中粘聚力在經(jīng)歷波動期后均表現(xiàn)出下降趨勢， 而3組實驗中內(nèi)摩擦角整體在經(jīng)歷波動期后均呈現(xiàn)顯著上升趨勢.

尾礦壩； 屬性參數(shù)； 偏度； 概率分布； 經(jīng)典分布擬合

在進行尾礦壩穩(wěn)定性分析時， 筑壩材料屬性參數(shù)概率分布類型的不同將造成穩(wěn)定性分析結果產(chǎn)生較大的偏差， 有效建立屬性參數(shù)的最優(yōu)概率分布類型， 是獲得精確穩(wěn)定性分析結果的前提. 如劉志偉等[1-3]研究發(fā)現(xiàn)： 尾礦抗剪強度參數(shù)取不同的概率分布時， 造成結構工程可靠度計算結果最大相差10倍以上. 尾礦壩屬性參數(shù)粘聚力(c)和內(nèi)摩擦角(φ)作為結構工程穩(wěn)定性分析的重要因素， 其取值區(qū)間和分布類型直接關系到壩體的風險評價. 很多學者進行了大量研究確定其最優(yōu)分布類型. 如蘇衛(wèi)衛(wèi)等[4]通過利用K-S法對土體抗剪強度指標的概率分布類型進行統(tǒng)計， 認為c服從正態(tài)分布，φ服從對數(shù)正態(tài)分布； 巖小明[5]通過對邊坡抗剪強度參數(shù)c,φ進行統(tǒng)計分析， 發(fā)現(xiàn)c服從對數(shù)正態(tài)分布，φ服從正態(tài)分布； 鄭軼軼等[6,7]人研究軟土力學參數(shù)的分布規(guī)律， 認為抗剪強度參數(shù)均服從正態(tài)分布； 而宮鳳強等[8]人認為巖土參數(shù)服從正態(tài)信息擴散分布.

在上述研究中， 均假設巖土屬性參數(shù)服從若干有限統(tǒng)計分布， 并采用檢驗方法確定不同參數(shù)最優(yōu)分布類型為正態(tài)分布或?qū)?shù)正態(tài)分布. 但在使用正態(tài)分布進行壩坡穩(wěn)定性分析時， 意味著參數(shù)可以取負值， 這與實際參數(shù)的取值區(qū)間不符. 姚晨輝等[9,10]人認為壩坡屬性參數(shù)并非嚴格服從正態(tài)分布， 可能表現(xiàn)出正偏態(tài)或負偏態(tài)分布， 優(yōu)先使用對數(shù)正態(tài)分布更為合理. 然而使用對數(shù)正態(tài)分布表征參數(shù)的分布雖避免了壩坡屬性參數(shù)取值區(qū)間左端出現(xiàn)負值的情況， 但任何屬性參數(shù)右端的取值范圍也是有限的. 同時， 實際壩坡工程中的屬性參數(shù)并未表現(xiàn)出嚴格服從中心極限分布， 利用正態(tài)或?qū)?shù)正態(tài)分布擬合參數(shù)的分布類型， 一定程度上導致實際屬性參數(shù)分布表征的局限性.

基于以上問題， 本文在考慮實際屬性參數(shù)取值范圍的基礎上， 根據(jù)“3σ”準則， 在考慮樣本數(shù)據(jù)偏度系數(shù)的情況下， 確定屬性參數(shù)的實際取值區(qū)間. 然后結合參數(shù)的偏度特征改進經(jīng)典分布擬合中分布函數(shù)參數(shù)值的確定， 由此對參數(shù)進行統(tǒng)計分析研究， 對屬性參數(shù)的最優(yōu)概率分布類型進行推斷， 并通過兩種檢驗法驗證該方法的合理性. 另外在確定參數(shù)最佳分布類型后， 采用曼-肯德爾法對參數(shù)總體的變化趨勢進行分析.

1 尾礦壩屬性參數(shù)定量描述

土體屬性參數(shù)粘聚力和內(nèi)摩擦角是巖土結構工程變形與穩(wěn)定性分析的關鍵指標， 如尾礦壩風險評估、 邊坡可靠性分析等. 本文選取3組土體屬性參數(shù)粘聚力和內(nèi)摩擦角的實驗數(shù)據(jù)作為樣本數(shù)據(jù)[11]， 這3組實驗數(shù)據(jù)分別為： 63組3軸固結排水剪切試驗數(shù)據(jù)(CD)、 64組固結不排水剪切試驗(CU)和61組3軸不排水剪切試驗(UU).

尾礦壩穩(wěn)定性分析中， 考慮到屬性參數(shù)的非負性、 實驗誤差等因素影響， 首先對原始實驗數(shù)據(jù)進行預處理. 本文在考慮實際參數(shù)具有一定偏度的基礎上， 采用“3σ”準則剔除異常數(shù)據(jù)， 確定樣本數(shù)據(jù)實際取值范圍. 具體取值區(qū)間由式(1)～式(3)確定：

當l>0時

當l<0時

當xmin≤0時

以3組實驗數(shù)據(jù)為研究對象， 利用上述方法對其進行預處理， 確定壩體屬性參數(shù)的實際取值分布范圍， 為進一步探究不同實驗情況下不同屬性參數(shù)的分布奠定基礎. 如表 1 為樣本數(shù)據(jù)分布取值范圍.

表 1 樣本數(shù)據(jù)分布取值范圍

從表 1 中可以看出， 3組實驗下的樣本數(shù)據(jù)均具有一定的偏度， 并不嚴格服從正態(tài)分布. 其中3軸固結排水剪切試驗數(shù)據(jù)中粘聚力表現(xiàn)出左偏態(tài)， 根據(jù)“3σ”準則， 其左端點取值為0； 其他樣本數(shù)據(jù)表現(xiàn)出右偏態(tài)， 表明概率密度曲線的右尾巴長， 頂點偏向左邊. 同時， 預處理中CD和CU實驗中c和UU實驗中φ的左端點均出現(xiàn)負值， 根據(jù)實際情況， 將其確定為0， 使樣本數(shù)據(jù)的取值更為合理.

2 屬性參數(shù)概率分布的確定

在確定各屬性參數(shù)的分布取值范圍后， 根據(jù)其取值范圍特征(樣本數(shù)據(jù)呈左偏態(tài)或右偏態(tài))， 通過樣本數(shù)據(jù)， 利用參數(shù)估計法(本文選取最大似然估計法)確定不同概率分布中屬性參數(shù)分布函數(shù)X的參數(shù)值.

經(jīng)典分布擬合法是用于確定與樣本數(shù)據(jù)擬合程度最佳的分布形式. 依據(jù)有關隨機變量物理知識和已有數(shù)據(jù)的統(tǒng)計特征， 本文選取對數(shù)正態(tài)分布、 極值I型分布、 正態(tài)分布、 瑞利分布和威布爾分布對數(shù)據(jù)進行擬合. 針對每種分布類型， 改進經(jīng)典分布擬合法， 在已知樣本數(shù)據(jù)具有一定偏態(tài)的基礎上， 使用最大似然估計法確定最佳的分布參數(shù)， 并采用3種檢驗法對其擬合優(yōu)度進行檢驗. 主要步驟為： ① 依據(jù)樣本數(shù)據(jù)表現(xiàn)出的特征(左偏態(tài)或右偏態(tài))， 對不同分布類型的分布密度f(x;θ)進行調(diào)整； ② 利用最大似然估計法估計分布密度f(x;θ)中的最佳參數(shù)值； ③ 依據(jù)相應分布的參數(shù)值畫出各自概率密度曲線、 經(jīng)驗分布函數(shù)曲線和累積分布曲線圖， 并進行比較， 初步推斷出最佳分布類型； ④ 用卡方檢驗、 K-S檢驗比較所有擬合分布的檢驗結果， 擬合優(yōu)度最小的為最佳分布； ⑤ 求取不同分布檢驗統(tǒng)計量的觀測值， 并與臨界值進行比較， 驗證最佳分布的合理性.

2.1 最大似然估計法

2.2 分布擬合結果對比分析

通過左偏態(tài)或右偏態(tài)的最大似然估計法， 可獲得各分布的最佳擬合參數(shù)， 利用其值畫出不同分布在各屬性參數(shù)取值范圍內(nèi)的分布曲線， 借助擬合優(yōu)度來衡量每種分布的擬合優(yōu)劣. 選取兩種檢驗法對擬合分布優(yōu)度進行檢驗： 卡方檢驗法、 K-S檢驗法. 為具體分析每種擬合分布的特點及優(yōu)劣， 分別從經(jīng)典分布擬合的分布曲線、 檢驗值和累積概率值進行對比分析.

2.2.1 擬合分布曲線比較

對3組實驗中的尾礦壩屬性參數(shù)使用經(jīng)典分布擬合法， 分別畫出各分布擬合的情況. 圖 1 給出了3組實驗中屬性參數(shù)的概率密度函數(shù)曲線和累積概率分布曲線.

圖 1 3組實驗中的概率密度函數(shù)曲線和累積概率分布曲線Fig.1 The probability density function curve and cumulative probability distribution curve in three groups

從圖 1 可看出， 3組樣本數(shù)據(jù)中粘聚力取值主要集中在中間范圍， 且存在一定波動， 整體表現(xiàn)出峰值前單調(diào)遞增， 峰值后單調(diào)遞減趨勢， 因而采用單峰型分布進行擬合具有一定優(yōu)勢. 利用左偏態(tài)或右偏態(tài)的最大似然估計法對5種分布概率密度函數(shù)曲線的峰值點隨樣本數(shù)據(jù)進行一定調(diào)整， 使其可以隨著樣本的波動呈現(xiàn)不同的峰值改變. 通過概率密度函數(shù)曲線比較可發(fā)現(xiàn)： ① 圖1(a)中CD下在分布取值范圍內(nèi)， 表現(xiàn)出了左偏態(tài)特征， 峰值點偏向右邊， 5種分布中極值I型分布擬合效果較好， 且貼近實際取值. 同時在圖1(b)中極值I型分布的累積分布函數(shù)曲線與樣本數(shù)據(jù)的分布函數(shù)曲線契合度更高， 故推斷CD實驗下c服從極值I型分布； ② 圖1(c)中CU實驗c表現(xiàn)出右偏態(tài)特征， 但偏度不明顯， 可以看出5種分布中正態(tài)分布擬合效果較優(yōu)， 且正態(tài)分布在累積分布曲線中契合度也最好， 故推斷CU實驗下c服從正態(tài)分布； ③ 圖1(e)中UU實驗在取值區(qū)間內(nèi)， 表現(xiàn)出峰值前緩慢遞增， 峰值后迅速遞減的特征， 在5種擬合分布中， 正態(tài)分布和極值I型分布擬合效果較好， 正態(tài)分布在整體上擬合了樣本數(shù)據(jù)， 但數(shù)據(jù)的趨勢未凸顯出來， 極值I型分布峰值前緩慢遞增， 峰值后驟減， 更符合實際數(shù)據(jù)分布變化趨勢， 逼近程度更高， 故推斷UU實驗下c服從極值I型分布.

對3組實驗下的尾礦壩屬性參數(shù)φ使用經(jīng)典分布擬合法， 圖 2 給出了3組實驗中φ的概率密度函數(shù)曲線和累積概率分布曲線.

圖 2 3組實驗中φ的概率密度函數(shù)曲線和累積概率分布曲線Fig.2 The φ probability density function curve and cumulative probability distribution curve in three groups

從圖 2 中可以發(fā)現(xiàn)： 3組實驗中φ的分布取值范圍較小， 且瑞利分布對其擬合效果最差， 不適用于對小范圍樣本數(shù)據(jù)的擬合. 3組摩擦角樣本數(shù)據(jù)峰值點均集中于中間范圍， CD和CU實驗下的樣本數(shù)據(jù)峰值左右變化趨勢較顯著， UU實驗下樣本數(shù)據(jù)表現(xiàn)出較明顯的右偏態(tài)， 峰值左側變化趨勢較大， 右側相對較緩. 通過比較兩類曲線可以發(fā)現(xiàn)： ① 圖2(a)中CD下的φ在分布取值范圍內(nèi)， 峰值偏向于左端， 表現(xiàn)出不明顯的右偏態(tài)， 且數(shù)據(jù)右尾巴較長， 5種分布中對數(shù)正態(tài)分布擬合效果較優(yōu)， 故推斷CD實驗下的φ服從對數(shù)正態(tài)分布； ② 圖2(c)中CU下的φ峰值左側表現(xiàn)出迅速遞增， 峰值右側表現(xiàn)出迅速遞減， 正態(tài)分布擬合曲線隨數(shù)據(jù)波動性變化最為明顯， 且累積分布函數(shù)曲線中也呈現(xiàn)出最優(yōu)擬合特性， 故認為CU下的φ服從正態(tài)分布； ③ 圖2(e)中UU下的φ呈現(xiàn)出較明顯的右偏態(tài)特征， 比較各分布擬合曲線， 對數(shù)分布擬合效果最優(yōu)， 圖2(f)中也驗證了對數(shù)正態(tài)分布的合理性， 故推斷UU下的φ服從對數(shù)正態(tài)分布.

2.2.2 檢驗值和累積概率值比較

本文選取卡方檢驗、 K-S檢驗進行檢驗， 當檢驗的P值小于或等于顯著性水平α(取0.05)時， 拒絕該分布的擬合假設， 否則接受原假設擬合分布. 其中通過P值檢驗的分布， 檢驗值(統(tǒng)計量)需小于臨界值， 且檢驗值越小則其擬合精度越高. 表 2 和表5 給 出了兩種檢驗法下3組實驗c和φ的各分布檢驗的P值表. 表 3 和表 6 給出了3組實驗c和φ的卡方檢驗結果， 表 4 和表 7 為3組實驗c和φ的各分布K-S檢驗結果. 表 8 為3組實驗c和φ的各分布累積概率值.

表 2 兩種檢驗法下c的不同分布檢驗的P值表

表 3 粘聚力c的卡方檢驗結果

表 4 粘聚力c的K-S檢驗結果

表 5 兩種檢驗法下φ的不同分布檢驗的P值表

表 6 內(nèi)摩擦角φ的卡方檢驗結果

表 7 內(nèi)摩擦角φ的K-S檢驗結果

表 8 3組實驗c和φ的各分布累積概率值

由表 2 可知， CD實驗下c的5種擬合分布中， 除瑞利分布檢驗P值大于顯著性水平外， 其余分布檢驗P值均小于顯著性水平， 即通過了檢驗. 通過檢驗的4種分布中， 表3中CD實驗下檢驗值大小排序為對數(shù)正態(tài)分布>正態(tài)分布>威布爾分布>極值I型分布， 因而極值I型分布是CD實驗下c最佳擬合分布， 表4中K-S檢驗量和表8中c的累積概率值進一步證明了該結論. 同理可得， CU實驗下c的擬合分布通過檢驗的檢驗值大小排序為瑞利分布>極值I型分布>威布爾分布>正態(tài)分布， 故正態(tài)分布是CU實驗下c最佳擬合分布； UU實驗下c的擬合分布通過檢驗的檢驗值大小排序為威布爾分布>正態(tài)分布>對數(shù)正態(tài)分布>極值I型分布， 故極值I型分布是UU實驗下c的最佳擬合分布.

同樣表5中， CD實驗下φ的5種擬合分布中， 除極值I型分布和瑞利分布檢驗的P值大于顯著性水平外， 其余分布P值均小于顯著性水平， 即通過檢驗. 表6中CD實驗下通過檢驗的3種分布中， 檢驗統(tǒng)計量大小排序為威布爾分布>正態(tài)分布>對數(shù)正態(tài)分布， 因而對數(shù)正態(tài)分布是CD實驗下φ的最佳擬合分布， 表7中K-S檢驗量和表8中φ的累積概率值進一步證明了該結論. 同理可得到CD， CU， UU實驗下φ的最優(yōu)分布分別為對數(shù)正態(tài)分布、 正態(tài)分布和對數(shù)正態(tài)分布. 與文獻[11]相比， 本文考慮參數(shù)偏態(tài)特征對擬合分布參數(shù)進行最大似然估計， 所得擬合分布對樣本數(shù)據(jù)的趨勢變化更合理， 分布擬合更貼近實際.

3 屬性參數(shù)變化趨勢分析

根據(jù)屬性參數(shù)某一階段分布特征來估計下一階段參數(shù)的變化趨勢， 進而推斷壩體穩(wěn)定性變化， 是對尾礦壩進行有效加固、 科學治理的前提. 為此， 本文在3組實驗中某一階段對參數(shù)連續(xù)監(jiān)測的基礎上， 根據(jù)不同實驗下參數(shù)服從的最優(yōu)分布， 利用曼-肯德爾法對參數(shù)的變化做出預測， 以期為參數(shù)趨勢變化研究提供直接依據(jù).

在UBk和UFk的曲線圖中， 若UFk值大于0， 則表明序列呈上升趨勢； 小于0為下降趨勢； 當其超過臨界值時， 表明上升或下降趨勢顯著； 如UBk和UFk在臨界線內(nèi)相交， 則交點為突變開始時間.

圖 3 3組實驗下粘聚力變化趨勢圖Fig.3 Trend diagram of cohesion change in three groups

在圖3(a)中， 粘聚力整體表現(xiàn)出上升趨勢，UBk和UFk計算值均在臨界值范圍內(nèi)波動， 因而CD下的粘聚力變化趨勢不顯著， 在第60個樣本數(shù)據(jù)之后逐漸出現(xiàn)下降趨勢； 圖3(b)中， CU下的粘聚力波動性較強， 變化趨勢比較復雜， 在監(jiān)測期內(nèi)UBk和UFk有10次突變， 均圍繞在統(tǒng)計值0上下波動， 相對持平； 圖3(c)中， UU下的粘聚力在第30個數(shù)據(jù)之前， 樣本整體呈上升趨勢， 之后表現(xiàn)出下降現(xiàn)象， 且在第57個樣本達到顯著性水平.

在圖4(a)中， CD下的內(nèi)摩擦角在第52個監(jiān)測值之前整體為下降趨勢， 之后開始上升， 且達到了突變水平， 在第60個監(jiān)測值時超過臨界值， 上升趨勢顯著； 圖4(b)中， CU下的內(nèi)摩擦角在第35個監(jiān)測值之前樣本值基本持平， 之后持續(xù)上升并達到顯著性水平； 圖4(c)中，UU下的內(nèi)摩擦角表現(xiàn)出先上升后下降， 在第37個監(jiān)測值后持續(xù)上升. 3組實驗下的內(nèi)摩擦角表現(xiàn)出相同的特征， 在經(jīng)歷一段波動后都出現(xiàn)上升的趨勢.

圖 4 3組實驗下內(nèi)摩擦角變化趨勢圖Fig.4 Trend diagram of internal friction angle in three groups

4 結 論

在探究尾礦壩屬性參數(shù)概率分布的方法中， 一般的中心極限分布方法存在與參數(shù)分布區(qū)間契合度低， 無法真實反映參數(shù)的趨勢變化， 并且累積概率值小于1的問題. 針對目前經(jīng)典分布擬合中的5種分布， 在考慮屬性參數(shù)取值非負且取值范圍有限的基礎上， 提出采用帶有偏度的“3σ”準則方法確定參數(shù)分布取值區(qū)間. 在此基礎上， 對5種分布擬合方法進行系統(tǒng)比較， 研究結論如下：

1) 現(xiàn)有分布擬合存在忽視屬性參數(shù)分布取值范圍特征， 擬合精度低等問題， 為此提出考慮參數(shù)取值偏態(tài)特征進行分布擬合的方法. CD實驗下粘聚力的分布取值表現(xiàn)出左偏態(tài)特征， CU和UU實驗下粘聚力均呈現(xiàn)出右偏態(tài)特性； CD, CU, UU實驗下內(nèi)摩擦角分布取值均表現(xiàn)出右偏態(tài)， 表明概率分布曲線的右尾巴長， 頂點偏向左邊.

2) CD和UU實驗下粘聚力最佳概率分布是極值I型分布， 傳統(tǒng)的中心極限分布對其擬合精度低， 不適用于其變化趨勢的描述. 極值I型分布更能凸顯粘聚力趨勢變化細節(jié)信息， 表征參數(shù)非正態(tài)分布特性； CU實驗下粘聚力服從正態(tài)分布， 其偏態(tài)特征不顯著.

3) CD和UU實驗下內(nèi)摩擦角最佳概率分布為對數(shù)正態(tài)分布， 其取值右偏態(tài)特征明顯， 故分布曲線右尾巴長， 對數(shù)正態(tài)分布描述其分布變化更合理. CU實驗下內(nèi)摩擦角服從正態(tài)分布， 其取值在峰值左右變化趨勢較接近.

4) CD下的粘聚力在第60個監(jiān)測值前表現(xiàn)出上升現(xiàn)象， 之后開始下降； UU下的粘聚力在第30個監(jiān)測值之前出現(xiàn)短暫上升， 之后表現(xiàn)出顯著下降趨勢， 在未來監(jiān)測期內(nèi)可能會持續(xù)下降. 3組實驗下內(nèi)摩擦角整體變化較一致， 均為在監(jiān)測期內(nèi)某監(jiān)測值點之前上下波動， 之后整體均表現(xiàn)出顯著上升趨勢， 未來可能會持續(xù)上升.

[1] 王肖霞， 楊風暴. 誘導有序的基本信任分配及其在壩體風險評估中的應用[J]. 應用基礎與科學工程， 2014(4)： 830-839.

Wang Xiaoxia， Yang Fengbao. A method of inducing ordered basic belief assignment and its application in risk assessment of tailing dam[J]. Journal of Basic Science And Engineering， 2014(4)： 830-839. (in Chinese)

[2] 劉志偉. 土體強度參數(shù)對邊坡隧道影響數(shù)值模擬分析[J]. 水利與建筑工程學報， 2014(4)： 176-180.

Liu Zhiwei. Numerical stimulation analysis for the effects of soil mass strength parameters on the tunnels with side slopes[J]. Water Conservancy and Building Engineering， 2014(4)： 176-180. (in Chinese)

[3] Fan W， Li X， Hu G. Study on determining of reinforced concrete false roof strength and design of reinforcement based on reliability theory[J]. Engineering Sciences， 2012， 10(5)： 65-70.

[4] 蘇衛(wèi)衛(wèi)， 黃宏偉， 張潔. 上海軟粘土抗剪強度指標概率分布類型研究[J]. 地下空間與工程學報， 2012， 8(a2)： 1695-1699.

Su Weiwei， Huang Hongwei， Zhang Jie. Risk analysis of the underground passage through rail transit construction scheme[J]. Journal of Underground Space and Engineering， 2012， 8(a2)： 1695-1699. (in Chinese)

[5] 巖小明. 基于可靠度理論的露天礦邊坡風險分析[D]. 長沙： 中南大學， 2013.

[6] 鄭軼軼， 朱劍鋒， 劉干斌， 等. 寧波軟土物理力學參數(shù)概率分布及相關性研究[J]. 中國科技論文， 2013， 8(5)： 367-373.

Zheng Yiyi ， Zhu Jianfeng， LiuGanbin ， et al. Probability and correlation between physical and mechanical parameters of soft clays in Ningbo rail transit engineering[J]. China science and technology papers， 2013， 8(5)： 367-373. (in Chinese)

[7] Li D Q， Tang X S， Phoon K K. Bootstrap method for characterizing the effect of uncertainty in shear strength parameters on slope reliability[J]. Reliability Engineering & System Safety， 2015， 140： 99-106.

[8] 宮鳳強， 黃天朗， 李夕兵. 巖土參數(shù)最優(yōu)概率分布推斷方法及判別準則的研究[J]. 巖石力學與工程學報， 2016， 35(12)： 2452-2460.

Gong Fengqiang， Huang Tianlang， Li Xibing. Research on approximation method and discriminative criterion of the optimal probability distribution of geotechnical parameters[J]. Journal of rock mechanics and engineering. 2016， 35(12)： 2452-2460. (in Chinese)

[9] 姚晨輝， 魏江波， 任光明， 等. 考慮巖土體參數(shù)變異性的滑坡破壞概率分析[J]. 水利與建筑工程學報， 2016， 14(2)： 100-103.

Yao Chenhui， Wei Jiangbo， Ren Guangming， et al. The failure probability analysis of landslide considering variability of soil parameters[J]. Water conservancy and building engineering， 2016， 14(2)： 100-103. (in Chinese)

[10] Wu X Z. Trivariate analysis of soil ranking-correlated characteristics and its application to probabilistic stability assessments in geotechnical engineering problems[J]. Soils & Foundations， 2013， 53(4)： 540-556.

[11] 張蕾， 唐小松， 李典慶. 基于Copula函數(shù)的土體抗剪強度參數(shù)二維分布模型[J]. 土木工程與管理學報， 2013， 30(2)： 11-17.

Zhang Lei， Tang Xiaosong， Li Dianqing. Bivariate distribution model of soil shear strength parameter using copula[J]. Journal of Civil Engineering and Management， 2013， 30(2)： 11-17. (in Chinese)

[12] 毛天宇， 戴明新， 彭士濤， 等. 近10年渤海灣重金屬(Cu， Zn， Pb， Cd， Hg)污染時空變化趨勢分析[J]. 天津大學學報(自然科學與工程技術版)， 2009， 42(9)： 817-825.

Mao Tianyu， Dai Mingxin， Peng Shitao， et al. Temporal-spatial variation trend analysis of heavy metals (Cu， Zn， Pb， Cd， Hg)in bohai bay in 10 years[J]. Journal of Tianjin University， 2009， 42(9)： 817-825. (in Chinese)

TheResearchontheProbabilityDistributionTypeandChangeTrendofTailingsDamAttributeParameters

ZHANG Feifei, YANG Fengbao,WANG Xiaoxia

(Information and Communication Engineering College, North University of China, Taiyuan 030051, China)

The existing studies think that most of the tailings dam attribute parameter obey central limit distribution. But the actual property parameter scope is limited, which cause problems that central limit distribution is not enough to characterize the non-normal distribution characteristics of the parameters and low fit is produced between fitting distribution model and the distribution interval of the actual parameters. Considering that the dam attribute parameters have nonnegative values and there is skewness, the value scope of sample distribution is determined by using the " " standards with the skewness of sample data.; Different probability density curve and cumulative probability function curve are fitted by the typical distribution fitting method on the basis of parameter skewness characteristics. The probability distribution model of the parameters are inferred and tested by the chi-squared and K-S test. After determining parameter distribution types, attribute parameter variation trend analysis is made by Man-Kendall method. The result shows that the cohesive force distribution of consolidation drained shear tests showed left skewness values of characteristics, while others showed right skewness. The cohesive force obeys the extreme 1-type distribution and the internal friction angle obeys logarithmic normal distribution in consolidated drained shear and undrained shear experiment. Cohesive force and internal friction angle are distributed to normal distribution in consolidated undrained shear experiment. The cohesive force in both consolidated drained shear and undrained shear experiment showed a downward trend after the period of fluctuation. However, the overall internal friction angle of the three groups showed a significant upward trend after the period of fluctuation.

tailings dam; attribute parameter; skewness; probability distribution; classical distribution fitting

1671-7449(2017)06-0469-10

2017-03-11

國家自然科學基金青年基金資助項目(61503345)； 山西省回國留學人員科研資助項目(2015-081)； 中北大學科學研究基金資助項目(110246)； 山西省研究生教育創(chuàng)新資助項目(2017181)

張飛飛(1993-)， 男， 碩士生， 主要從事信號與信息處理、 安全評估等研究.

TP391.9

A

10.3969/j.issn.1671-7449.2017.06.002