第 41 卷第 4 期 岩 土 力 学 Vol.41 No.

4
2020 年 4 月 Rock and Soil Mechanics Apr. 2020

DOI：10.16285/j.rsm.2019.0788

结构面粗糙度统计测量最小样本数确定方法
侯钦宽，雍 睿，杜时贵，徐敏娜，曹泽敏
（绍兴文理学院 土木工程学院，浙江 绍兴 312000）

摘 要：由于结构面粗糙度具有各质异性、各向异性、非均一性和尺寸效应等特征，结构面粗糙度系数（JRC）取值具有不
确定性，工程中广泛采用统计方法来分析结构面粗糙度性质，然而以往研究往往忽略样本数不足对统计结果的影响。针对结
构面粗糙度统计测量时无法确定合理样本数的问题，分别提出基于变异系数级比分析及简单随机抽样原理的最小样本数确定
方法。以实际工程岩体结构面表面数据为研究对象，对比分析两种方法在系列尺寸下确定的统计测量最小样本数。实例分析
表明：小尺寸样本的变异系数（CV）值明显大于大尺寸样本，且 CV 值随取样尺寸的增大而减小，取样尺寸为 10～50 cm
的 CV 值基本稳定在 0.31～0.47 之间，取样尺寸为 60～100 cm 的 CV 值基本稳定在 0.21～0.31 之间；最小样本数与取样尺
寸基本满足幂函数关系，且最小样本数随取样尺寸的增大而减少；系列尺寸下级比分析方法在允许误差为±2%时确定的最小
样本数与简单随机抽样原理在最大允许误差为 10%、置信度为 95%时计算的最小样本数是一致的，相似度大于 0.997。该研
究方法可为工程岩体中定量获取结构面粗糙度统计测量最小样本数提供依据，保证了 JRC（结构面粗糙度系数）统计测量结
果的准确性，对工程岩体稳定性评价中结构面力学参数的准确获取具有重要意义。
关 键 词：结构面粗糙度系数；级比分析；简单随机抽样原理；最小样本数
中图分类号：TU 457 文献标识码：A 文章编号：1000－7598 (2020) 04－1259－11

Methods of determining the minimum number of samples for statistical

measurement of rock joint roughness
HOU Qin-kuan, YONG Rui, DU Shi-gui, XU Min-na, CAO Ze-min
（School of Civil Engineering, Shaoxing University, Shaoxing, Zhejiang 312000, China）

Abstract: The rock joint roughness has many characteristics like heterogeneity, anisotropy, nonuniformity and scale effect. In
engineering practice, different statistical methods are utilized for analyzing the rock joint roughness due to its uncertainty. However,
previous studies often neglected the impact of insufficient samples on statistical results. To solve the problem that reasonable number
of samples cannot be determined during the statistical measurement of joint roughness, the methods based on the coefficient of class
ratio analysis and the simple random sampling principle are proposed for determining the minimum number of samples (MNS),
respectively. In the case study, the MNS of statistical measurements is determined based on the proposed methods. The results of rock
joint samples are compared and analyzed with different sample sizes. The results indicate that the coefficient of variation (CV) value
of the small samples is significantly larger than that of large ones, and the CV value decreases with the size of samples. The CV
values of the joint samples with the sizes of 10−50 cm basically are in a range of 0.31−0.47, and the values for those of 60−100 cm
samples are between 0.21−0.31. The relationship between MNS and sample size basically satisfies the power function relationship,
and the MNS decreases with the sample size. The MNS determined by the former method with an allowable error of ±2% is
consistent with that calculated by the latter with a maximum allowable error of 10% and a confidence level of 95%. The similarity of
the results based on these two methods is greater than 0.997. This study can provide basis for quantitatively obtaining the MNS in
rock joint roughness statistical measurement, and can ensure the accuracy of JRC statistical analysis. It is of great significance to
accurately obtain mechanical parameters of rock joints in rock mass stability evaluation.
Keywords: joint roughness coefficient; class ratio analysis; simple random sampling principle; minimum number of samples

收稿日期：2019-04-30 修回日期：2019-07-17
基金项目：国家自然科学基金（No.41502300，No.41427802）；浙江省自然科学基金（No.LQ16D020001）。
This work was supported by the National Natural Science Foundation of China (41502300, 41427802) and the Natural Science Foundation of Zhejiang
Province (LQ16D020001).
第一作者简介：侯钦宽，男，1995 年生，硕士研究生，主要从事岩体结构面力学性质与边坡工程稳定性评价方面的研究工作。E-mail: 771575689@qq.com
通讯作者：雍睿，男，1987 年生，博士（后），副教授，主要从事岩体结构面力学性质与边坡工程稳定性评价方面的研究工作。
E-mail: yongrui_usx@hotmail.com
 1260 岩 土 力 学 2020 年

以上研究通过统计方法对 JRC 的取值进行了分析，

1 引 言
但尚未提出一种如何确定统计测量样本数的方法，
结构面是控制边坡、地下硐室等岩体工程稳定 也没有考虑不同试样尺寸与样本数之间的关系。合
性的关键因素[1-3]。结构面表面形态由宏观几何轮 理的取样尺寸和最小统计测量样本数对于准确获取
廓、表面起伏形态和微观粗糙度 3 个要素组成，其 JRC 值起着关键作用，对于结构面粗糙度尺寸效应
中表面起伏形态构成结构面表面常见规模的峰谷起 的研究，确定不同试样尺寸下合理的最小样本数也
伏轮廓，是影响结构面粗糙度的主要因素[4]。1973 是亟待解决的问题。
年挪威学者 Barton[5]首次提出了结构面粗糙度系数 样本容量直接关系到对总体估计的准确程
[16]
（joint roughness coefficient，JRC）
，用于定量描述 度 。结构面粗糙度统计测量样本数的确定，其实
结构面的粗糙程度和构建结构面抗剪强度估算模 质上是统计学的抽样问题，样本量过大，会造成人
型，该模型在岩质边坡工程中得到广泛使用，具有 力、物力和财力的浪费；样本量过小，又会造成抽
较好的工程应用价值。杜时贵等[6-9]最早提出结构面 样误差的增大，影响抽样推断的可靠程度，因此，
粗糙度具有各质异性、各向异性、非均一性和尺寸 有效减小统计不确定性是提高抽样精度的关键。近
效应等特征，其中各质异性是指在同一结构面上， 年来，不少学者针对统计测量样本数进行了很多研
由于壁岩成分不同，沿同一测量方向的结构面表面 究，其中，高大钊[17]提出针对岩土体参数的确定方
形态存在差异；各向异性是指发育于同一壁岩中的 法，通过大量试算的方法总结出在 95%的置信水平
同一结构面，在相同的取样长度下，沿不同测量方 下，样本数目大于等于 6 个时样本均值的相对误差
向的表面形态存在差异；非均一性是指壁岩成分相 可小于 3%，满足实际工程的精度。董教社等[18]运
同的同一结构面，不同部位的表面形态存在差异； 用 t 分布理论针对不同土层不同物理指标的实际变
尺寸效应是指岩体力学参数随试样尺寸增大而降低 异性系数提出了合理子样数。李征翼[19]认为，6 件
的规律。这些特征都会导致 JRC 获取的不确定性。 样本数量的规定只是相应推荐公式的适用界限，适
野外工程测量还发现，由于技术人员经验和认知水 用于规范规定的统计分析方法中低限容量要求的单
平的不同，取样偏差和几何测量精度都会引起结构 一性原则，不能作为控制样本数量的执行标准。赵
面力学性质发生变化。其中，结构面的复杂特性是 晶等[20]对岩土体合理样本数的探讨中，通过对不同
导致力学性质不确定性的根本原因，而取样偏差和 抽样次数条件下均值和标准差的分析表明，抽样次
取样尺寸是导致这种结果的直接原因。由于岩体结 数达到 120 次时构建的样本统计值趋近完备。以上
构面力学性质的复杂性、模糊性和不确定性以及 方法能够得到一定量的样本统计值，但都没有精确
JRC 测量方法的局限性，人们难以获得准确的结构 计算最小样本数与允许误差之间的关系，也未能提
面力学参数。 出定量确定结构面粗糙度统计测量合理样本数的方
针对以上困难，一般采用统计方法分析结构面 法，不具有普遍推广性。
JRC 取值。杜时贵[10]通过对 12 个测段长度为 10 cm 本文提出基于变异系数级比分析及简单随机抽
的轮廓曲线计算 JRC 值，利用 JRC 尺寸效应分形模 样原理的最小样本数确定方法，通过对 JRC 的统计
型换算得到结构面总体 JRC 值，为定量化统计分析 分析得到系列尺寸下统计测量最小样本数变化规律
结构面 JRC 尺寸效应提供了有效手段。吉锋[11]通过 和允许误差范围。该方法改变了以经验标准或者人
对硬性节理表面 JRC 量化确定的研究，为 Barton 为指定样本数的传统手段，解决了以往在采集样本
理论公式法快速预测结构面参数提供了充足条件。 时无法确定所需最小样本数的问题，其通过概率统
吴月秀等 [12] 采用截断正态分布随机抽样得到具有 计方法得到的最小样本数更具合理性，保证了 JRC
一定迹长的粗糙节理，统计其 JRC 参数，得出了各 统计测量结果的可靠性，对相关工程准确提取结构
统计参数与 JRC 的回归关系。马成荣等[13]为了克服 面力学参数具有重要意义。
已有结构面 JRC 分形评价方法不能准确描述结构面
2 JRC 统计测量最小样本数确定方法
粗糙度的不足，基于不同采样间距区间下岩体结构
面轮廓曲线的分形维数变化规律，提出一种最优采 2.1 基于变异系数级比分析的最小样本数确定方法
[14-15]
样间距下的岩体结构面 JRC 统计方法。雍睿等 岩体工程中，JRC 的分析与取值是进行岩体力
提出了基于傅里叶级数的最大采样间距确定方法以 学参数研究的基础。变异系数 CV（coefficient of
及基于统计分析的确定系列尺度 JRC 的采样方法。 variation）是评价岩土参数变异特点而引入的无量
 第4期 侯钦宽等：结构面粗糙度统计测量最小样本数确定方法 1261

纲参数， （GB 50021－94）[21]

《岩土工程勘察规范》
1 k
中给出了该参数变异性大小的评价标准，见表 1。 i  
k  1 i 1
(JRCi   )2 （2）
数据的离散性也可用标准差来表示，但由于该参数
是有量纲的指标，不适用于因参数平均值不同而进 （4）用求得的平均值和标准差计算各组变异系
行离散性分析的对比研究，工程实践中，通常采用 数 CVi 并记录，其中：
无量纲的 CV 对岩土体参数进行评价。 i
CVi  （3）
级比分析通常用于表征数据序列的平滑度，并 i
提高灰色理论中指数模型的逼近精度，灰色理论在
（5）通过下式得到各组级比系数 yi，并按顺序
决定预测模型的准确性方面起着重要作用[22-23]。本
记录结果得到级比序列。
文通过分析变异系数的级比关系，确定变异系数稳
定值，以定量获取系列尺寸下结构面粗糙度统计测 CVi
yi  （4）
量最小样本数。当相邻样本的变异系数一致时，级 CVi 1
比系数等于 1；
两者相差较大时，级比系数将远离 1；
（6）用计算所得级比序列绘制散点图，当某点
不同样本数所对应的变异系数趋于稳定时，说明样
之后的所有点均落在 1   (  2%) 区间内时，说明
本数量已经足够满足计算结果精度的要求。统计学
该点所代表的样本数量即为试样长度为 l 下所需最
上，误差范围表示调查结果中的随机抽样误差，结
小样本数。记系列尺寸下基于变异系数级比分析确
果落入误差范围的可能性通常为 98%，因此，本文
定的最小样本数为 nc。
采用   2% 的允许误差范围来确定合理的最小样
2.2 基于简单随机抽样原理的最小样本数确定方法
本数，当一组级比系数之后的所有数据点都严格控
抽样调查是建立在科学的概率论基础上，能够
制在±2%，即级比系数控制在 0.98～1.02 之间时，
对统计数据计算统计误差，并可控制统计数据可靠
可视为样本数量足够且满足对计算精度的要求，可
程度，具有调查费用省、及时性等诸多优点[24]。简
确定该样本数量为结构面粗糙度统计测量最小样本
单随机抽样又称纯随机抽样，它是数理统计中最基
数。
本、最简单的抽样组织形式。工程中对岩体结构面
表 1 参数变异性
粗糙度进行统计测量时，不同测量位置的取样样本
Table 1 Classification of parameter variability 是不同的，每一次取样的过程本质上与简单随机抽
变异系数
CV＜0.1 0.1≤CV＜0.2 0.2≤CV＜0.3 0.3≤CV＜0.4 CV≥0.4
样原理相同，随机取样的次数就是结构面粗糙度统
CV
计测量的样本数。
变异性 很低 低 中等 高 很高
抽样调查中样本量的确定是一个十分重要的问
题，它与调查费用及调查精度直接相关。对待估参
该数据处理方法主要应用于定量确定岩体结构
数  的调查精度要求一般是用绝对误差 d 或者相对
面粗糙度统计测量最小样本数。通过对变异系数的
误差 r 表示，即在 1   的置信度下，保证估计量 
作用和级比分析特点的研究，提出基于变异系数的
与参数  的差值在误差限之内：
级比分析确定最小样本数的方法，主要步骤如下：
（1）选定需要分析的工程岩体结构面，在结构 
P ˆ   ≤ d  1    （5）

面表面用轮廓曲线仪提取 k 个试样长度为 l 的轮廓 或者

曲线，其中 k 的取值要充分大。  ˆ   
（2）计算第 i 条测段所对应的结构面粗糙度系 P ≤ r  1 （6）
  
数 JRCi，其中 i≤k。  
（3）将 k 个样本进行分组，第 1 组为 s 个样本， 样本量 ns 较大（大于 30）时，根据中心极限定
第 2 组为 s+c 个，第 3 组为 s +2c 个，……，其中 s 理， ˆ 近似服从正态分布，那么
为任意试样数量，c 为每组增加的任意试样数量，
 ˆ 
共计 m 组（m 为自然数）
，计算并列表记录每组对    
P ≤ t  1 （7）
应的岩体结构面 JRC 平均值 i 和标准差  i ，其中：  V ˆ
 


1 k
i   JRCi （1）
k i 1 式中： V ˆ  为抽样方差；t 为标准正态分布的双侧
 1262 岩 土 力 学 2020 年

 分位数。 描法等[30-31]。本文采用三维激光扫描法获取结构面
均值估计中，待估参数  为总体均值 Y ，估计 表面数据，该方法具有精度高、速度快，能大幅节
量为样本均值 y ， N 为样本总量。由 d  t V  y  和 约时间和成本的优点。
2
 n S 本文采用加拿大 Creaform 公司的 Metra SCAN
V  y   1  s  ，解得
 N  ns 750|Elite 手持式三维激光扫描系统，该系统利用激
t2S 2 光测距原理，通过记录被测物体表面大量密集的点
2 2
Nt S 2 Nt 2 S 2 r 2Y 2
ns   d2 2  （8） 云三维坐标、反射率和纹理等信息，可以快速创建
Nd  t S
2 2 2
t S Nr Y +t 2 S 2 r 2Y 2
4 4
出被测目标的空间三维模型，该仪器最大扫描精度
1
Nd 2 为 0.003 cm，具有高效率、高精度、点云不分层的
式中：ns 为所需最小样本数；S 为总体 JRC 样本标 独特优势，图 2 为结构面表面三维激光扫描。扫描
准差； Y 为总体 JRC 样本平均值；r 为统计可接受 得到的点云数据在 Geomagic 软件中组合生成相对
的相对百分偏差。 应的结构面空间模型，如图 3 所示。切除多余无用
3 实例分析 数据，截取 100 cm×100 cm 的结构面，对该结构面
沿 y 轴方向以 0.05 cm 的精度[32]均匀截取 2 001 条
3.1 结构面试样选取 结构面轮廓曲线，并相应地转化为 2 001 个 txt 文本
选取采自浙江省常山县的钙质板岩结构面，如 数据，假定此精度下所得结构面 JRC 为该结构面
图 1 所示，该原岩结构面是没有重结晶的中性凝灰 JRC 真值。
岩，可沿板理方向剥成薄片，能够获得质量较佳的
岩石结构面。选用的结构面坚硬完整、结构致密、
微风化，节理面表面光滑～粗糙，完全符合该试验
要求。表 2 为钙质板岩的主要物理力学指标[25]。

表 2 钙质板岩物理力学指标[25]
Table 2 Physical and mechanical indices of
Calcareous slate [25]
密度 抗压强度 弹性模量
岩性 软化系数
/(g・cm3) /MPa /GPa
钙质板岩 2.68 78.6 43 0.92 图 2 结构面表面三维激光扫描
Fig.2 3D laser scanning of structural surface

y
100
90
80
70
60
宽度/cm

50
40
30
图 1 天然岩石结构面 20
Fig.1 Natural rock structural surface 10
0
0 10 20 30 40 50 60 70 80 90 100 x
3.2 结构面表面几何信息提取 长度/cm
考虑到天然岩体结构面出露状况和野外粗糙度 图 3 结构面空间模型
测量的困难，
不同学者采用了不同的数据采集方式， Fig.3 Spatial modelling of structural surface
具体可分为接触式和非接触式，前者主要包括单排
针状轮廓尺[26]、单针自动式轮廓仪[27]、简易纵剖面 3.3 结构面粗糙度系数计算
[28] [29]
仪 等；后者主要包括摄影测量法 、三维激光扫 将得到的 2 001 个 txt 文本数据转化为与之对应
 第4期 侯钦宽等：结构面粗糙度统计测量最小样本数确定方法 1263

的 Matlab 数据，载入 Matlab 计算程序中，计算程 法，样本均值总体满足 JRC 尺寸效应规律。系列尺

序可自动从 100 cm 长度的轮廓曲线中截取 10、20、 寸下结构面粗糙度起伏信息丢失程度如图 6 所示。
30、40、50、60、70、80 cm 和 90 cm 长度的轮廓
曲线，并自动读取每一条轮廓曲线的坐标数据。设 700 500
450
600
400
计采用均匀分割法对单条 100 cm 长度的轮廓曲线 500  =7.31 350  =5.87

频数/次

频数/次
400  =3.66 300
250  =2.54
进行系列尺寸取样，该方法是研究尺寸效应常用的 300 200
200 150
取样手段，Bandis[33]和 Bahaaddini[34]等用此方法研 100 100
50
0 0
究尺寸效应对岩石节理剪切行为的影响。均匀分割 0 5 10 15 20 25 30 2 4 6 8 10 12 14 16
JRC JRC
法是指在最大试样尺寸范围内，通过均匀分割实现
(a) 10 cm 样本 (b) 20 cm 样本
小尺寸试样的制作，通过此方法可获得尺寸为原始 550
500
450 500
尺寸 1/2、1/5 和 1/10 的较小尺寸样本，图 4 为系列 400  =5.15
450
350 400  =4.73
 =1.93 350

频数/次

频数/次
尺寸下结构面轮廓曲线的取样。 300 300  =1.58
250 250
200 200
150 150
100 100
有效样本长度 信息丢失长度 50 50
0 0
2 4 6 8 10 12 2 4 6 8 10 12 14
轮廓曲线
JRC JRC
100 cm
(c) 30 cm 样本 (d) 40 cm 样本
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 10 cm 样本
20 cm 样本 500 400
S1 S2 S3 S4 S5 450
30 cm 样本 400
350  =4.64
S1 S2 S3 350 300  =1.40
 =4.24 250
频数/次

40 cm 样本 300

频数/次
S1 S2 250 200
50 cm 样本 200  =1.51 150
S1 S2 150
60 cm 样本 100 100
S1 50 50
70 cm 样本 0 0
S1 2 4 6 8 10 12 2 3 4 5 6 7 8 9
80 cm 样本
S1 JRC JRC
90 cm 样本
S1 (e) 50 cm 样本 (f) 60 cm 样本
图 4 系列尺寸下结构面轮廓曲线的取样 300 400
350
Fig.4 Sampling of structural profile curves in 250 300
different sizes of samples 200 250  =4.18
频数/次

 =4.38
频数/次

150 200  =1.08

 =1.21 150
100 100
50 50
通过 Barton 直边法的简明公式（9）[35]计算不 0 0
2 3 4 5 6 7 8 9 1011 2 3 4 5 6 7 8 9 10
同取样尺寸下 JRC 值。简明公式是直边法的补充， JRC JRC
其较好地弥补了直边法在起伏幅度较大的岩体结构 (g) 70 cm 样本 (h) 80 cm 样本
面上 JRC 测量受到限制的不足，
具有更好的普适性。 450 400
400 350
通过计算可得系列尺寸 JRC 频数分布直方图，如图 350
300
300
250  =3.75
频数/次

 =3.95
频数/次

250  =0.93
5 所示，系列尺寸下 JRC 样本总数见表 3。 200  =0.97 200
150
150
100 100
Ry 50 50
JRC n  400 （9） 0 0
Ln 2 3 4 5 6 7 8 9 10 2 3 4 5 6 7 8 9
JRC JRC
式中：Ry 为结构面表面轮廓曲线齿凸幅度（cm）； (i) 90 cm 样本 (j) 100 cm 样本
Ln 为轮廓曲线长度（cm）。 图 5 系列尺寸 JRC 频数分布直方图
由图 5 可知，系列尺寸下 JRC 频数基本服从正 Fig.5 Histogram of JRC frequencies for
态分布；总样本下 JRC 平均值和标准差总体随取样 different sizes of samples

尺寸的增加而减少。考虑 60 cm 取样尺寸的 JRC 平

表 3 系列尺寸下 JRC 样本总数
均值大于 50 cm 取样尺寸，是因为均匀分割法对 Table 3 Total number of JRC samples in different sizes
50 cm 样本可均分得到，但对于 60 cm 样本而言， 系列尺寸/cm JRC 样本总数/个 系列尺寸/cm JRC 样本总数/个

只截取了前 60 cm 为代表，可反映该结构面 60%的 10 20 010 60 2 001

20 10 005 70 2 001
粗糙度起伏信息，因此，60 cm 取样尺寸的 JRC 平 30 6 003 80 2 001
均值非原岩结构面 JRC 真值，造成了 40%的信息丢 40 4 002 90 2 001

失，但本研究重点是确定统计测量最小样本数的方 50 4 002 100 2 001

 1264 岩 土 力 学 2020 年

5 0.7 10 cm
20 cm
4 0.6 30 cm
40 cm
0.5 50 cm
信息丢失百分比/%

3
0.4
2

CV
0.3
1
0.2
0 0.1

-10 0.0
0 1 2 3 4 50 6 7 8 9 100 0 10 20 30 40 50 60 70 80 90 100
取样尺寸/cm 样本数

图 6 系列尺寸下结构面粗糙度起伏信息丢失程度 (a) 10～50 cm

Fig.6 The information loss of structural surface roughness
0.5 60 cm
fluctuation for different size of samples
70 cm
0.4 80 cm
90 cm
3.4 基于变异系数的级比分析确定结构面粗糙度 100 cm
0.3
统计测量最小样本数
将 10～100 cm 不同取样尺寸下 JRC 样本进行 CV 0.2
分组，为保证其精度最大，以第 1 组为 1 个样本，
0.1
第 2 组为 2 个样本，第 3 组为 3 个样本，……，第
m 组为 k 个样本（其中 m=k）进行划分，共计 m 组。 0.0
0 10 20 30 40 50 60 70 80 90 100
将每组对应 JRC 样本代入式（1）、
（2）计算其平均
样本数
值和标准差。 （3）
在平均值和标准差的基础上通过式
(b) 60～100 cm
得到各组数变异系数。由于选取样本数量较多，本
图 7 系列尺寸下前 100 组 CV 与样本数关系
研究以各取样尺寸下前 100 组样本数进行分析，图
Fig.7 Relationship between CV and sample number of the
7 为系列尺寸下前 100 组 CV 与样本数关系。 first 100 groups of different sample sizes
由图 7 可知，对于长度为 10～100 cm 的不同尺
寸样本，随着样本数的增加，各组变异系数逐渐趋 1.08 级比系数
级比系数=1
于稳定。小尺寸样本的 CV 值明显大于大尺寸样本， 1.06 1+ ( =2%) 误差范围上边界
1.04
且 CV 值随取样尺寸的增大而减小，取样尺寸为 误差范围下边界
1.02
10～50 cm 的 CV 值基本稳定在 0.31～0.47 之间，
级比系数

1.00
而取样尺寸为 60～100 cm 的 CV 值基本稳定在 0.98
0.21～0.31 之间。小样本产生的 CV 值波动幅度比 0.96

大样本大，且波动随样本数的增加而减弱。如果样 0.94 最小样本数

0.92
本数量足够大，变异系数将趋于稳定，并且，该稳
0.90
定值因取样尺寸的不同而存在差异，因此，对不同 92 94 96 98 100 102 104

取样尺寸以变异系数稳定值为指标确定合理样本数 样本数/个

是一个重要问题。 图 8 10 cm 取样尺寸下级比系数分布图
Fig.8 Class ratio coefficient distributions for
通过级比分析可对该问题进行解决。将各组变 10 cm sampling size
（4）可得到系列尺寸下各组级比系数，
异系数代入式
系列尺寸下级比系数变化规律大体相同，波动总体 由图 8 可知，随着样本数的增加，级比系数逐
随样本数的增加而逐渐趋于稳定，级比系数数据点 渐趋于 1。采用   2% 的误差范围来确定合理的
均在前 100 个样本数之内逐渐稳定在误差范围 最小样本数，观察散点图可知，98 组之后的所有数
1   (  2%) 区间内，且随着取样尺寸的增大，波 据点均落在 0.98～1.02 区间内，级比系数满足误差
动稳定状态越来越提前，最小样本数也逐渐减小。 范围要求，说明这个点所代表的样本数量为 10 cm
图 8 为 10 cm 取样尺寸下级比系数分布图。 取样长度下所需最小必要样本数，即 10 cm 试样长
 第4期 侯钦宽等：结构面粗糙度统计测量最小样本数确定方法 1265

度下所需结构面粗糙度统计测量最小样本数为 98 依此可得 10 cm 试样长度下所需结构面粗糙度统计

个。 测量最小样本数为 96 个。
将表 5 中数据分别代入式
在该研究中，取样尺寸为 20～100 cm 长度的级 （8）
，可计算得到系列尺寸下结构面粗糙度统计测
比分析结果与 10 cm 取样尺寸相似，各取样尺寸所 量最小样本数 ns1。
得最小样本数均在 100 组范围之内，且总体随取样 抽样调查中不同的允许误差和不同的置信度水
尺寸的增加而减小，表 4 为系列尺寸下结构面粗糙 平都会导致计算样本数的不同，分别考虑 JRC 最大
度统计测量最小样本数 nc。对系列尺寸所得最小样 相对允许误差 r=8%、置信度为 95%和 JRC 最大相
本数进行非线性拟合，可得拟合方程： 对允许误差 r=10%、置信度为 90%的情况下结构面
0.58
y  383.77 x （10） 粗糙度统计测量最小样本数，分别记为 ns2 和 ns3。
该拟合结果表明，系列尺寸对应的最小样本数 依据式（8）将总体样本平均值和标准差分别带入
与取样尺寸基本满足幂函数关系。图 9 为系列尺寸 t=1.96、r=0.08 和 t=1.64、r=0.1 的情况中，计算可
所得最小样本数拟合曲线。 得系列尺寸下结构面粗糙度统计测量最小样本数
ns2 和 ns3，见表 5。
表 4 系列尺寸下结构面粗糙度统计测量最小样本数
Table 4 Minimum number of samples for statistical 表 5 系列尺寸下计算参数和最小样本数
measurement of structural surface roughness in Table 5 Calculated parameters and minimum number of
different sizes samples in different sizes
取样尺寸
10 20 30 40 50 60 70 80 90 100 取样尺寸/cm 平均值 标准差 ns1 ns2 ns3
/cm
10 7.31 3.66 96 150 68
nc 98 77 54 47 43 37 26 33 25 26
20 5.87 2.54 72 112 51
30 5.15 1.93 54 84 38
100
最小样本数 40 4.73 1.58 43 66 30
90 拟合曲线
50 4.24 1.51 49 75 34
80 60 4.64 1.40 35 54 25
y = axb
最小样本数/个

70 70 4.38 1.21 29 45 21
a =383.767 1444.697 6
60 b=0.575 130.036 12 80 4.18 1.08 26 40 18
50 90 3.95 0.97 23 36 17
40 100 3.75 0.93 24 37 17

30
20 3.6 不同最小样本数确定方法计算结果与对比分析
10 20 30 40 50 60 70 80 90 100
取样尺寸/cm 基于变异系数级比分析与简单随机抽样原理得
图 9 系列尺寸所得最小样本数拟合曲线 到的最小样本数计算结果的对比如图 10 所示。
Fig.9 Curve fitting for the minimum number of samples
in different sizes
160 nc（级比分析）
140 ns1（r =10%、置信度 95%）
3.5 基于简单随机抽样原理确定结构面粗糙度统
120 ns2（r =8%、置信度 95%）
计测量最小样本数 ns3（r =10%、置信度 90%）
100
最小样本数/个

系列尺寸下总体 JRC 样本平均值和标准差见表

80
5，根据 JRC 取样样本均值与 JRC 总体样本均值之
60
间的最大相对允许误差 r =10%、置信度 95%以及与 40
给定置信度相对应的标准正态分布表的上侧分位数 20
t=1.96，计算系列尺寸下结构面粗糙度统计测量最 0
0 10 20 30 40 50 60 70 80 90 100
小样本数。以 10 cm 长度的取样尺寸为例，总体样
取样尺寸/cm
本平均值为 Y =7.31 ，标准差为 S=3.66 ， t=1.96 ， 图 10 最小样本数对比图
r=0.1，将这些参数代入式（8）可得 Fig.10 Comparison of minimum numbers of samples
Nt 2 S 2 r 2Y 2
ns1  
Nr 4Y 4 +t 2 S 2 r 2Y 2 由图 10 可知，
基于变异系数级比系数确定的最
20 010  1.962  3.662  0.12  7.312 小样本数 nc 与基于简单随机抽样原理考虑不同相
 96
20 010  0.14  7.314 +1.962  3.662  0.12  7.312 对允许误差和置信度水平得到的最小样本数 ns1、ns2
 1266 岩 土 力 学 2020 年

和 ns3 变化规律相同，最小样本数总体随取样尺寸 本数确定方法计算结果的相似性度量，可得到该最

的增大而减少。 小样本数的最大允许误差范围和置信度水平，为准
为定量化比较两种最小样本数确定方法的相似 确评价 JRC 统计测量结果和工程中准确获取岩体力
性，现利用向量相似度测度方法对 4 组计算结果进 学参数提供依据。
行对比分析。一般向量的相似性函数有夹角余弦
4 讨 论
法[36-37]、广义 Dice 系数法[37-39]、广义 Jaccard 系数
法[37, 40]、相关系数法[36]等。 由图 7 可知，10 cm 样本的变异系数明显大于
其中，广义 Dice 系数法与夹角余弦法相似，优 其他各个尺寸，且波动最大。雍睿等[14]认为，如果
点在于其分子充分考虑了向量 X、Y 间共同项值的 样本数量足够大以获得小尺寸样本的稳定 CV 值，
影响，对其值进行了两倍加权，分母则考虑了向量 那么对于大尺寸样本来说，该样本数也是足够的。
X、Y 间有评分项的权重，对非零项进行了求平方和， 按照该统计样本数的要求对系列尺寸样本进行统计
使得相似度计算结果更加准确。故本文选用广义 分析，得到的统计结果也能够满足统计要求，但不
Dice 系数法对不同最小样本数确定方法所得系列 同取样尺寸所需有效样本数往往是不同的，并非样
尺寸下最小样本数进行度量，表达式为 本量越大，调查就会越有价值，相反过大的样本量
n
会造成资源的浪费，所以，简单的以小尺寸样本所
2 xi yi
2X Y i 1 得最小样本数作为系列尺寸有效样本数是不可取
D( X , Y )  2 2
 n n
（11）
X  Y
2 2  xi 2   yi 2 的，这并不符合抽样调查的理论要求。因此，对系
i 1 i 1
列尺寸分别确定统计测量最小样本数是非常必要
式中： X  ( x1 , x2 , , xn ) 和 Y  ( y1 , y2 ,, yn ) 为两个
n
的。
n 维空间向量； X  Y   xi yi 为两个向量的内积； Xia 等 [41] 对岩石抗剪强度的研究中，在进行
in
n n
30 cm×15 cm 结构面 JRC 取样时，沿剪切方向以
X 2
  xi 2 和 Y 2
  yi 2 为向量 X 和 Y 的二范 1.5 cm 的等距离间隔获取了 9 条 30 cm 长度的轮廓
i 1 i 1

数。 曲线，该取样样本数仅占级比分析方法所得样本数
首先将四组系列尺寸下得到的最小样本数 nc、 的 16.7%，样本数量严重不足，将造成结构面 JRC
ns1、ns2 和 ns3 转化为相应的向量数据： 计算结果的失真。Wang 等[42]研究了剪切速率对岩
 石节理力学行为的影响，在进行 20 cm×10 cm 结构
nc  [98,77,54, 47, 43,37, 26,33, 25, 26]
 面 JRC 取样时，为获得较为准确的 JRC 平均值，对
ns1  [96,72,54, 43, 49,35, 29, 26, 23, 24]
 不同轮廓间隔下的 JRC 进行计算比较以确定更好的
ns 2  [150,112,84,66,75,54, 45, 40,36,37]
 轮廓间隔，该思想与级比分析方法相似，但没有给
ns 3  [68,51,38,30,34, 25, 21,18,17,17]
    出具体方法及量化的样本数量。因此，对不同取样
设向量 nc 为标准向量， ns1 、 ns2 和 ns3 为待比 尺寸确定所需统计测量最小样本数标准是非常必要
较向量，通过式（11）对向量进行计算，相似度计 的。
算结果见表 6。 本文提出基于变异系数级比分析及简单随机抽
样原理的最小样本数确定方法，可在误差保证范围
表 6 向量相似度计算结果
Table 6 Vector similarity calculation results 内定量获得系列尺寸结构面粗糙度统计测量最小样
     
相似度 nc 和 ns1 nc 和 ns2 nc 和 ns3 本数。本研究方法应当选取被测地区具有代表性的
D(X，Y) 0.997 1 0.918 0 0.932 3 结构面试样，
在与其性质相同的结构面可推广使用，
但对于岩性发生明显变化或粗糙度性质存在明显差
由表 6 可知，基于变异系数级比分析确定的最 异时，需利用本方法进行重新计算，以确定新的统
小样本数 nc 与基于简单随机抽样原理考虑最大相 计测量最小样本数标准。
对允许误差 r=10%、置信度为 95%时得到的最小样
5 结 论
本数 ns1 相似性最为吻合，相似度大于 0.997。
统计学在抽样调查中考虑有允许误差和概率保 针对目前在结构面粗糙度统计测量中无法确定
证程度的条件，不同的误差范围和不同的置信度水 合理样本数的问题，提出基于变异系数级比分析及
平都会导致计算样本数的不同，通过对两种最小样 简单随机抽样原理的最小样本数确定方法，通过对
 第4期 侯钦宽等：结构面粗糙度统计测量最小样本数确定方法 1267

两种方法计算结果的对比分析可以得出以下结论： [5] BARTON N. Review of a new shear strength criterion for

（1）系列尺寸的 JRC 统计结果表明，小尺寸样 rock joints[J]. Engineering Geology, 1973, 7(4): 287-332
本的 CV 值明显大于大尺寸样本，且 CV 值随取样 [6] 杜时贵. 岩体节理面的力学效应研究[J]. 现代地质,
尺寸的增大而减小，取样尺寸为 10～50 cm 的 CV 1994(2): 198-208.
值基本稳定在 0.31～0.47 之间，而取样尺寸为 60～ DU Shi-gui. Study on mechanical effect of joint surface
100 cm 的 CV 值基本稳定在 0.21～0.31 之间。 of rock mass[J]. Geoscience, 1994(2): 198-208.
（2）两种最小样本数确定方法揭示了系列尺寸 [7] 杜时贵. 岩体结构面粗糙度系数 JRC 的定向统计研
所对应的统计测量最小样本数是不同的，最小样本 究[J]. 工程地质学报, 1994, 2(3): 62-71.
数与取样尺寸基本满足幂函数关系，且最小样本数 DU Shi-gui. Orientational statistical study on the
随取样尺寸的增大而减少。 roughness coefficient JRC of rock mass structure[J].
（3）两种最小样本数确定方法计算结果对比表 Journal of Engineering Geology, 1994, 2(3): 62-71.
明，级比分析方法在允许误差为±2%时确定的最小 [8] 杜时贵, 唐辉明. 岩体断裂粗糙度系数的各向异性研
样 本数 与简单 随机 抽样原 理在 最大允 许误 差 为 究[J]. 工程地质学报, 1993, 1(2): 32-42.
10%、置信度为 95%时计算的最小样本数是一致的， DU Shi-gui, TANG Hui-ming. Anisotropy study on
相似度大于 0.997。 fracture roughness coefficient of rock mass[J]. Journal of
Engineering Geology, 1993, 1(2): 32-42.
参 考 文 献
[9] 杜时贵, 颜育仁, 胡晓飞, 等. JRC-JCS 模型抗剪强度
[1] 李化, 黄润秋. 岩石结构面粗糙度系数 JRC 定量确定 估算的平均斜率法[J]. 工程地质学报, 2005, 13(4):
方法研究[J]. 岩石力学与工程学报, 2014, 33(增刊 2): 489-493.
3489-3497. DU Shi-gui, YAN Yu-ren, HU Xiao-fei, et al. Average
LI Hua, HUANG Run-qiu. Study on quantitative slope method for estimating shear strength of JRC-JCS
determination method of roughness coefficient of rock model[J]. Journal of Engineering Geology, 2005, 13(4):
structure surface[J]. Chinese Journal of Rock 489-493.
Mechanics and Engineering, 2014, 33(Suppl.2): [10] 杜 时 贵 . 岩 体 结 构 面 粗 糙 度 系 数 确 定 方 法 :
3489-3497. 200410084467.5[P]. 2006-05-31.
[2] YE Jun, YONG Rui, LIANG Qi-feng, et al. Neutrosophic DU Shi-gui. Method for determining roughness
Functions of the joint roughness coefficient and the shear coefficient of rock mass structure surface:
strength: a case study from the pyroclastic rock Mass in 200410084467.5[P]. 2006-05-31.
Shaoxing City, China[J]. Mathematical Problems in [11] 吉锋. 硬性结构面粗糙度系数量化确定及其工程应
Engineering, 2016(1): 1-9. 用[J]. 水文地质工程地质, 2010, 37(3): 84-86.
[3] 周辉, 程广坦, 朱勇, 等. 基于三维扫描和三维雕刻技 JI Feng. Quantitative determination of roughness
术的岩石结构面原状重构方法及其力学特性[J]. 岩土 coefficient of hard structure surface and its engineering
力学, 2018, 39(2): 417-425. application[J]. Hydrogeology and Engineering Geology,
ZHOU Hui, CHENG Guang-tan, ZHU Yong, et al. A new 2010, 37(3): 84-86.
method to originally reproduce rock structural plane by [12] 吴月秀, 刘泉声, 刘小燕. 岩体节理粗糙度系数与统计
integrating 3D scanning and 3D carving techniques and 参数的相关关系研究[J]. 岩石力学与工程学报, 2011,
mechanical characteristics of reproduced structural 30(增刊 1): 2593-2598.
planes[J]. Rock and Soil Mechanics, 2018, 39(2): WU Yue-xiu, LIU Quan-sheng, LIU Xiao-yan. Study on
417-425. correlation between roughness coefficient of rock mass
[4] 杜时贵. 大型露天矿山边坡稳定性等精度评价方法[J]. and statistical parameters[J]. Chinese Journal of Rock
岩石力学与工程学报, 2018, 37(6): 1301-1331. Mechanics and Engineering, 2011, 30(Suppl.1):
DU Shi-gui. Accuracy evaluation method for slope 2593-2598.
stability of large open pit mines[J]. Chinese Journal of [13] 马成荣, 黄曼, 杜时贵, 等. 最优采样间距条件下的结
Rock Mechanics and Engineering, 2018, 37(6): 构 面 粗 糙 度 系 数 统 计 方 法 : 201710822964.8[P].
1301-1331. 2018-01-09.
 1268 岩 土
MA Cheng-rong, HUANG Man, DU Shi-gui, et al.
Statistical method for structural surface roughness
coefficient under optimal sampling interval:
201710822964.8[P]. 2018-01-09.
[14] YONG Rui, YE Jun, LI Bo, et al. Determining the
maximum sampling interval in rock joint roughness
measurements using Fourier series[J]. International
Journal of Rock Mechanics and Mining Sciences, 2018,
101: 78-88.
[15] YONG Rui, QIN Ji-bo, HUANG Man, et al. An
innovative sampling method for determining the scale
effect of rock joints[J]. Rock Mechanics and Rock
Engineering, 2019, 52: 935-946.
[16] 米君楠. 参数变异性及样本容量对边坡可靠度影响的
研究[D]. 杭州: 浙江大学, 2007.
MI Jun-nan. Study on influence of parameter variability
and sample capacity on slope reliability[D]. Hangzhou:
Zhejiang University, 2007.
[17] 高大钊. 关于岩土设计参数标准值计算公式的讨论[J].
工程勘察, 1996(3): 5-8.
GAO Da-zhao. Discussion on calculation formula of
standard value of geotechnical design parameters[J].
Geotechnical Investigation & Surveying, 1996(3): 5-8.
[18] 董教社, 成利民. 岩土工程勘察中合理子样数的探
讨[J]. 港工技术, 1999(2): 52-54.
DONG Jiao-she, CHENG Li-min. Discussion on the
reasonable sample number in geotechnical engineering
investigation[J]. Port Engineering Technology, 1999(2):
52-54.
[19] 李征翼. 关于岩土样本统计分析的几点讨论[J]. 岩土
工程技术, 2008, 22(3): 109-112.
LI Zheng-yi. Discussion on statistical analysis of
geotechnical samples[J]. Geotechnical Engineering
Technique, 2008, 22(3): 109-112.
[20] 赵晶, 蒋良潍, 罗强, 等. 边坡可靠度分析中岩土合理
样本数目探讨[J]. 铁道科学与工程学报, 2016, 13(6):
1053-1060.
ZHAO Jing, JIANG Liang-wei, LUO Qiang, et al.
Discussion on the number of reasonable samples of rock
and soil in slope reliability analysis[J]. Journal of
Railway Science and Engineering, 2016, 13(6): 1053-
1060.
[21] 中华人民共和国建设部. GB 50021－94 岩土工程勘察
规范[S]. 北京: 中国建筑工业出版社, 1995.
Ministry of Construction of Peoples Republic of China.
力 学 2020 年
GB 50021 － 94 Geotechnical survey specification[S].
Beijing: China Architecture & Building Press, 1995.
[22] DENG Ju-long. On judging the admissibility of grey
modelling via class ratio[J]. The Journal of Grey
System, 1993, 5: 249-252.
[23] 邓聚龙. 灰预测与灰决策[M]. 武汉: 华中科技大学出
版社, 2002.
DENG Ju-long. Grey prediction and grey decision[M].
Wuhan: Huazhong University of Science and Technology
Press, 2002.
[24] 黄强. 谈谈系统抽样中的几个技术问题[J]. 统计科学
与实践, 1997(3): 17-18.
HUANG Qiang. Talking about several technical problems
in system sampling[J]. Tatistical Science and Practice,
1997(3): 17-18.
[25] 罗战友, 杜时贵, 黄曼. 岩石结构面粗糙度系数尺寸效
应 的 推 拉 试 验 研 究 [J]. 岩 土 力 学 , 2015, 36(12):
3381-3386.
LUO Zhan-you, DU Shi-gui, HUANG Man. Push-pull
test study on size effect of rock surface roughness
coefficient[J]. Rock and Soil Mechanics, 2015, 36(12):
3381-3386.
[26] BARTON N, CHOUBEY V. The shear strength of rock
joints in theory and practice[J]. Rock Mechanics, 1977,
10(1): 1-54.
[27] DEVELI K, BABADAGLI T, COMLEKCI C. A new
computercontrolled surface-scanning device for
measurement of fracture surface roughness[J].
Computers and Geosciences, 2001, 27(3): 265-277.
[28] 杜时贵. 简易纵剖面仪及其在岩体结构面粗糖度系数
研究中的应用[J]. 地质科技情报, 1992, 11(3): 91-95.
DU Shi-gui. Simple longitudinal profiler and its
application in the study of coarse sugar content coefficient
of rock mass structure[J]. Geological Science and
Technology Information, 1992, 11(3): 91-95.
[29] BAE D S, KIM K S, KOH Y K, et al. Characterization of
joint roughness in granite by applying the scan circle
technique to images from a borehole televiewer[J]. Rock
Mechanics and Rock Engineering, 2011, 44(4):
497-504.
[30] FARDIN N, STEPHANSSON O, JING L. The scale
dependence of rock joint surface roughness[J].
International Journal of Rock Mechanics and Mining
Sciences, 2001, 38(5): 659-669.
 第4期 侯钦宽等：结构面粗糙度统计测量最小样本数确定方法
[31] MLYNARCZUK M. Description and classification of
rock surface by means of laser profilometry and
mathematical morphology[J]. International Journal of
Rock Mechanics and Mining Sciences, 2010, 47(1):
138-149.
[32] 宋磊博, 江权, 李元辉, 等. 不同采样间隔下结构面形
貌特征和各向异性特征的统计参数稳定性研究[J]. 岩
土力学, 2017, 38(4): 1121-1132, 1147.
SONG Lei-bo, JIANG Quan, LI Yuan-hui, et al. Study on
stability of statistical parameters of structural surface
morphology and anisotropy at different sampling
intervals[J]. Rock and Soil Mechanics, 2017, 38(4):
1121-1132, 1147.
[33] BANDIS S C, LUMSDEN A C, BARTON N R.
Experimental studies of scale effects on the shear
behaviour of rock joints[J]. International Journal of
Rock Mechanics and Mining Science & Geomechanics
Abstracts, 1981, 18(1): 1-21.
[34] BAHAADDINI M, HAGAN P C, MITRA R, et al. Scale
effect on the shear behaviour of rock joints based on a
numerical study[J]. Engineering Geology, 2014, 181:
212-223.
[35] 胡晓飞, 杜时贵. 结构面粗糙度系数 Barton 直边法的
简明公式[J]. 工程地质学报, 2008, 16(2): 196-200.
HU Xiao-fei, DU Shi-gui. Concise formula of Barton
straight edge method for structural surface roughness
coefficient[J]. Journal of Engineering Geology, 2008,
16(2): 196-200.
上接第 1258 页
[34] 肖学沛, 李天斌. 某滑坡炭质软岩抗剪强度受含水
量影响分析[J]. 水土保持研究, 2005, 12(1): 75-78.
XIAO Xue-pei, LI Tian-bin. Analysis of shear strength
affected by water content of char weak rock in one
certain landslide[J]. Research of Soil and Water
Conservation, 2005, 12(1): 75-78.
[35] 周瑞光, 曲永新, 成彬芳, 等. 山东龙口北皂煤矿软
岩力学特性实验研究[J]. 工程地质学报, 1996, 4(4):
55-60.
ZHOU Rui-guang, QU Yong-xin, CHENG Bin-fang, et
al. Experimental study on mechanical properties of soft
rock in Longkou north soap coal mine, Shandong
province[J]. Journal of Engineering Geology, 1996,
4(4): 55-60.
1269
[36] 张宇, 刘雨东, 计钊. 向量相似度测度方法[J]. 声学技
术, 2009, 28(4): 532-536.
ZHANG Yu, LIU Yu-dong, JI Zhao. Vector similarity
measure[J]. Technical Acoustics, 2009, 28(4): 532-536.
[37] YONG Rui, YE Jun, LIANG Qi-feng, et al. Estimation of
the joint roughness coefficient (JRC) of rock joints by
vector similarity measures[J]. Bulletin of Engineering
Geology and the Environment, 2018, 77(2): 735-749.
[38] DICE L R. Measures of the amount of ecologic
association between species[J]. Journal of Ecology, 1945,
26: 297-302.
[39] 陶跃华. 基于向量的相似度计算方案[J]. 云南师范大
学学报(自然科学版), 2001, 21(5): 17-19.
TAO Yue-hua. Vector-based similarity calculation
scheme[J]. Journal of Yunnan Normal University
(Natural Sciences Edition), 2001, 21(5): 17-19.
[40] JACCARD PAUL. Distribution de la flore alpine dans le
Bassin des Drouces et dans quelques regions voisines[J].
Bulletin de la Société Vaudoise des Sciences Naturelles.
1901, 37(140): 241-272.
[41] XIA C C, TANG Z C, XIAO W M, et al. New peak shear
strength criterion of rock joints based on quantified
surface description[J]. Rock Mechanics and Rock
Engineering, 2014, 47(2): 387-400.
[42] WANG G, ZHANG X P, JIANG Y J, et al.
Rate-dependent mechanical behavior of rough rock
joints[J]. International Journal of Rock Mechanics and
Mining Sciences, 2016, 83: 231-240.
[36] 周翠英, 朱凤贤, 张磊. 软岩饱水试验与软化临界
现象研究[J]. 岩土力学, 2010, 31(6): 1709-1715.
ZHOU Cui-ying, ZHU Feng-xian, ZHANG Lei.
Research on saturation test and softening critical
phenomena of soft rocks[J]. Rock and Soil Mechanics,
2010, 31(6): 1709-1715.
[37] 赵明华, 刘晓明, 苏永华. 含崩解软岩红层材料路
用工程特性试验研究[J]. 岩土工程学报, 2005, 24(6):
667-671.
ZHAO Ming-hua, LIU Xiao-ming, SU Yong-hua.
Experimental studies on engineering properties of red
bed material containing slaking rock[J]. Chinese
Journal of Geotechnical Engineering, 2005, 24(6):
667-671.