IFCO BAT系统测试地基孔压及原位渗透系数理论及其应用
陈云敏1，林 政1，2，Schellingerhout A J G3
THEORIES OF IN-SITU TEST FOR PORE WATER PRESSURE AND PERMEABILITY WITH IFCO BAT SYSTEM AND ITS APPLICATIONS
摘要 渗透系数是直接反映土体渗透性的参数，是土工计算分析中的关键参数，其值的准确求取有重要的工程实际意义。IFCO BAT系统是一套能快速、准确获取地基孔隙水压力和原位渗透系数的先进测试系统。据此，总结介绍IFCO BAT系统测试地基孔隙水压力和原位渗透系数的理论，并介绍其在吹填土大型模型槽试验中的应用。实践证明：IFCO BAT系统的渗流分析理论及其渗透系数求取是正确的、合理的，并有很高的工程实用价值。
关键词 ：
基础工程 ,
IFCO BAT系统 ,
现场测试 ,
孔隙水压力 ,
地基原位渗透系数 ,
渗流分析理论 ,
流阻
Abstract ：Permeability is a key parameter in calculating and analyzing of geotechnical engineering；and its accuracy is very important. IFCO BAT system is a set of in-situ test system，which can gain the pore water pressure of ground and in-situ permeability of soil quickly and accurately. The theories for in-situ test of pore water pressure and permeability by IFCO BAT system were generally introduced. The applications to model test of dredger clay show that the theories are correct and the in-situ test results are accurate；and IFCO BAT system can be used in geotechnical engineering.
Key words ：
foundation engineering
IFCO BAT system
in-situ test
pore water pressure
in-situ permeability of soil
theory of permeability
resistance of water-flow
收稿日期: 2004-08-13
[1]
董学超1，2，卢 正1，2，郑清刚3，蒋 凡4，李佳航1，2，郭明伟1，2*. 深水超大沉井基础动态下沉全过程数值模拟方法及应用
[2]
欧阳威1，倪雪倩1*，张 升1，刘光庆1，张 锋1，2. 循环荷载下吹填砂动力响应及超孔隙水压力发展特性
[3]
姚荣涵1，张文松2，3，4，贾 磊2，3，4，王立冰1. 基于时空特性和深度学习的地铁基坑周边建筑物沉降估算模型
[4]
李雨润1，邵鼎松1，李 赫1，王永志2. 液化场地高层建筑桩筏基础动力响应试验研究
[5]
韩博文1，2，3，蔡国庆4，5，苏彦林4，5，单冶鹏4，5，李 舰4，5. 间歇荷载–湿化耦合作用下有砟轨道路基翻浆冒泥机制及动力特性试验研究
[6]
王 军1，2，3，冯 莹1，4，陈晟凯1，5，秦 伟1，2，5，张金荣1，倪俊峰1. 爆破挤淤填石地基沉降模型试验及预测分析
[7]
曲立强1，杜 强1，2，3. 雨水入渗致边坡失稳宏细观机制的离心模型试验研究
[8]
侯红伟1，李建波1，李志远2，李艳朋3. 一种基于相对增益矩阵的人工边界条件空间耦合度计算方法
[9]
韩博文1，2，3，蔡国庆4，5，落宇杰4，5，张国光6，单冶鹏4，5. 多级/多频列车荷载–湿化耦合作用下有砟轨道路基翻浆冒泥颗粒迁移及动力特性研究
[10]
兰景岩1，2，咸甘玲1，王永志3，4，王体强3，4，刘翔宇1，任鸿燚1，汤兆光3，4. 软黏土地基离心模型分层预压与机载联合制备方法
[11]
马昊暄1，李传勋1，陆向综1，郭 霄2. 考虑变井阻的碎石桩复合地基非线性固结分析
[12]
马为功. 铁路黄土隧道液化致灾机制与风险评估研究
[13]
谢森林1，胡安峰1，肖志荣2，陈 缘3，汪美慧4. 渗漏病害加剧影响下隧道周围土体流变固结分析
[14]
牛婷婷1，2，3，吴富敏1，张智超4，陈志雄2，丁选明2. 高速列车荷载作用下X形桩桩网复合地基累积沉降研究
[15]
董学超1，2，郭明伟1，2，王水林1，2，蒋 凡3. 基于集成学习的超大型沉井基础下沉倾斜程度预测
