基于进化神经元算法的堡镇隧道软弱围岩施工弹塑性智能位移反分析

结合宜万铁路堡镇隧道的施工,将BP神经网络和遗传算法引入特长隧道软岩段的施工位移反分析,采用遗传算法自动搜索BP神经网络训练效果最优的参数,建立起反映围岩变形与岩体物理力学参数及初始地应力之间高度非线性、不确定的GA-BP智能模型,然后采用遗传算法在岩体物理力学参数和初始地应力取值范围内,搜索BP神经网络预测围岩变形与实测围岩变形最接近的参数组合,取得反演获得的岩体物理力学参数和初始地应力.从堡镇隧道应用结果来看,这种进化神经元算法反演结果可以满足隧道施工的需要,并为类似工程提供了借鉴.     

边坡岩体力学参数反分析方法

为了提高数值计算结果的可靠度,基于正交设计、差分法和人工神经网络建立了新的边坡岩体力学参数反分析方法. 按照正交设计要求,选定反演参数的水平,确定数值模拟方案;用FLAC2D差分程序计算得出相应的神经网络分析样本;对RBF神经网络进行训练;利用现场监测位移,对某露天矿边坡岩体的力学参数进行神经网络反分析. 反分析结果与理论值的误差很小,满足精度要求,表明该反分析方法的可行性和精确性.     

基于GA-BP算法的隧道围岩力学参数反分析

建立智能位移反分析系统,用其确定隧道围岩的力学参数.针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值.结合均匀设计法在围岩力学参数初始域范围内设计实验方案,这样不仅减少了迭代时间和次数,还提高了预测精度.通过对绿春坝隧道围岩力学参数的反演,验证了该方法的可靠性及适用性.将反演得出的围岩力学参数代入到数值模型中进行计算,结果表明,数值计算值与现场实际监测值的误差分别为-8.9%和4.5%.     

白水隧道围岩力学参数敏感性分析与智能反演

以石黔高速公路白水隧道为例,采用敏感性分析与数值模拟相结合的方法计算出隧道围岩各力学参数的敏感度,确定影响隧道变形的主要力学参数。首先,基于正交试验设计构造BP神经网络的样本,建立待反演参数与围岩变形的非线性映射关系,将现场监控量测实测值作为输入样本,得到围岩力学参数。然后,将反演得到的力学参数代入到数值模拟中,计算出隧道围岩变形值,对比分析实测值与计算值。结果表明,两者误差较小,这说明该方法应用于该工程的可行性。     

基于遗传算法和神经网络的隧道围岩位移智能反分析

基于正交试验设计和FLAC3D建立的学习样本以及测试样本,通过工程现场获取的围岩位移信息,用神经网络建立待反演参数与围岩位移之间潜在的映射关系。研究结果表明:利用该神经网络的仿真预测功能,结合遗传算法搜索反演参数的最优解,从而实现位移反分析;可将反演结果反馈于隧道支护结构的设计,实现隧道的信息化施工与设计。     

围岩物性参数对小净距隧道稳定性的影响

数值仿真模拟研究的关键是数值模型的建立和围岩物理力学参数的选取。以京福高速公路小净距隧道为例,结合现行规范和有关文献,对Ⅳ级围岩物理力学参数进行了细化和分组,通过数值模拟分析,以研究围岩物性参数对小净距隧道稳定性的影响。所得结论对小净距隧道稳定性分析、施工和支护设计具有指导意义。     

BP网络在双连拱隧道围岩参数反分析中的应用

该文以模拟隧道开挖的有限元为正演工具,通过BP神经网络,对在隧道工程施工过程中量测到的围岩位移进行反分析,确定出围岩岩体的力学特性参数,从而可以通过数值分析方法对隧道围岩稳定性作出合理的评价和符合实际的预测,使得现场量测结果能更加有效地应用于隧道工程的施工决策．     

硐室围岩力学参数反分析

基于差分法和人工神经网络建立了新的硐室围岩力学参数反分析方法。通过对比分析,选取FLAC差分程序为数值计算软件;针对不同力学参数,通过FLAC程序运算,得出相应的神经网络分析样本;对网络进行学习训练,并进行了网络结构及其学习参数优化;利用网络学习结果,对围岩力学参数进行反分析,与现场实测结果对比,证实了反分析方法的正确性和可靠性。     

拓宽路基差异沉降计算参数的确定

为简便精确地确定高速公路拓宽路基差异沉降计算参数,依照正交设计要求选取地基及路基土体的物理力学参数及取值域,用有限元分析软件ANSYS计算出相应的神经网络分析样本,构建人工神经网络模型,再依托工程现场实测的观测数据,对拓宽路基差异沉降计算参数进行神经网络模拟计算,确定地基及路基土物理力学参数的取值.模拟计算结果表明:路基土各物理力学参数的计算值与实测值吻合很好;用灰色关联分析,模型模拟计算精度很高,表明该方法确定的地基及路基土的物理力学参数值满足工程计算精度要求.     

小浪底水利枢纽导流洞围岩收敛规律及位移反分析

本文对黄河小浪底水利枢纽地下导流洞围岩变形观测资料进行反分析计算,为设计提供了合理的围岩物理力学参数,并讨论了围岩变形规律和围岩的综合分类     

地下储油岩库围岩力学参数的正交设计

在相同岩性的现场库区内,岩体的物理力学参数随取样位置(深度)的变化具有不同的变化水平,即使在稳定岩层区不同深度岩性参数也有一定的差异。为了在储油岩库设计方案的数值模拟试验中充分体现这些实际特点,根据大量的岩石室内试验结果,采用正交设计试验方法,以岩石的弹性模量、泊松比、抗拉强度、粘聚力和内摩擦角共5个参数作为主要影响因素,选取储油洞库围岩塑性区面积(包括拉破坏区面积)和洞周最大位移值作为试验指标进行了正交试验,通过对正交试验结果进行直观分析,研究了地下储油岩库围岩力学参数的确定方法,给出了参数的最优组合,为解决同类问题建立了计算方法和分析思路。     

基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型，并基于正交试验获得的训练样本对网络进行学习，以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础，用蚁群算法来学习神经网络的权系数。利用反演结果，建立快速拉格朗日快速计算法（FLAC）模型，对地表沉陷进行预测。结果表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型,并基于正交试验获得的训练样本对网络进行学习,以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础,用蚁群算法来学习神经网络的权系数。利用反演结果,建立快速拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测。结果表明:用蚁群算法训练神经网络,可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

开采沉陷反分析的神经网络方法研究

建立了沉陷反分析的神经网络模型,并用基于正交试验获得的训练样本对网 络进行学习,以此训练好的神经网络模型来描述岩体力学参数与开采沉陷之间的关系,利用反演结果,建立拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测,其预测结果是令人满意的。     

利用神经网络预测油气层损害

利用人工神经网络预测油气层敏感性参数，根据大港油田的油气层岩石物性参数、岩石学分析参数以及油气层岩石敏感性参数等历史资料，训练神经网络，以此神经网络预测某些油气层的敏感性参数，该方法能迅速、准确地预测未来指定油气层的敏感性参数，为保护油气层提供依据。     

大型地下洞室群施工期围岩力学参数实时动态反演

综合考虑大型地下洞室群施工现场的开挖进度信息、支护进度信息及新出露的地质信息,建立能够实时更新且反映工程实际进度的三维全尺度数值仿真模型,结合均匀设计和人工神经网络技术,基于C#.NET+Python混合编程技术对通用数值软件ABAQUS进行二次开发,提出大型地下洞室群施工期围岩力学参数实时动态反演分析方法。以黄登水电站为例,对其地下洞室群施工期围岩力学参数进行实时反演。结果表明:各施工分期测点计算位移与实测位移随施工期的曲线变化规律一致,实测值与计算值吻合度较高,第五期的平均误差仅为5.5%,得到较好的反演结果,验证了此法的合理性和可操作性。     

浅埋隧道岩土体参数正交反演及衬砌工作状态评价

基于现场监控量测数据、正交设计理论、有限元理论和钢筋混凝土结构相关理论,提出合理评价隧道衬砌工作状态的新思路。即以拱项下沉和洞周收敛监测数据为依据,选取典型围岩物理力学参数,设计正交试验方案,采用有限元正交反演分析,得到岩土体计算参数;在此基础上通过有限元正分析,计算隧道衬砌内力,综合确定最危险截面;再根据钢筋混凝土结构理论计算衬砌的设计内力,提出采用衬砌结构安全度来评价隧道衬砌的安全状态,并将其工作状态分为安全、极限和危险3个状态。最后,以马鞍山隧道工程为例,对其衬砌结构的工作状态进行评价,得到其安全度为1.124,基本处于安全可靠状态,可为相关隧道的设计和施工提供借鉴和参考。