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。     

基于神经网络与有限元法相结合的初始地应力场反演分析

目前,对于初始地应力场的测试主要采用现场直接量测法,而采用神经网络与有限元法相结合的反演分析法越来越成为了一种有效途径.结合广东第五抽水蓄能电站工程实例,利用神经网络与有限元分析相结合的方法,以及BP神经网络结构和ADINA三维有限元模型建立岩体参数、边界条件与地应力场的映射关系来反演初始地应力场.模拟计算与实测结果的对比表明:采用该方法进行初始地应力场的反演计算是可行的,计算结果是合理的,对类似工程具有一定参考价值.     

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。     

考虑蠕变效应的软岩特大断面隧道围岩抗力系数计算

根据软岩具有蠕变时效的特点,考虑岩体应力-应变全过程曲线,基于鲍格斯(Burgers)蠕变力学模型,推导出了考虑蠕变效应及初始地应力的隧道抗力系数计算公式。以沪昆高速铁路特大断面软岩隧道——明山隧道为工程依托,通过现场水压致裂试验获取隧道初始地应力以及室内岩石试验,获取围岩物理力学参数,代入该公式得到了明山隧道的围岩抗力系数。研究结果表明:该公式能够可靠的运用于具有蠕变效应的软岩隧道衬砌支护设计计算中;当围岩出现塑性流动变形时,围岩仍具有与衬砌共同承载的能力,这一研究结果对隧道衬砌设计具有十分重要的实际指导意义。     

初始应力场与岩体参数进化反演

初始应力场和岩体参数是边坡、地下硐室或地基岩体稳定性的影响因素之一,也是工程设计中需要的基本指标之一,尤其在大型水电工程中显得尤为重要.本文采用改进后的遗传算法应用于大型水电工程初始地应力场和围岩参数的反演,证明具有较好的效果.     

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．     

基于IAGA-BP算法的高拱坝-坝基力学参数反演分析

基于监测资料对坝体和坝基的力学参数进行反演,对大坝的安全评价具有重要意义。该文提出了基于改进自适应遗传算法和BP神经网络(IAGA-BP)的力学参数反演分析方法,采用考虑权重的绝对百分误差作为目标函数,可以针对多点监测资料和非线性数值仿真进行力学参数反演。基于正常蓄水位下拱坝坝体、坝基及拱肩槽边坡等25个测点的实测变形,对坝体混凝土、基础岩体及结构面的多个材料分区的11个关键力学参数进行了反演分析。结果表明,反演值和实测值吻合较好,将材料参数作为输入层、测点变形作为输出层有效避免了反演值的“失真”问题。针对高拱坝-坝基系统的力学参数反演,分析了神经网络拓扑结构、目标函数、训练样本数量等对反演结果的影响。     

粘弹性动态增量反演分析在隧道施工中的应用

对深圳莲盐高速公路隧道围岩中的凝灰熔岩进行了流变试验,得到了围岩的流变模型;结合隧道的施工过程,根据围岩的收敛变形和拱顶下沉,采用改进的自适应遗传算法对粘弹性位移进行优化反分析,并利用反演得到的围岩参数,如弹性模量、粘滞系数等对变形进行预测.研究表明,利用试验得到的围岩流变模型,结合隧道施工过程的动态增量反演分析,可以较好地模拟围岩的实际性态,对指导施工具有重要意义.     

三峡永久船闸高边坡开挖变形智能预测

将人工神经网络与遗传算法相结合,提出了一种用于预测边坡变形智能化的方法－进化神经网络方法,它应用遗传算法搜索最优的神经网络模型来描述岩体参数与岩体变形之间的非线性关系,进而在全局范围内进行岩体力学参数的最优辨识,并以此参数Ｅ计算边坡变形,将其应用长江三峡工程高边坡的开挖变形预测,取的较好的效果。