基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.     

基于异步粒子群优化算法的边坡工程岩体力学参数反演

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.     

基于DEPSO混合智能算法的岩土体应力-渗流-损伤耦合模型多参数反演研究

随着复杂岩土工程问题研究的深入,开展关于岩土体应力-渗流-损伤多参数反演问题的研究具有显著意义.引入差异进化算法(Differential Evolution Algorithm,DE)—粒子群算法(Particle Swarm Optimization,PSO)混合智能算法DEPSO到岩土工程应力-渗流-损伤耦合问题参数反演研究之中,该混合智能算法可以保证两个种群的相互协调开发能力和探索能力之间的平衡,维持整个种群的多样性,降低陷入局部最优或早熟停滞的风险.通过两个经典测试函数,针对DEPSO、PSO以及DE这3种算法的收敛性、鲁棒性进行对比分析,并讨论在DEPSO算法中DE控制参数、差异策略的控制作用.将岩体应力-渗流-损伤耦合模型与DEPSO混合智能算法结合起来,建立耦合模型多参数反演方法,并采用C++编制程序,构建基于DEPSO混合算法的耦合多参数反分析平台.依据应力-渗流-损伤耦合正分析计算的结果作为"假想实测值",进行多参数反演分析,以及方法和程序的验证.研究结果表明:所建立的基于DEPSO混合算法的耦合多参数反分析方法,可以同时反演多个力学参数和渗透参数,能够较好地解决岩土工程多参数反演问题,在计算效率方面高于单一智能算法,具有较好的反演精度和鲁棒性,是一种新颖和高效的反分析方法,可以更好地为复杂环境岩土工程动态施工提供帮助和依据.     

坝基岩体力学参数的PSO-ABAQUS联合反演

为解决常规试验和工程类比法确定坝基岩体力学参数与实际情况不符的问题,提出基于粒子群优化算法(PSO)和ABAQUS的坝基岩体力学参数联合反演算法,给出该联合反演算法的具体实施流程并编制相应的FORTRAN计算程序,构建了坝基岩体力学参数的数学反演模型,实现了基于施工和运行期实测变形资料的坝基岩体力学参数PSO-ABAQUS联合反演。算例分析表明,PSO-ABAQUS联合反演法简便易行、反演效率较高,是一种用于合理确定坝基岩体力学参数的通用方法。     

岩体力学参数反演的代理蜜獾优化方法

针对复杂地下工程岩体力学参数反演时因大量调用数值计算模型导致计算耗时大的问题,提出一种新的仿生优化代理反演方法,即蜜獾优化算法-高斯过程回归-三维快速拉格朗日数值计算(honey badger algorithm-Gaussian process regression-FLAC^3D,HBA-GPR-FLAC^3D)方法。该方法将围岩的实测位移与数值计算结果间的误差作为目标函数,将岩体力学参数作为优化变量,利用全局寻优性能优异的HBA搜索目标函数全局极小值,并采用牛顿优化算法进行当前最优算子邻域的局部寻优,局部寻优中采用GPR代理模型而非基于FLAC^3D计算所构建的目标函数作为算子适应度评价工具。研究表明,与基于单纯仿生优化算法的反演方法相比,在达到相同计算精度条件下,所提出方法的数值模型调用次数显著降低,适用于单次数值计算较为耗时的复杂地下工程岩体力学参数快速识别。     

基于混合遗传算法的混凝土大坝力学参数反演

将混凝土大坝和岩石基础的力学参数识别反问题作为优化问题处理,然后采用混合遗传算法求解可准确地确定岩体的力学参数。基于观测的混凝土大坝坝顶水平位移,建立了识别混凝土大坝和岩石基础力学参数的数值方法。为解决简单遗传算法的早熟问题,将遗传算法与模拟退火算法相结合,提出了基于混合遗传算法的混凝土大坝力学参数反演方法。丰满混凝土大坝实际工程应用表明,根据参数反演结果预报大坝在不同水位条件下的水平位移具有较高的精度。     

柱状节理岩体渗流应力耦合作用特性研究

应用3DEC离散单元法模拟柱状节理岩体应力渗流耦合.分析柱状节理岩体模型耦合算法与非耦合算法计算结果的差异及耦合算法下柱状节理孔应力与流量的变化.采用耦合算法所得最大应力与位移均大于非耦合算法,在耦合算法下,裂隙渗流产生的渗流力改变了应力场的分布,而应力场的变化使得裂隙岩体的渗透系数发生变化,从而导致岩体渗流场的重新分布.计算结果表明孔应力以及流量的变化是一个相互影响的动态过程.研究成果证明了所用方法的合理性,对柱状节理岩体渗流应力耦合作用特性做出了初步的研究与分析.     

粒子群算法在时效变形参数反演中的应用

以往的现场刚性承压板压缩蠕变试验中部假设岩体变形为黏弹性变形,然后推求岩体的蠕变变形公式,并结合最小二乘法反演获得蠕变参数,这种方法由于进行了黏弹性变形的假设从而无法考虑岩体的黏塑性变形,为此,采用粒子群智能算法的数值反演方法进行研究,并且提出将流变模型中控制瞬时变形和时效变形的2种参数分开反演的二次粒子群算法.研究结果表明:采用这种方法可以有效地减小反演的难度,提高了反演精度;将此方法应用于现场压缩蠕变试验的参数反演,拟合时效变形参数曲线与试验曲线较吻合,从而可获得相应的流变参数.     

非线性规划理论在裂隙岩体渗流反馈分析中的应用研究

利用实测渗流场资料反求岩体渗流参数是岩体渗流研究的一个方向,但目前在裂隙岩体渗流参数反馈问题方面进展不大,本文把非线性规划理论引入裂隙岩体渗流反馈分析计算中来,通过理论分析和实验验证,寻求到一种有效的适合裂隙岩体渗流运动特点的反馈分析方法,并获得了应用渗流反馈方法的几点指导性的结论。     

路面结构模量反演的蚁群算法研究

路面结构模量反算是一个复杂的非线性优化问题.通过对待反算参数进行离散,将路面结构参数反算问题转化为组合优化问题,建立了基于蚁群算法的路面结构参数智能反演模型.通过理论和实测弯沉盆的反算及分析,获得了满意的反算结果.研究表明,采用蚁群算法进行路面结构层模量反演,有效地解决了常规最优化算法的初始值和局部收敛的问题,不需多次调用正分析程序,提高了计算效率,是一种精度好、速度快、结果稳定且全局收敛的模量反算方法.