带有弹性边界支撑梁的多宗量反问题数值求解

利用有限元方法,建立了求解带有弹性边界支撑梁的多宗量反问题的数值模型,可对弹性支撑与本构参数进行单一/组合反演.由正演模型可方便地进行位移对支撑及本构参数的敏度分析,反问题采用Levenberg-Marquardt算法进行求解.数值验证结果表明,所提出的模型与方法考虑了噪声和测点位置的影响,是正确可行的.     

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。     

基于人工神经网络的岩土工程力学参数反分析

基于人工神经网络方法,建立了非线性力学反分析模型。用位移反求岩土工程计算中的邓肯参数,并以实例进行计算分析,结果表明此法适用于解决这类复杂非线性问题,稳定性好,有良好的适用性。     

岩土工程中弹塑性反演计算边界元法及其应用

将弹塑性理论的位移反分析边界元方法用于岩土工程施工监控设计的反演计算中,并由所岩体周围的位移计算出初始地应力及岩体弹性摸量.除给出岩土工程中的弹塑性边界元反分析方法以外,还导出了应变空间中表述的弹塑性本构方程,提出了求解非线性方程的近似中点刚度法,它能加速收敛.文中的算例表明提出的计算方法和程序是可行的.     

地下洞室围岩弹塑性仿真反演分析方法

地下洞室围岩弹塑性反演分析方法是长期以来反分析理论研究的一个难题。文中详细分析了实施弹塑性反分析所存在的3个难点,并针对这3个问题,假定围岩是理想弹塑性介质,通过参数对位移的灵敏度分析,现场实测将弹塑性位移进行分离,从而探索围岩弹塑性反分析的新途径;之后阐述了本文采用的仿真反分析的概念、实施思路及流程;最后说明了该方法的应用与检验思路,结合工程实例证明该方法的可靠性。     

基于LS-SVM的深基坑工程位移反分析

由于传统的位移反分析方法计算复杂,精度不高,不易迅速掌握等,则基于最小二乘支持向量机的反分析技术孕育而生。将探索该方法在深基坑工程位移反分析中的应用。首先结合相关规范和地区经验,通过正交设计方法获得多组参数组合,用来做数值模型的参数输入。再通过有限差分软件FLAC3D进行数值分析获得各组参数对应的位移信息,从中提取支持向量机的训练样本和测试样本,获得支持向量机模型。最后再以实际监测位移值带入模型获得反演计算的土层参数,并且通过数值模拟进行验证,取得了很好的效果。获得了与实际非常相似的数值模型。反演和验证结果反映了最小二乘支持向量机在基坑工程参数反演分析中的应用是可行的和可靠的。     

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。     

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.     

大跨径水工隧洞围岩力学参数反演分析

为了验证位移反分析法在隧道施工过程中实际应用的可行性,以大田平原排涝隧洞为研究对象,选取隧洞围岩的弹性模量E和黏聚力c为反演参数,采用黄金分割法对所选断面围岩进行位移反分析的优化迭代计算,并以此得到的反演参数组合代入FLAC3D数值模拟软件中,计算该断面的围岩沉降变形,将结果与实际监测拱顶沉降数据进行对比.结果表明,此类反分析方法反演得到的围岩力学参数可靠,可以获得比较符合地质条件和工程应用的参数,反演结果可以预测后续施工的位移,并可以通过控制设计开挖量,减少喷射混凝土用量,节约工程成本.     

粘弹性位移反分析的边界元法

在有关地下巷道围岩的力学参数及初始地应力的反演问题中,线性逆过程法是求解这一问题的途径之一。本文根据逆过程法的基本原理,导出了以边界元法为基础的粘弹性位移反分析公式,并将其与以有限元法为基础的基本公式作了比较。文末的算例说明了二者之问的差别及各自的适用范围及实用性。     

位移反分析方法在某路堑边坡中的应用

位移反分析方法是用逆向思维来解决实际工程问题的一种方法．它是利用通过现场监测得到的岩土体位移量来反推出岩土体的物理、力学参数的一种有效的方法．文中将其应用于分析确定某路堑边坡岩土体的参数,并将所得结果用来评价工程体的稳定性,获得了与实际工程情况吻合的结果。     

结构施工时变内力分析

将使用阶段的结构作为受力分析对象是目前结构设计的常规做法,其结果是结构的最终内力、变位等与施工过程无关,这不符合工程实际情况,而现行的结构工程施工内力有限元法并没有提供相应的公式能解决这个问题.利用施工过程时变有限元分析方法对结构施工内力进行几何非线性分析,使计算结果更符合结构施工的实际情况,全过程跟踪分析结构在施工各阶段以及施工完毕时的变量,指出结构工程设计考虑施工过程时变效应影响的重要性.     

软土基坑分步开挖时地层移动规律探讨

通过对软土基坑现场位移监测资料的比较分析 ,提出了三元件线性粘弹性土体本构模型及其模型参数的反分析方法 .在此基础上 ,建立了可考虑土体流变性态的二维施工模拟有限元模型 .同时依据所提出的计算模型 ,详细探讨了不同的分步开挖工况条件下坑底和坑周地层移动的规律 .其结论可为施工技术及坑周环境保护提供指导性依据和对策 .图 3,参5     

基于并行改进遗传算法的拱坝位移反分析

引入小生境技术和自适应杂交变异概率方法,基于并行有限元程序,给出了适合推求拱坝和地质力学参数的位移反分析并行遗传算法,并编制了相应的程序,利用地质力学模型试验数据,对溪洛渡拱坝进行了位移反分析,得到了和试验相一致的坝体混凝土和地基岩体的力学参数。结果表明,该算法可以有效解决简单遗传算法的早熟收敛问题,收敛效率得到明显提高。当采用16个CPU进行并行计算时,可以达到42%的计算效率,表明该算法适用于拱坝这样复杂的三维结构的位移反分析,可以大大减少拱坝位移反分析的时间。     

考虑误差影响的力学参数反分析神经网络方法研究

通过求偏导技术将反分析的参数误差分别表示为模型误差与测量误差的函数，利用这些函数研究了模型误差与测量误差在力学参数反分析神经网络方法中的传递过程以及影响反分析结果的影响因素．研究结果说明：输入变量的选择严重影响力学参数反分析的精度，选取力学参数灵敏度大的测点位移作为神经网络的输入变量，可以减小模型误差与测量误差对反分析结果的影响．这对提高力学参数反分析的实用性与可信性有重要意义．     

淮南矿区深部岩巷典型围岩参数反分析研究!

基于典型巷道的表面收敛位移,通过进化神经网络方法进行了淮南矿区典型围岩类型的物性参数反分析研究.采用反分析得到的参数,通过数值正分析得到了和实测基本吻合的深部位移结果.表明通过反分析研究,基本得到了反映典型围岩类型的物性参数.     

基于神经网络的随机动态系统的优化新方法

基于神经网络方法研究了一类随机动态系统的建模和最优化问题。首先将采样样本和相关的时间区域段上的平均值样本,用来训练一个多层反传网络,以得到该随机过程的神经网络模型;然后,基于一给定的随机目标函数,该网络模型用来寻优以获得系统操作变量的最优均值设定值。这一网络建模和优化方法用于解决一尿素合成塔的优化问题。仿真结果表明了这一方法的有效性。     

一种基于VG模型的非饱和土渗流参数反演方法

针对非饱和土渗流分析中土水特征曲线和渗透性函数难以获取的问题,本文提出一种基于van Genuchten（VG）模型的非饱和土渗流参数反演方法,非饱和渗流控制方程采用Richards方程,通过计算数值模拟值与实测各观测点不同时刻孔隙水压力或重量（体积）含水量之误差平方和,寻求最优VG模型参数组合使得误差平方和最小.编制了二维非饱和渗流参数反演程序（BAKSEEP）,并通过算例展示了该程序良好的适用性和稳定性.