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。     

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.     

基于Hoek-Brown强度准则的隧道围岩参数智能反分析

岩体力学参数的合理确定是隧道工程中一项基础性工作,也是隧道施工过程中存在的一个重要问题,直接关系到分析结果的正确性和可靠性,反分析作为一种可以较好地确定岩体力学参数的方法,在岩土工程领域得到广泛应用.本文基于Hoek-Brown强度准则,首先利用敏感性分析理论对Hoek-Brown准则中4个参数进行了敏感性分析,然后编制遗传-粒子群反分析程序进行隧道围岩物性参数的反分析.基于反演分析得到的围岩力学参数,对下一步施工产生的影响进行预测,取得了良好效果,验证了所提方法准确、可靠,具有一定的适用性.     

散体围岩力学参数位移反演优化

针对散体围岩非连续性、松散的特性以及难以获得可信度高的力学参数的问题,基于Hoek-Brown强度准则和位移反演理论,提出一种新的岩体力学参数确定方法。采用Hoek-Brown强度准则估算散体围岩强度参数(黏聚力c、内摩擦角φ和抗拉强度στ)和变形参数(弹性模量EH),将估算出的强度作为位移反演分析过程中的已知参数,基于数值计算方法,对变形参数(弹性模量反算值EB和泊松比μ)进行反演优化。将弹性模量估算值EH和弹性模量反算值EB对比分析,进而修正估算的输入参数,从而得到接近实际的岩体力学参数。研究结果表明:EH与EB相差仅为0.01 MPa,相对误差为1.75%,小于5.00%,即参数合理有效;将新方法确定的力学参数应用于数值模型进行反演正算,得到ZK34+232断面拱顶下沉值和水平收敛值的相对误差分别为1.3%和3.4%,符合检验标准,满足工程实践,说明新方法是可行的,可以用于隧道工程设计和施工。     

基于声波信息预测岩体力学参数的研究

基于Hoek-Brown强度准则中运用地质强度指标GSI求取岩体力学参数的方法。通过改进构建起钻孔声波测试所得岩体纵波波速vmp,岩石单轴饱和抗压强度σc与GSI值之间的函数关系,并应用于Hoek-Brown强度准则预测了沙坨水电站大坝坝基岩体力学参数,结果显示预测值与实验测试值之间基本吻合。该方法为资料不足情况下探知岩体力学参数提供了一种参考方式。     

基于改进人工鱼群算法的碾压混凝土坝粘弹性参数反演

为合理模拟碾压混凝土坝自身流变特点,择取适当模型作为坝体和坝基材料持载变形下本构关系,建立有限元方程,使大坝变形与其物理力学参数的隐性对应关系明确化.在实测大坝位移变形资料的基础上,运用统计模型提取各所需位移分量,建立优化反演目标函数,采用相对于基本人工鱼群算法(AFSA)全局优化能力更加高效精准地改进人工鱼群算法(IAFSA)对碾压混凝土坝粘弹性力学参数进行搜索反演,并对二者的寻优结果做出对比分析,IAFSA算法的优越性得到证实.反演求解计算过程通过对改进人工鱼群算法的程序化语言设计结合ANSYS有限元计算命令的调用来实现.文末工程实例计算数据成果证明,本文反演方法可应用于坝工结构反分析领域.     

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.     

考虑渗流场作用的重力坝坝基物理力学参数有限元智能反演分析

针对因不考虑渗流场影响导致对软岩地基上混凝土坝的反演结果出现与工程实际情况不符的问题,本文在有限元计算时考虑坝基渗流场作用,比较不同坝基弹性模量下渗流场对重力坝位移的影响情况;探讨基于灰狼算法的某重力坝坝基弹性模量有限元反演方法的可行性,在重力坝坝基力学参数反演分析中考虑渗流场作用,研究渗流场对反演结果的影响,为科学合理地评价软基上重力坝的安全性提供真实依据.研究结果表明：当坝基为软岩时考虑渗流场作用的反演结果更符合工程实际情况.针对本文的重力坝工程,当其坝基的弹性模量处于3～6 GPa时,建议考虑渗流场的作用;当坝基的弹性模量小于3 GPa时,应考虑渗流场对坝基造成的影响.     

基于萤火虫-支持向量机方法的地下厂房围岩力学参数反分析研究

将萤火虫算法应用于最小二乘支持向量机的核函数及其参数的优化,建立了萤火虫算法-最小二乘支持向量机反分析模型.结合溧阳抽水蓄能电站基本地质条件和监测数据,建立地下厂房块体离散元数值模型,反演获得围岩力学参数.研究结果表明:两个侧压力系数反演值分别为0.493、0.633,三类岩体弹性模量分别为11.82、5.48、2.33 GPa;将反演结果代入数值模型,最终得到的多点位移值与现场监测的位移值的最大误差为11.11%,满足精度要求;利用反演参数进行正演分析,基于地下洞室群开挖过程中的变形协同、应力分布、塑性区探讨了洞室群围岩稳定性.研究成果可为地下洞室稳定性控制提供参考.     

泥岩条件下水工隧洞岩石参数反演计算数值分析

岩石力学参数的确定是岩土工程数值计算中的关键问题,岩体参数的准确性,对数值计算的结果会造成很大的影响.而实验室内对岩体参数的测定均存在尺度效应问题,且现场取样的数量往往不多,因而很难得到工程区域的岩体真实参数.采用反演分析的方法可以综合考虑诸多因素的影响,更加准确地得到岩体的参数.正反分析法是先假定待反演的参数,通过正演分析得到岩体结构的位移或应力等,然后将其与实测值相比较,并按一定方式修改调整待反演参数,逐步逼近实测值,从而确定待反演的岩体参数.结合国外泥岩水工隧洞工程实例,利用实际监测数据对现场岩体参数进行反演计算,最后,通过分析比较,获得比较符合实际的岩体参数,为隧洞初期支护参数的合理确定奠定基础.     

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。     

基于人工蜂群算法的船闸高边坡岩体力学参数反分析

人工蜂群算法(ABCA)是一种模仿自然界中蜜蜂群采集蜂蜜的自组织过程,达到寻找复杂映射极值的智能算法.采用人工蜂群算法,对长江上游某船闸施工过程中,岩体开挖产生的高边坡进行岩体力学参数反分析.旨在通过反分析的手段得到的一组更加符合工程实际的岩体力学参数.将反分析得到的这些参数用于该船闸高边坡的开挖正算,并通过实际测点位移监测值和位移计算值的比较,评价反分析得到的这组参数的优劣性.     

阿海重力坝倾斜层状地基力学参数敏感性分析

基于大型通用商业软件ADINA,研究了倾斜层状岩体地基的有限元模型,并以云南阿海水电站混凝土重力坝为背景,通过调整地基垂直层面和平行层面的力学参数,进行敏感性分析.研究结果表明,复杂层状地基的力学参数变化对坝体应力和变形有明显影响,随着坝基岩体垂直和平行层面变形模量的改变,坝体应力和变形相应改变.     

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。