大型地下工程围岩力学参数反分析方法研究

基于实时位移监测数据的大型地下工程围岩力学参数反分析理论是实现工程动态反馈优化设计的基本手段。将小波理论与传统BP神经网络结合形成小波神经网络,提高了映射系统的非线性泛化能力;利用均匀设计方法确定围岩待反演物理力学参数组合,并通过有限元正分析计算围岩在相应参数下的理论变形位移,形成网络训练样本集;将小波神经网络作为反分析的人工智能学习算法,映射围岩变形理论位移和力学参数之间的非线性关系;将现场监测位移输入到训练好的网络,计算围岩力学参数的反演值。工程实例验证表明,与传统理论相比,该理论可大大提升反分析的效率和准确性。     

基于均匀设计及神经网络的堆石材料参数反分析

鉴于堆石坝材料参数反演分析问题的复杂性,在BP神经网络反分析的基础上,利用均匀设计理论构造参数样本,结合有限元分析,对水布垭面板堆石坝主、次堆石料的邓肯E-B模型参数进行反演分析。为了验证反演结果的可靠性,再利用反演分析结果,重新进行有限元计算,将计算得到的坝体沉降位移值与实际监测值相比较,结果显示,有限元计算位移值符合大坝变形的基本情况,反分析结果满足精度要求。说明利用均匀设计结合BP神经网络的反分析方法,可以减少堆石坝材料参数反演分析中网络学习的样本数量,提高反分析效率及准确性。     

地铁站深基坑土体力学参数反演分析

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地铁站深基坑支护体系位移信息,在总结分析基坑变形受力特征的基础上,找出对地铁站深基坑变形起主要作用的因素,确定待反演土体力学参数,然后建立BP神经网络理论反演的参数同支护结构位移间潜在的映射关系。实例计算结果表明,利用BP神经网络的仿真预测功能实现地铁站深基坑土体力学参数反分析是较为准确可行的。     

基于GA-ANN算法的层状路基土参数预测模型

将BP神经网络和遗传算法两种智能方法结合起来,建立起自适应遗传算法-BP神经网络系统。利用土工试验得到的不同土层物理力学参数汇总整理形成的试验数据作为样本值,对路基土层物理力学参数进行了预测,将预测结果和单独使用BP神经网络时的预测结果进行了对比分析。结果表明:当样本数据离散性小时,这两种预测方法均能取得理想的预测效果,自适应遗传算法-BP神经网络系统还具有有效防止"过训练"和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,网络系统的预测优势能更好地体现出来。更多还原     

基于 GA -ANN 算法的层状路基土参数预测模型

将BP神经网络和遗传算法两种智能方法结合起来,建立起自适应遗传算法-BP神经网络系统。利用土工试验得到的不同土层物理力学参数汇总整理形成的试验数据作为样本值,对路基土层物理力学参数进行了预测,将预测结果和单独使用BP神经网络时的预测结果进行了对比分析。结果表明：当样本数据离散性小时,这两种预测方法均能取得理想的预测效果,自适应遗传算法-BP神经网络系统还具有有效防止“过训练”和提高网络自身的泛化能力;当样本规模大,且样本数据具有一定的离散性时,网络系统的预测优势能更好地体现出来。     

基于粒子群优化BP神经网络的隧道围岩位移反演分析

针对无锡惠山隧道岩体破碎、围岩稳定性差等特点,基于长期现场监测变形位移数据,借助粒子群算法的参数优化功能,利用Matlab神经网络工具箱编制了优化PSO—BP隧道位移反分析系统。PSO—BP系统利用正交试验设计和有限元方法获得学习样本,再通过粒子群算法搜索最优的神经网络模型参数。用BP神经网络模型建立待反参数与实测位移之间的非线性映射关系,最后用粒子群算法从全局空间上搜索最优反演参数。克服了普通智能优化算法收敛速度慢、正分析计算量大等缺陷,具有全局优化特性。将模型应用于惠山隧道Ⅳ级围岩断面ZK6+485的反分析中,计算结果与实测值对比表明采用PSO—BP预测模型进行隧道位移预测是可行的。     

基于BP神经网络和遗传算法的软基参数反演与沉降预测

以九江绕城高速公路桩网复合地基加固软基试验段为工程背景,利用智能反演方法、正交试验设计和有限元数值方法相结合,对软基土体参数进行反演和工后沉降预测。研究结果表明,采用有限元和正交试验设计方法相结合,可以为BP神经网络和遗传算法参数反演模型提供大量的训练样本,能够确保参数反演精度;工程应用证明,BP神经网络和遗传算法与ADINA有限元程序相结合对软基工后沉降进行计算和预测是可行的,BP神经网络反演方法计算的软基沉降最大误差为5.26%,遗传算法计算的软基沉降最大误差为3.1%,因此,遗传算法在桩网复合地基软基沉降预测中具有更高的预测精度。     

高寒地区碾压混凝土坝运行期力学参数反演分析

为准确获得高寒地区碾压混凝土坝真实状态下的力学参数,将碾压混凝土作为横观各向同性材料进行参数反演分析。首先采用均匀设计构造力学参数样本,然后基于有限元法计算不同工况下的顺河向位移,将有限元分析得到的水压分量相对值及相应的力学参数作为神经网络的训练样本,建立水压分量相对值与相应的力学参数非线性映射关系。基于大坝实测位移,考虑坝顶冻胀变形的影响,通过建立坝体及坝基多测点变形统计模型分离出水压分量相对值,将其作为反演模型的输入值,得到坝体及坝基的力学参数。通过实例分析表明,该方法反演得到的坝体及坝基力学参数是可行的,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

BP神经网络在卸荷岩体强度参数反演中的应用

金川水电站泄洪洞进口自然边坡高陡,岩层发生明显倾倒变形,岩体质量差,对边坡的稳定不利,采用BP神经网络方法对其强度参数进行反演分析。根据边坡的重要性和规范确定边坡的最低安全系数,由边坡目前的变形情况确定反演工况和滑带。利用极限平衡法组织神经网络训练样本,将安全系数作为网络输入,黏聚力和内摩擦角作为网络的输出,并将其代入极限平衡和有限元强度折减模型进行检验,结果表明:BP神经网络与极限平衡法计算的安全系数的误差在1%以内,有限元强度折减法计算边坡浅层变形体的平均抗剪强度参数和安全系数,也与BP神经网络计算得到的结果相符,说明BP神经网络进行参数反演是可靠的。     

基于混沌遗传算法的碾压混凝土坝力学参数反分析

坝体物理力学参数是衡量坝体质量的一项重要指标,如何获取碾压混凝土坝当前实际的物理力学参数是分析和评价大坝安全性态的前提和关键。根据碾压混凝土坝施工过程、压实机理和层面特性等,将碾压混凝土坝力学参数识别反问题作为优化问题处理,系统地研究并建立了碾压混凝土坝变形力学参数反分析理论和方法。为克服传统遗传算法的早熟缺点,在处理优化问题时引入混沌遗传算法,并应用混沌遗传算法对某碾压混凝土坝的横观各向同性变形参数和渐变参数进行了反演。最后将横观各向同性模型与参数渐变模型计算值和实测值进行对比分析,验证了反分析理论和方法的正确性,同时也说明了参数渐变模型的合理性和正确性。     

不确定性地基水荷载的智能识别初探

实际地基水荷载存在不确定性,地基水荷载作用方式不同,引起的效应量差异较大,如果人为地将地基水荷载作为面荷载或作为稳定渗流体荷载进行数值计算,参与优化反分析,反演获得的参数值得商榷.将监测点相对位移作为输入,坝体混凝土、岩基材料参数和坝基面一定深度测点水头作为输出,建立了不确定性地基水荷载识别神经网络模型,采用均匀设计原理进行材料参数组合,采用饱和地基非稳定渗流分析获得不同渗流体荷载分布,获得样本进行学习,以此训练好的网络模型描述大坝混凝土、岩基材料参数及地基水荷载和坝体变形的非线性关系.将大坝实测位移分离出的水压分量输入训练好的网络模型,可自动识别出大坝混凝土和岩基的材料参数以及地基水荷载.算例分析表明,本文建立的不确定性地基水荷载识别神经网络模型是可行的.     

面板堆石坝瞬时变形和流变变形参数的联合反演

堆石坝变形包括瞬时弹塑性变形及时间相关的流变变形,从实际的监测变形中精确区分这两种变形有一定技术难度。本文将瞬时及流变变形参数的反演问题转化为一个组合优化问题,采用智能优化算法寻找最佳的堆石变形参数。研究中,首先拟定了多种变形参数样本,采用有限元法计算坝体变形;然后采用径向基神经网络训练上述样本,建立堆石变形参数与坝体变形之间的映射关系;最后根据坝体实际变形测量值,采用多种群遗传算法优化得到坝体瞬时及流变变形参数。采用径向基神经网络替代有限元可节省计算时间,提高计算效率;而多种群遗传优化算法可避免传统遗传算法早熟问题。用反演参数再次计算得到的水布垭坝体沉降与实测值吻合较好。     

不确定性大坝地基几何尺寸智能识别初探

大坝地基实际几何尺寸存在不确定性,将监测点相对位移作为输入,坝体混凝土、岩基材料参数和地基几何尺寸作为输出,建立了不确定性地基几何尺寸识别神经网络模型。该模型采用均匀设计原理进行材料参数组合,根据不同地基几何尺寸建立的大坝-地基有限元模型的稳定渗流体荷载分布,获得样本进行学习,以此训练好的网络来描述大坝混凝土、岩基材料参数及地基几何尺寸和坝体变形的非线性关系。将大坝实测位移分离出的水压分量输入训练好的网络,可自动识别出大坝混凝土和岩基的材料参数以及地基几何尺寸。算例分析表明,建立的不确定性大坝地基几何尺寸识别神经网络模型是可行的。     

考虑松动圈的地下洞室群施工期岩体参数反演

结合大岗山水电站地下厂房洞室群施工期分层开挖特点,提出考虑松动圈参数弱化效应的反演基本模型。引入GA-BP算法,基于正交试验设计与FLAC^3D差分程序获得神经网络学习样本及测试样本,建立起围岩力学参数与位移之间的高度非线性映射关系。根据现场实测位移和网络映射位移,建立目标函数,采用遗传算法在岩体参数经验取值范围内,搜索使目标函数取得最优解的参数组合,以获取反演的最优岩体参数。最后利用获取的岩体参数进行正演分析并进行位移的后验差法检验,结论表明了该方法的适用性,其可用于反馈并指导地下工程设计与施工。     

公伯峡混凝土面板堆石坝位移反演分析

采用基于综合应用人工神经网络和演化算法的位移反演分析方法，对在建的公伯峡面板堆石坝坝体沉降变形的现场观测结果进行了反演分析，并通过与坝料室内试验和现场载荷试验结果对比，讨论分析了4种主要坝料在现场条件下的变形特性、分析结果表明，公伯峡面板堆石坝坝料现场的填筑质量较好，主要坝料的变形模量均大于相应由试验室试验得到的模量值．3BⅡ砂砾石料在现场碾压条件下可获得较高的变形模量值，是一种优良的筑坝材料．     

基于ACC-RBF的水布垭面板堆石坝参数反演分析

蚁群聚类径向基函数(ACC-RBF)神经网络是将蚁群聚类算法和径向基函数神经网络组合运用的一种新型神经网络模型,把该网络用于水布垭高面板坝堆石体的多参数反演问题,在室内试验参数的基础上用有限元计算获得学习样本,采用该网络对坝体堆石料的邓肯E-B模型参数进行反演分析,用反演所得参数结合三维非线性有限元计算坝体应力变形,并与实测资料比较,得出很接近的结论.     

基于果蝇-BP神经网络算法的大坝力学参数反演

采用果蝇算法与BP神经网络方法结合进行混凝土重力坝弹性模量反演分析,使得反分析出的坝体和坝基弹性模量更精确、效率更高。分析表明:果蝇-BP神经网络算法的精度优于纯粹的BP神经网络算法,对坝体和坝基的材料参数进行反演分析可以更准确、更全面地了解坝体和坝基材料情况,可为工程的设计和施工提供一定的参考信息。     

RCC坝力学参数反演不唯一性概率统计分析方法探讨

由于室内试验确定的混凝土坝力学参数与实际参数存在较大差异,目前混凝土坝工程上常基于实测变形采用优化算法或仿生算法反演获得混凝土坝力学参数,然而多参数反演不唯一性问题尚未解决。针对反分析不唯一性问题,考虑到大坝混凝土弹性模量和强度之间密切相关,基于大坝混凝土强度标准值的定义方法,建议基于实测变形进行多次力学参数反演,然后对反演结果进行概率统计分析获得概率分布函数,依据80%保证率确定反演参数。结合高寒地区某碾压混凝土(RCC)坝实测变形,验证了本文提出的反演参数不唯一性概率统计分析方法。分析表明该方法可以获得相对稳定的坝体及坝基力学参数反演值,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

基于大坝地震响应的参数反演方法研究

确定合理的参数是对基于大坝的地震响应进行正确分析的前提,利用反分析理论,探讨了大坝的力学参数确定方法。建立了地震荷载响应下的位移统计模型,推导出改进的目标函数形式,并结合遗传算法,以某大坝为例建立有限元模型,编制计算程序,对系统的力学参数进行优化反演,求出待定参数,进行对比验证。结果表明,反演所得参数准确,说明该方法合理可行,对分析大坝性态有重要参考价值。