岩土工程反分析的初步探讨

介绍了岩土工程反分析的定义、特点及本质，重点讨论了位移反分析的概念、分类、发展现状，指出了反分析存在的一些问题及未来的主要发展方向。     

岩土工程位移反分析的智能反演综述

在分析岩土力学位移反分析研究现状的基础上，着重介绍了位移反分析智能反演方法的原理、特点及近年来在此方面的研究进展。研究表明，智能位移反分析简便实用、计算精度高，克服了传统算法的诸多不足，具有广阔的应用前景，是位移反分析的一个新的发展方向。     

一种新的岩石工程进化反分析算法

通过对岩土工程传统优化反分析方法缺点的分析，指出了基于进化算法的进化优化反分析的可行性及遗传算法反分析的不足之处，为了克服这些反分析方法的缺点，首次把另一种进化算法-进化规划引入岩土工程领域，并为了改善传统进化规划的不足，提出了免疫进化规划新算法，在此基础上，结合有限元数值分析技术，提出了一种新的岩土工程反分析算法-免疫进化规则反分析，最后，通过一个简单算例验证了该法的有效性。     

多介质边坡弹性模具位移反分析模型与优化算法

利用开挖扰动实测位移，提出了求解边坡各介质弹性模量的反分析模型。同时针对目标函数的多极值性、收敛结果与初值相关等问题，提出了一种反分析优化算法。该方法一方面利用线弹性问题的尺度特性减少了一个优化变量；另一方面通过递归技术将多变量优化问题转换为一系列的单变量优化问题，并使收敛结果与初值无关。算例验证了方法的适用性。     

路堑边坡位移与失稳反分析应用与问题

反分析方法为岩体力学参数的获取提供了较为有效的途径，本文对岩体参数的反分析方法进行了一些研究，从动态设计和信息施工的角度出发，以现场量测信息为基础，建立了有限元位移反分析的方法，并把反分析与正分析结合来进行预测预报。本构模型是岩体参数反分析的一个重要方面，合适的模型可使参数确定变得容易。对具体边坡工程的实例，本文采用Duncan—Chang本构模型，以位移为反演依据，反分析了边坡模型中的粘聚力和内摩擦角两个参数，并把反演的参数带入正分析模型，计算下一阶段的位移，为工程的预测预报提供理论依据。     

岩土工程反分析的计算智能研究

 传统岩土工程学科的研究方法及思路限制了岩土工程反分析技术,乃至整个学科的发展,因此,从研究思维变革的根本上着手,把现代智能科学中的新发展分支—计算智能引入岩土工程反分析,可望使其产生一个飞跃性突破,以至带动整个岩土工程学科的发展。基于此思路,本文把计算智能方法引入反分析领域(本文反分析指位移反分析),全面而系统地进行了反分析的计算智能研究。 岩土物性参数反演可分为正反分析(优化反分析)及逆反分析两种。针对正反分析目标函数的复杂性,把进化计算引入正反分析研究,提出了进货反分析方法。基于前人的研究及对算法机理的分析,提出了一种快速收敛遗传算法反分析方法。首次结合进化规划、人工免疫系统原理及有限元计算提出了一种新的免疫进化规划反分析方法,标准算例证明它是一种相当理想的正反分析方法。从系统逆辨识的全新角度观察反分析研究,提出了基于神经网络的逆反分析思路。并提出了一种结构及权值同时进化的新型进化神经网络模型,并由它进行了进化神经网络逆反分析研究。 为了进行模型辨识,基于岩土本构模型的统一表达式,提出了一种新的岩土本构模型类内辨识的进化方法。基于分子生物学及现代进化论观点,创造性地提出了一种既模拟生物种间竞争又模拟生物种内竞争的生态竞争进化模型。基于此,提出了一种岩土本构模型类间识别并同时反演其物性参数的新算法。 根据位移时序分解原理,以灰色系统拟合位移序列的趋势,以本文提出的网络结构及算法参数同时进化的进化神经网络逼近序列的趋势偏离量,首次提出了基于灰色系统—进化神经网络的位移时序混合智能建模新方法。并通过两个工程实例验证了该混合智能方法的良好位移建模及预测能力。 最后,采用天生桥一级电站工程、某抽水蓄能电站工程及三峡永久船闸中隔墩岩体三个工程实例进行了免疫进化规划参数反分析、生态竞争模型岩体本构识别及灰色系统—进化神经网络位移序列建模预测研究,从工程实例角度验证了前述反分析方法的可行性。 计算智能在岩土工程中的应用研究是一个新兴的领域,本文仅进行了一定程度的计算智能反分析研究,但也未能穷尽。因此,本文研究只能起到抛砖引玉的作用,期望对此方面研究有兴趣的广大研究者共同努力,促进此项研究的发展。     

地下巷道弹性位移反分析中改进的Gauss-Newton-Marquit方法

针对地下巷道弹性位移分析的Gauss-Newto-Marquit方法提出了改进措施，将随机有限元中常用的直接求偏导数方法引入地下巷道弹性位移反分析问题，代替了Gauss-Newton-Marquit方法中求偏导数常用的差分法，从而大大提高了算法的效率，也使反分析结果的可靠性和精度有所提高。工程算例表明，改进后的Gauss-Newton-Marquit方法可更高地解决地下巷道弹性位移反分析问题，是一种值得推广的优化算法，并可望在大型工程中有良好的应用效果。     

一种新的岩土工程进化反分析算法

通过对岩土工程传统优化反分析方法缺点的分析，指出了基于进化算法的进化优化反分析的可行性及遗传算法反分析的不足之处。为了克服这些反分析方法的缺点，首次把另一种进化算法——进化规划引入岩土工程领域，并为了改善传统进化规划的不足，提出了免疫进化规划新算法。在此基础上，结合有限元数值分析技术，提出了一种新的岩土工程反分析算法——免疫进化规划反分析。最后，通过一个简单算例验证了该法的有效性。     

基于改进遗传算法的拱坝位移反分析

利用遗传算法对拱坝地质力学参数位移反分析的方法进行了研究。针对简单遗传算法的早熟现象，引入了小生境技术与自适应杂交变异概率的方法，并结合拱坝地质力学模型试验与三维有限元方法，给出了适合推求拱坝地质力学参数的反分析方法。结合实际工程，反演了拱坝基岩的弹性模量和泊松比。结果表明，该算法适用于拱坝地质力学参数的位移反分析，可以有效地解决简单遗传算法的早熟现象，而且收敛效率也有明显提高。     

位移反分析法的理论分析及工程应用

从分析岩体初始地应力场和进行地应力回归计算两方面探讨了位移反分析法的理论,通过工程算例说明了位移反分析法在工程中的应用,研究了位移反分析法的工程应用前景,以推广位移反分析法的应用。     

基于Bayesian广义参数反分析

本文视岩体为一系统,作用在该介质上的载荷或应力为系统的输入,变形为系统的输出,进而基于数理统计学的Ｂａｙｅｓｉａｎ原理,考虑输入、输出的不确定性及系统特征参数的先验信息,提出了广义参数反分析法,该方法可以推广到现有几种反分析方法上去如Ｂａｙｅｓｉａｎ反分析,最大似然反分析,马尔可夫反分析及最小二乘反分析等,最后本文讨论了各种不确定因素对参数反分析的影响,为实际工程分析提供了很有价值的信息．     

围岩松动圈的弹塑性位移反分析方法探索

在按弹塑性理论进行地下工程设计与分析时，真实工作状态下岩体力学参数的确定十分重要和必要。为确定这些岩体力学参数，从洞室监测过程中的实际情况出发，根据掌子面的推进过程与监测位移间的变化情况，将监测位移进行弹塑性分离，从而提出一种行之有效、易于工程实际操作的考虑围岩松动圈的弹塑性位移反分析方法。该反分析方法所得结果与设定值吻合良好，并通过工程实例得到验证，为工程实践提供一个切实可行的实施方案以确定这些有用的参数，是岩土工程信息化设计、施工的重要手段。     

边坡加权位移反演方法及工程应用研究

参数反演是获得岩土强度参数的重要手段,而对于分层或者含有软弱夹层的边坡,加权位移反分析是获得其土体参数的有效反演方法。利用边坡测斜数据与土体分块的基本思想,提出了一种加权方法。根据土体深部位移曲线与最小二乘原理,将边坡土体划分为若干个具有不同位移特点的块体,单个块体的位移可以用两个量进行表示:滑动位移与变形位移。将反映块体自身强度的变形位移作为加权反分析的权重,并提出了新的反演目标函数。最后,依托实际工程,利用新方法计算了边坡的强度参数,其结果与现场试验符合较好。同时,敏感度计算的结果也表明该方法的反演效果更佳。     

地震动土压力水平层分析法

Mononobe-Okabe公式是挡土结构设计中关于侧向动土压力计算的常用方法。但Mononobe-Okabe公式的诸多假设使得其公式适用范围受限,而且无法给出地震动土压力合力作用点位置及地震动土压力强度沿墙背分布情况。为弥补以上不足,基于Mononobe-Okabe平面破裂面假设,采用水平层分析法推导地震条件下主动和被动土压力合力及其作用点位置、土压力强度分布公式,并采用图解法得到临界破裂角的显式解答。公式考虑水平和垂直地震加速度、墙背倾角、挡墙墙背与填料黏结力和外摩擦角、均布超载等诸多因素,可以适用于黏性土和无黏性土的主动和被动土压力计算。分析结果表明,地震条件下土压力强度沿墙高为非线性分布,在相应简化假设条件下公式与Mononobe-Okabe公式完全一致。     

STUDY ON GENETIC-NEURAL NETWORK METHOD OF DISPLACEMENT BACK ANALYSIS

An evolutionary neural network method for displaceme nt back analysis is proposed by combining the neural network and genetic algorit hm. The samples produced in orthogonal experiment are used to train the neural n etwork whose architecture is determined in global optimum by genetic algorithm. Thus, the neural network with optimal architecture trained by optimal prediction algorithm is used to describe the relationship between the rock mechanical para meters and displacements produced due to excavation. Then genetic algorithm is a dopted again to search the optimal rock mechanical parameters in their globa l ranges. As an example, a back analysis for elastic problem is introduced. The results are satisfactory.     

位移反分析的进化神经网络方法研究

将人工神经与遗传算法相结合,提出了一种用于位移反分析的进化神经网络方法,这种方法基于正交试验获得的样本进行学习,用遗传算法搜索最优的神经网络结构,并用最佳推广预测学习算法训练此网络,以此训练好的网络描述岩体（土）的力学参数与岩体位移是非线性关系,再应用遗传算法从全局空间上搜索,进行岩体力学参数的最优辩识。作为例子,文中给出了弹性问题的反分析,结果是令人满意的。     

粘弹性围岩力学参数反分析的一种数值法

依据蠕变柔量和广义蠕变柔量概念，提出了由实测位移反演原岩应力场与粘弹性力学参数的边界元算法，实现了粘弹性围岩力学参数反演的半解析化。     

基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

 针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MVPSO)算法。基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解。应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性。然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高。最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果。     

大型洞室群智能动态设计方法及其实践

 针对复杂地质条件下高边墙、多洞交叉的大型洞室群多步开挖过程中的强卸荷特点,采用经验类比、数值分析、智能分析等方法的综合集成,提出复杂条件下大型洞室群稳定性分析、开挖过程与支护设计的智能动态设计方法。该方法以解决大型地下洞室群不同设计阶段稳定性需要解决的关键问题为目标,从地质条件的认识、地应力分布特征的把握、高边墙多洞室交叉的围岩变形破坏机制的理解到围岩稳定性评价、破坏模式识别、调控措施(开挖过程和支护方案)全局优化以及施工过程中的反馈分析与动态调整的系统全过程进行研究,论述地下洞室群修建前的初步设计方法和洞群修建过程中的动态最终设计方法。在锦屏二级水电站地下厂房设计与施工全过程的应用实践表明,该方法可以实现大型洞室群设计与施工的信息化、智能化和科学化。