多介质边坡弹性模量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。     

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。     

位移反分析的有限元线法及其工程应用

有限元线法作为一种半解析的数值方法，具有网格剖分简单，计算精度高等优点。将有限元线法应用于岩土工程位移反分析，提出基于有限元线法的位移反分析方法。工程实例显示了该方法的可行性。     

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。     

岩石边坡松动区与位移反分析

 首先分析了三峡工程船闸边坡有限元计算和现场监测的位移成果, 说明岩石边坡位移反分析必须考虑岩体的松动因素, 本构模型可以使用弹性模型;其次介绍了松动区的有关物理力学性质, 以及在计算模型中的考虑方法;最后以基于BP 网络和遗传算法的位移反分析模型反演了永久船闸边坡岩体及其松动区的弹性模量。     

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。     

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。     

BP 网络和遗传算法在岩石边坡位移反分析中的应用

 探讨了计算速度和可靠性这两个在位移反分析工作中非常重要的问题。一方面用BP 网络代替有限元计算提高了计算效率, 另一方面用遗传算法代替常规的优化算法, 使反分析结果与初值无关。三介质边坡算例验证了上述解决方案的可行性。     

三峡工程永久船闸边坡位移反分析回顾

总结了1994～2000年间，作者在三峡工程永久船闸高边坡的第一期和第二期位移反分析方面的主要研究成果，包括理论与工程应用、边坡岩体变形机制及其数值模拟方法等。认为位移反分析理论研究很重要，但足由十岩体变形的非连续性，工程应用上应该加强岩体的宏观变形行为及其数值模拟方法的研究。就三峡工程的块状结构边坡而言，岩体的变形主要由松动区的变形构成，在变形分析中将松动区等效为一种弱化的线弹性材料，模拟其宏观变形行为是合适的。     

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。     

岩质边坡弹黏塑性计算参数位移反分析研究

 在引入复变量求导法的前提下,依据弹黏塑性有限元基本原理,采用牛顿–拉普拉斯变换迭代优化法来反算计算参数,运用Fortran语言编制弹黏塑性位移反分析程序,通过2个实例的验证,依据关键测点位移,既可反算强度参数又可反算流变参数,搜索效率高、计算准确,充分说明该方法在岩质边坡的参数反算中的可行性。     

五强溪水电站船闸边坡的粘弹性位移反分析及变形预测

位移反分析的提出,可望为边坡工程设计工程师提供一个确定有关地层力学参数和某些地应力分量的新方法。本文针对五强溪水电站左岸边坡岩层的特点,选择了HK模型,并从该边坡的实测位移出发,反演该边坡工程设计所需要的岩体力学参数。文中较详细地阐述了有关原理和可行的方法     

非线性规划的Q算法应用于成层地基位移反分析计算

本文详细介绍了约束非线性规划中的一种融合了约束变尺度方法和极大熵方法、具有显式搜索方向的变尺度算法———Q算法。这类算法对于具有先验知识的非线性参数估计问题非常有效。在成层地基位移反分析问题的数值计算研究中 ,采用了Q算法 ,克服了通常的算法对初值依赖性强、在工程计算过程中出现数据不稳定甚至不收敛的缺陷。     

基于微粒群优化的智能位移反分析研究

优化技术是影响反分析精度和效率的重要因素,将微粒群优化技术与支持向量机技术结合,提出了一种新的智能位移反分析方法。该方法利用了支持向量表达非线性关系方面的优良特性,可以避免大量的数值计算,同时充分利用微粒群的全局优化、收敛速度快的优点。将提出的方法应用到具体的算例中,比较表明,本方法是一种科学、可行、收敛快、精度高的优秀算法。     

基于PSO-BP算法的隧道非线性位移分析模型

粒子群优化(PSO)算法是近年来发展迅速,并得到广泛应用的一种仿生全局最优化算法.与遗传算法相比,该算法具有操作简单、易于编程的优点.结合铜黄高速公路汤屯段大田连拱隧道施工,采用PSO算法对BP神经网络的权值进行自动优化,获得训练效果最好的BP网络模型参数以提高网络的泛化能力,建立起基于PSO-BP算法的大田隧道施工位移非线性智能分析模型,并采用此模型对后续施工隧道变形进行了预测分析.与实测位移对比表明,本文建立的PSO-BP模型平均预测相对误差仅为3.1%,可很好地作为隧道信息化施工的一种辅助方法,并为其他类似岩土工程提供借鉴.     

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。     

边坡开挖期实测位移的分解与合成预测

边坡受开挖影响，原有平衡状态被打破，其状态及安全性的掌握十分重要，变形的监测分析在其中起着重要作用。而分期开挖使变形在开挖和非开挖阶段呈现出明显不同的规律，为预先知道分期开挖时边坡变形大小，在考虑变形组成成分的前提下，提出了利用原始监测值，采用数学监测模型将实测变形中的蠕变变形和开挖瞬时变形加以分离的方法，结合开挖因素建立瞬时变形和开挖的关系模型，依照蠕变规律建立蠕变发展模型，可以根据需要对后期开挖变形大小加以预测。给出了具体实施的步骤，并以实例对可行性予以证明，为分期开挖变形预测提供了实用方案。     

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。     

边坡位移预测的RBF神经网络方法

利用边坡实测位移序列来预测边坡未来时间的位移,可以有效地判断边坡的稳定性。由于神经网络可以通过对样本的反复学习来反映边坡复杂的非线性演化关系,其预测效果要优于传统的预测方法。RBF神经网络作为一种性能良好的前馈网络,具有更好的逼近能力和全局最优特性。以边坡位移时间序列为基础,采用RBF神经网络建立边坡位移预测模型,通过最近邻聚类学习算法实现边坡位移预测,具有结构简单、学习速度快、预测精度高的特点,网络的外推能力也较强。通过2个工程实例说明边坡位移预测的RBF神经网络方法的有效性。     

位移反分析的APSO-WNN模型研究及应用

用改进粒子群优化算法对小波神经网络进行优化，从而提出改进粒子群算法优化小波神经网络模型（APSO-WNN）。该模型具有小波变换的良好时频局域化性质、良好时域和频域分辨能力及传统神经网络的自学习功能；同时用改进的粒子群优化法进行全局最优搜索，快速收敛到全局最优解，使其具有良好的逼近能力、容错能力和较强的鲁棒性。因此，该计算模型适合解决具有复杂非线性和模糊性特点的岩土工程问题。为证明该模型的优越性，同时将该计算模型与传统遗传算法神经网络用于三峡船闸高边坡4种介质弹性模量的位移反分析计算，结果表明不论是优化精度还是收敛时间，该算法都较遗传算法有明显提高。最后利用APSO-WNN反演的弹性模量参数进行测点位移预测，预测表明各个测点的计算位移值与监测值吻合较好，说明该模型在岩土工程位移反分析中具有良好的实际应用价值。