基于FDEM数值模拟的软岩隧洞大变形预测

软岩隧洞收敛变形量预测对隧洞施工方法、设备选型和支护设计具有重要意义。采用有限元-离散元耦合数值模拟方法(FDEM)对软岩隧洞掘进过程开展了模拟研究，并调研了地应力量值对隧洞收敛变形量的影响。结果表明：隧洞大变形机理为开挖卸荷引起径向应力降低、切向应力升高，升高的切向应力造成围岩发生共轭剪切破坏，并持续向深处完整围岩扩展，深部破裂块体对浅部碎裂岩块的接触挤压产生宏观空隙，造成体积增大，发生具有碎胀效应的挤压大变形；随着围岩强度应力比的降低，围岩收敛变形量呈指数函数增大，相关系数高达0.996,为软岩隧洞收敛变形量预测提供了经验公式。     

大坝变形预测的径向基函数网络模型

在大坝变形预测中,运用人工神经网络模型进行预测分析已较为广泛,目前使用最多的是BP网络模型,但由于存在计算量巨大,且易出现局部极小和收敛慢等缺点,为此建立了大坝变形预测的径向基函数神经网络模型,并与改进的BP网络模型进行比较.实例表明,径向基函数模型具有良好的泛化能力,克服了BP模型的局部极小和收敛慢等缺陷,在预测精度及训练速度方面显著优于BP模型,具有一定的推广价值.     

不良地质引水隧洞开挖支护应力变形数值模拟研究

选取围岩强度低、变形量大的不良地质段为代表断面进行计算分析,建立了FLAC3D模型,研究隧洞开挖支护围岩的变应力变形情况。结果表明:隧洞的开挖破坏了围岩的原始应力场,隧洞径向轴力释放,切向应力集中,隧洞顶拱位置形成了比较明显的开挖松动圈。隧洞支护后,支护措施承受部分围岩压力,围岩应力得到改善,隧洞围岩变形明显减小,开挖断面变形整体趋于均匀,隧洞周边塑性区有所改善,因此支护措施对围岩变形起明显的限制作用。     

洞室围岩收敛变形灰色理论预测

洞室开挖后，洞周围岩的应力状态将会发生应力重分布。这是一个复杂的物理力学过程，其直观表现是洞室围岩发生位移。在以新奥法为代表的现代隧洞工程中，常常以收敛变形量测值作为判断围岩稳定状态和支护结构的经济合理性指标之一。一般地讲，围岩收敛变形是随时间而变化的。因此，收敛量测得到一个与时间顺序有关的数据列。我们曾根据围岩变形随时间变化的特点，利用岩石流变理论进行了研究。本文简略地介绍了采用灰色理论的原理和     

水库输水隧洞围岩变形监测及稳定性分析

文章根据数显收敛仪对输水隧洞围岩水平收敛变形和拱顶下沉位移的现场监测结果，分析输水隧洞开挖后围岩变形特性和发展规则，总结输水隧洞围岩沉降收敛变形规律，及时报警并采取相应的支护措施，使围岩变形趋于稳定，为设计优化参数和指导安全施工提供基础数据。     

基于BP神经网络的河道断面变形预测模型

采用“试错法”，以及通过建立网络训练学习过程与网络特征参数之间的反馈机制，对BP神经网络隐含层单元数和特征参数进行优化选择。在此基础上，以河段水沙条件、水流主流位置及河道边界条件为输入向量，河道断面高程或冲淤变形为输出向量，建立了基于BP神经网络的河道断面变形预测模型。经长江中游马家咀河段实测资料验证，模型能准确模拟和预测该河段各断面的冲淤变化过程。     

基于ACO-BP神经网络的土石坝位移监测模型研究

建立安全监测网络模型来分析和预测大坝变形位移信息,对保障大坝安全稳定服役意义重大。针对大坝安全监测BP神经网络模型运算复杂、收敛速度慢、易陷于局部最优、不能准确反映和预测大坝运行状况的问题,引入蚁群算法(ACO)全局搜索功能搜寻BP神经网络参数最优解,并通过样本数据训练BP网络获得大坝变形位移预测值。工程实例应用表明:ACO-BP网络模型在参数优化方面较BP网络更易于收敛,误差较小、预测性能良好,可为大坝变形位移监测和安全预报提供一种新的非线性建模仿真分析方法。     

某隧洞软弱围岩变形特性测试与分析

全面介绍了某水工隧洞软弱围岩松弛变形测试、围岩表面收敛变形监测及对岩体内部岩石位移变化情况监测所采用的技术方法,通过现场测试取得了较为翔实的资料,经分析围岩波速及其松弛厚度变化特征、围岩变形量、变化过程及持续时间,得出该区隧洞埋深在300 m以下的洞段,Ⅲ、Ⅳ1、Ⅳ2类围岩松动圈厚度一般在1 m左右,围岩的变形量主要发生在开挖后的40~50 h以内,且初期变形速度较快。因此,隧洞支护应在围岩未发生充分变形的情况下进行,分析认为该区隧洞Ⅳ2、Ⅴ类围岩支护时间宜在开挖后数小时内完成,而Ⅳ1类围岩可在开挖后数小时至十几个小时内完成,最长不宜超过1 d。通过探讨隧洞及高压管道围岩变形规律及发展趋势,预测围岩稳定状态,为修正原设计支护类型和参数以及合理选择一次支护时机、优化衬砌类型等提供科学依据。     

围岩变形数据序列的预测方法探讨

建立围岩变形数据预测的BP模型，实现了工程中大量无法采用灰色GM（1，1）模型精确预测问题的方法探讨。实例计算证明该模型具有计算简便、可有效改善围岩变形值的预测精度。     

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。     

BP神经网络在隧道围岩力学参数反演中的应用

以谷城至竹溪高速公路珠藏洞隧道施工监测为工程依托,根据现场变形监测数据的指数函数回归方程,对最终变形量进行了预测,并基于其预测值,借助BP神经网络的超强非线性映射能力,对隧道围岩力学参数（变形模量E、黏聚力C、内摩擦角φ）进行反演,以及时掌握开挖围岩类型和材料特性参数,为隧道工程施工和设计提供参数依据,从而达到安全施工和优化设计的目的,以实现隧道的信息化施工与设计。     

水工隧洞围岩分类的人工神经网络方法研究

本文应用人工神经网络原理解决水工隧洞围岩分类这一非线性和不确定性较大的实际问题,通过建立隧洞围岩的力学指标和环境因素的BP判定模型,为水工隧洞围岩分类提供可靠的途径。     

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

在隧道工程施工中,围岩位移预测起着很重要的作用。将BP神经网络-马尔科夫链模型引入到隧道围岩位移预测中来,通过对训练样本的学习,利用BP神经网络实现了对位移时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于某公路隧道拱顶下沉位移时序预测中,结果表明该模型具有精度高、科学可靠的特点,为隧道围岩变形的预测提供了新的途径。     

运营公路隧道的变形机理分析及危险性评价

为合理评价运营隧道的安全现状及危险性发展趋势,提出利用BP神经网络和V/S分析构建运营隧道的危险性预测模型。首先,基于运营隧道所处的环境条件,分析其变形机理;其次,根据相关安全等级划分标准,评价运营隧道的安全现状;最后,利用优化BP神经网络构建运营隧道的变形预测模型,再利用V/S分析判断运营隧道的危险性发展趋势,以实现运营隧道的危险性预测。以嬉野隧道为实例进行验证,结果表明:运营隧道的变形影响因素较多,主要包括渗水因素、空洞因素、衬砌劣化因素及长期应力作用因素等;隧道的安全现状等级为Ⅴ级,危险性高,且沉降变形判断得到的危险性等级要高于水平收敛判断得到的危险性等级;变形预测结果和危险性趋势分析结果具有较好的一致性,均得出该隧道的危险性将会进一步增加,验证了BP预测和V/S分析2种模型在运营隧道危险性预测中的适用性和可靠性。研究成果为公路隧道的后期运营提供一定的指导。     

含水率对高地应力炭质板岩隧道围岩稳定性的影响研究

当隧道穿越高地应力富水软弱围岩区段时,易发生坍塌、初期支护结构侵限、钢架扭曲脱离等不良现象。针对这一问题,以渭武高速公路木寨岭隧道为实际工程背景,运用有限差分法软件FLAC3D分别建立了不同含水率下双侧壁导坑法和三台阶七步开挖法施工隧道的数值模型,分析讨论了两种施工方法下围岩压力、竖向和水平位移、塑性区随着含水率增大的分布规律和发展情况。结果表明：随着含水率的增大,炭质板岩强度降低,围岩自稳能力降低,进而降低了隧道的稳定性。隧道上部台阶开挖后,炭质板岩段各监测断面沉降和收敛变形较快,变形量较大;完成初期支护之后,沉降和收敛变形速度逐渐降低,待距离掌子面50 m以后趋于稳定。     

利用多点位移计实测值反演隧道围岩力学参数

结合哈尔滨天恒山隧道的多点位移计的测量工作,利用MATLAB BP神经网络工具箱和AN-SYS10.0,基于结构分析有限元法,由正演分析建立了不同围岩力学参数与隧道围岩变形关系的人工神经网络训练样本。结合施工过程中量测到的隧道围岩的多点位移计数值,通过网络仿真得到了相应的围岩力学参数。     

公路隧道断层破碎带围岩变形规律数值模拟

为研究断层破碎带隧道施工围岩变形规律,采用数值模拟方法分别考查了台阶法、预留核心土法和三台阶法施工时围岩变形及地表沉降情况。结果表明:断层破碎带隧道施工围岩变形量随着荷载步增加趋于稳定,台阶法造成的拱顶沉降值较大,三台阶法和预留核心土法能较好的控制隧道拱顶沉降;隧道周边收敛值也随荷载步增加逐渐稳定,台阶法周边收敛值最大、三台阶法周边收敛值最小;地表沉降随荷载步增加逐渐达到稳定,台阶法施工造成的地表沉降最明显,三台阶法次之,预留核心土法地表沉降控制效果最好;预留核心土法隧道上方横向形成明显的沉降槽,随着荷载步增加沉降槽趋于明显,最终达到稳定。     

隧道围岩大变形评价的改进云模型及其应用

针对隧道围岩大变形评价的不确定性和随机性问题,基于改进的云模型理论,建立了隧道围岩大变形评价的改进云模型评价方法,该方法运用云理论中的云雾化条件将大变形指标权重进行融合,进而得到综合评价指标权重,并用正态云替代传统模型中的特征值,计算云相关度和评价指标权重,最后通过综合云计算获得隧道围岩大变形评价结果。将此方法应用于西藏米拉山隧道围岩大变形评价,其结果为Ⅳ级大变形,与实际结果一致,表明隧道围岩大变形评价的改进云模型评价方法合理可行,可应用于隧道围岩大变形的评价。     

鹅公岩长江大桥东锚碇围岩极限承载力GM(1,1)模型预测研究

 重庆鹅公岩长江大桥设计采用悬索桥方案,东锚碇设计为隧道锚,布置在粉质砂岩和砂质泥岩互层岩体中,锚碇及围岩体的变形状态直接影响大桥的稳定和安全。通过 12.5∶1实地结构模型进行锚碇张拉试验,获得了4.6倍设 计荷载下锚碇及围岩体的变形数据。根据对变形数据及荷载*.变形曲线的分析,认为锚碇及 围岩变形较小,变形处于弹性阶段。通过获得的变形数据建立起围岩极限承载力灰色GM（1 ,1）预测模型,预测出岩体极限承载力为设计荷载的6.09～6.15倍,锚碇处于安 全状态,并有足够安全储备。     

小垂距交叉软岩隧道现场监测分析

针对公路与铁路小垂距交叉软岩隧道的特点,以云南某上穿公路隧道为背景,对该隧道右幅交叉段进行隧道净空收敛、围岩内部结构应力、围岩深部位移等项目的监测。根据监测结果,分析该隧道的围岩和支护结构的变形以及受力特点。结果表明,隧道右幅交叉段Ⅴ级围岩采用三台阶临时仰拱法开挖是可行的,能够有效地控制围岩变形,围岩稳定变形时间在30 d左右。监测成果可用于对隧道稳定性进行评估与预警,以便及时调整支护参数,保证隧道施工安全性。