基于FLAC及神经网络的岩体力学参数反分析

以大冶铁矿高陡边坡为例, 应用差分法、正交设计和BP神经网络建立了边坡岩体物理力学参数反分析方法。按照正交设计要求选取不同物理力学参数, 用FLAC^3D差分程序建立模型并计算得出相应的BP神经网络分析样本, 对样本进行了BP网络训练, 再将现场监测数据作为输入样本值, 对岩体力学参数进行了神经网络反分析, 分析结果满足工程要求, 表明该反分析方法的可行性和精确性。     

麻栗场隧道施工仿真反演分析

根据麻栗场隧道现场监测结果,采用弹塑性位移反分析的方法,得到反映围岩综合性状的弹性模量E、地应力侧压力系数K的值.通过与临近断面的监测结果进行对比,检验反演参数的合理性.结果表明,反演所得参数基本反映了工程区岩体的实际物理力学性状,对隧道施工和设计具有一定的指导意义.     

基于BP网络的采矿巷道围岩力学参数反分析

为较理想地处理巷道的收敛变形与围岩力学间的复杂非线性关系,应用反分析方法研究了大冶铁矿龙洞-74 m水平采矿巷道的围岩力学参数.首先应用正交试验理论确定有限元正分析的围岩力学参数取值样本,运用2D-Sigma有限元软件计算巷道的收敛变形值;然后将有限元计算位移值作为输入样本,相应的围岩力学参数作为输出样本训练BP神经网络;再将实测位移带入训练好的神经网络反分析得到相应围岩力学参数,以此围岩力学参数作为二次正分析的计算参数进行有限元计算,并比较分析位移计算值与实测值的误差.结果表明,采用该方法获取围岩力学参数是可行的,其结果符合工程实际要求.     

基于粒子群优化BP神经网络的巷道位移反分析

以某煤矿资料为基础,确定出岩体物理力学参数水平,并设计正交试验表。根据巷道边界条件建立几何模型,通过有限元法计算得出的位移值建立起PSO-BP神经网络学习样本,从而得到矿山巷道位移反分析预测岩体物理力学参数模型。研究结果表明：实测位移量与由预测参数计算位移量间的最大误差为3.27%,通过实测位移值反分析求得的岩体物理力学参数值可信,PSO-BP神经网络应用于矿山巷道位移反分析是可行的。     

浅埋偏压隧道岩土体参数的位移正演反分析

以某浅埋偏压小净距隧道先行洞施工监测为工程依托,根据正交设计思想,确立实验方案,结合弹塑性非线性有限元计算构造训练样本,借助BP神经网络的超强非线性映射能力对隧道先行洞开挖所揭露的围岩变形模量E、泊松比μ进行了位移反演,及时掌握先行洞开挖后围岩物理力学参数,从而达到优化设计并指导后行洞施工的目的,以实现隧道的信息化施工与设计。     

硐室的围岩稳定性反分析

据尖山铁矿破碎机硐室的围岩稳定性监测数据，采用适宜的理论及经验公式，利用简化的几何及力学模型，进行硐室围岩物理力学参数的反分析计算。据此，得出围岩的应力分布规律，进行围岩稳定性分析。     

韩家岭大跨度隧道开挖过程数值模拟研究

采用面向对象的编程技术，选取可视化的开发工具Visual Basic和Fortran Power Station编制了二维弹塑性有限元分析程序EPFEM-2D。以韩家岭大跨度公路隧道为例，通过地质勘察和实验室岩石力学物理实验确定了隧道围岩的类别及一些必要的物理力学参数，优选出了能较好反映隧道实际受力状况的计算模型，利用EPFEM-2D对韩家岭大跨度公路隧道的开挖过程进行了数值模拟，所得计算结果和有关结论为韩家岭大跨度公路隧道的设计及施工提供了重要的参考依据。     

马鞍石隧道掘进围岩稳定性数值模拟分析

本文以马鞍石隧道围岩地质条件为基础,以设计资料为依据,根据岩块力学参数试验成果和岩体工程地质研究的分类成果,运用Hoek-brown等经验准则确定了岩体力学参数,运用三维快速拉格朗日有限差分程序对Ⅳ类围岩全断面开挖后隧道围岩的稳定性进行了数值建模和分析计算,对隧道开挖过程中的力学行为和稳定性进行了评价和预测。     

通渝隧道围岩分类

通渝隧道在工程地质测绘、钻探、物探及岩石力学试验的基础上，综合考虑岩体完整性、岩体物理力学参数进行隧洞围岩分类，为工程设计、施工参考应用。分类结果与比尼奥斯基(Bienlawski)的地质力学分类(RMR法)一致，对同类工程围岩分类有一定的参考价值。     

隧道围岩结构易损性测试方法

为了分析隧道出现垮塌风险,提出了隧道围岩结构易损性测试方法。计算隧道围岩结构损伤指数,选取了合适的隧道围岩结构损伤指标,采用OPENSEES方法模拟了隧道围岩结构和支护结构的力学行为;根据隧道围岩和支护结构的物理力学参数,模拟了隧道施工过程及空洞;结合隧道围岩结构易损性测试流程,实现了隧道围岩结构易损性测试。实例测试结果表明,该测试方法可以测试出隧道围岩结构的损伤概率,与实地调查结果相符,可以有效控制隧道出现垮塌风险。     

程潮铁矿的矿岩稳定性分级分区

本文针对地下工程的设计、施工和矿山生产的实际需要,提出矿岩稳定性分级分区的概念和智能化方法。将人工智能、神经网络、岩石力学与CAD技术相结合,探讨了分区过程中诸如分区参数的神经网络最优辩识、地质结构面评价、粗略分级分区和详细分级分区的启发式推理方法、具有多内部不规则边界的离散数据点网络自动生成等核心问题,给出了实现分级分区的智能CAD系统。程潮铁矿的实际应用表明,该方法及其智能系统科学、实用。     

人工神经网络方法辨识岩体力学参数的可辨识性及其稳定性探讨

探讨了以巷道围岩变形观测为依据 ,用神经网络反推岩体物理力学性质和初始地应力环境参数时各参数的可辨识性 ,以及参数辨识的稳定性。找出了待辨识参数个数与所需最少巷道变形观测项目数之间的关系 ,并给出了巷道围岩变形观测项目选择的建议     

基于小波神经网络的锚杆－围岩结构系统的识别

提出了一种用于识别锚杆杆侧刚度因子的小波神经网络模型.首先,利用均匀设计方法建立锚杆系统的样本库,采用数值模拟得到各样本的锚杆杆顶的动测信号;然后将小波分析和人工神经网络结合起来,利用小波分析技术提取的能表征系统状态的特征向量作为输入向量,利用广义回归神经网络识别杆侧刚度因子;最后,利用样本对所建立的小波神经网络进行训练.分析结果表明：训练后的神经网络能够较好地识别锚杆系统杆侧刚度因子,为锚杆系统的锚固质量评价提供了一个有效的智能化手段.     

基于BP网络的深部软岩巷道围岩力学参数反演研究

为探索高地应力下深部软岩巷道围岩应力场及位移场的分布情况, 建立了简化的应变软化模型, 分析了此模型的关键参数; 采用均匀设计法设计了数值计算中待分析的参数方案, 且将各方案参数代入FLAC^3D软件中进行了数值仿真分析; 再将各工况下监测点计算的相对位移与岩体力学参数代入BP网络进行训练、学习, 并将监测点位移相对监值输入训练的BP网络, 获得参数反演值。以淮南矿业集团顾桥煤矿轨道巷为工程背景, 进行了巷道深部位移监测, 根据监测结果反演了简化应变软化模型的关键参数, 经正分析对比验证了力学参数反演结果的准确度、可靠性, 反演结果为后续工程数值计算奠定了基础。     

基于人工神经网络的煤巷锚杆支护设计研究

基于人工神经网络原理,构筑锚杆支护设计多级人工神经网络,在围岩分类的基础上,进行煤巷锚杆支护形式和参数优化设计,应用结果表明,该方法操作简便,可靠性高,具有先进性,有较高的实用价值和广阔的应用前景。     

圆弧滑动边坡稳定性分析的神经网络方法

搜集了大量圆弧滑动边坡工程实例,并根据实例边坡的实际稳定状况及其几何、物理力学参数构建了训练数据集和测试数据集。应用所构建的训练数据集,对所建立的用于圆弧滑动边坡稳定性分析的神经网络进行训练,并采用训练数据集和测试数据集对其拟合能力和推广预测能力进行测试,最终获得满意结果。应用所建立的神经网络对某高速公路边坡的最危险圆弧滑动面的安全系数、稳定状态和圆心位置作了预测,结果与实际情况吻合。     

基于位移增量的高地应力下硐室群围岩蠕变参数的智能反分析

深部高地应力下硐室围岩蠕变力学参数不准已成为制约岩体工程理论分析和数值计算发展的"瓶颈"问题,因而确定可靠的岩体蠕变参数服务于工程实际成为重点关注的课题,为此提出基于位移增量敏感性分析的高地应力下硐室群围岩蠕变参数的智能反分析方法。该方法基于描述深部高地应力条件下围岩蠕变随时间破坏特征的分数阶微积分的蠕变本构模型,取较为典型的主硐室顶拱位移、拱肩位移和边墙位移作为表征围岩的特性指标,从参数敏感性分析着手,确定模型中对位移较为敏感的5个蠕变参数(瞬时剪切模量、黏性系数、黏弹性剪切模量、黏弹性系数、分数阶系数β),并遵循"大值原则"和"敏感性原则"提取位移增量数据,输入主厂房和主变室等不同位置的现场位移增量监测信息建立多数据融合的适应度函数,采用均匀设计方法构造各参数不同水平组合的学习样本和训练样本,通过遗传算法与神经网络相结合的智能优化算法在解的全局空间进行搜索,确定反演蠕变参数值,最终通过灰色关联度和后验差法联合校核位移增量实测值与计算值。实例分析结果不仅表明智能优化算法获得的硐室围岩蠕变参数可靠性高,也验证了该法的有效性和合理性,同时为深部高地应力大型硐室长期稳定性评价时参数确定提供一个新手段。     

浅埋煤层厚积砂薄基岩顶板破断机理研究

本文在物理相似模拟和数值模拟的基础上，通过对神东集团薄基岩浅埋煤层开采的研究，建立了上覆岩层的梯度复合板力学模型。利用承压砌块模型分析了周期来压过程，并给出了初次来压和周期来压机理。