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。     

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。     

岩体力学参数与变形特征的智能识别研究

 博士学位论文摘要　“参数给不准”目前已成为岩石力学研究的“瓶颈”问题。本文应用智能科学研究方法, 将神经网络、遗传算法等应用于岩石工程问题, 对位移反演分析和岩体变形的演化特征识别进行了研究, 主要内容如下:(1) 提出了岩体力学参数反演分析的进化神经网络方法, 它将遗传算法和神经网络有机地结合起来, 既利用了遗传算法的全局寻优特性, 又利用了神经网络的非线性映射能力, 为岩体工程中多参数同时反演分析提供了一种新方法。(2) 提出了岩体的非线性变形演化特征识别的进化神经网络方法, 针对具体实例讨论了进化神经网络方法的控制参数对系统性能的影响和参数的合理取值区间。(3) 提出了岩体力学参数可辨识性的敏感度分析方法, 并对长江三峡水利枢纽工程永久船闸17217 断面的岩体力学参数和初始地应力场参数的可辨识性进行了敏感度分析, 确定了可由进化神经网络方法反演确定的参数, 并对测点的布置进行了讨论。(4) 应用进化神经网络反演方法对长江三峡水利枢纽工程永久船闸边坡17217 断面岩体力学参数和初始地应力场参数进行了反演分析, 并作了基于反演结果的FLAC 正向计算, 讨论了边坡岩体的变形行为, 为边坡稳定性评价提供了依据。(5) 应用非线性变形演化特征识别的进化神经网络方法对长江三峡水利枢纽工程永久船闸17217 断面外观监测点的位移时间序列进行了建模和预报, 给出了岩体的非线性变形演化特征识别的最佳网络模型, 并作了基于网络模型的外推预测。(6) 通过应用遗传算法对边坡破坏模型中待定参数的搜索, 讨论了岩石力学经验建模的唯一性问题, 提出了如何避免出现不唯一性的方法。     

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     

隧道洞口施工对边坡稳定性影响的预测分析

结合隧道洞口边坡的位移监测数据,采用有限元弹塑性位移反分析方法,对隧道洞口土层参数进行了反演;并采用洞口土层的反演结果,对隧道后续施工扰动对围岩变形的影响进行了预测分析,预测结果与后期现场监测数据基本吻合。隧道洞口施工对边坡的影响非常大,采用有限元反演、预测的数值计算方法,能够有效地对施工造成的变形破坏进行预测预报。     

龙滩水电站左岸高边坡泥板岩体蠕变参数的智能反演

在综合分析龙滩左岸边坡泥板岩样室内蠕变试验资料和现场工程区域岩体风化程度、岩性和节理分布等特性的基础上,建立了龙滩左岸边坡泥板岩体的蠕变本构模型;采用均匀设计方法和三维显式有限差分法对72#试验洞三维地质概化模型进行了开挖模拟和蠕变计算;以72#试验洞的变形监测资料为目标,采用遗传–神经网络方法对泥板岩体的蠕变参数进行了智能反演分析,获取了岩体的蠕变参数。利用其进行正演计算,结果表明未用于反演的监测断面的实测位移值与相应断面的计算值在量值上相当,变形趋势上也基本相同。这表明所确定的龙滩水电站左岸高边坡泥板岩体蠕变本构与参数基本合理,同时说明进化神经网络演化有限差分方法在由小尺度岩石室内蠕变试验参数过渡到现场大尺度岩体蠕变参数的过程中起到了重要的桥梁作用。     

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。     

基于松动圈-位移增量监测信息的高地应力下洞室群岩体力学参数的智能反分析

考虑到高地应力下洞群围岩力学行为独特性和深部地下工程研究需要,提出大型洞室群岩体参数的智能反演新方法。该方法是采用弹脆塑性本构CWFS模型,以分步开挖引起的松动圈和位移增量监测信息为输入,首先通过参数敏感性分析确定待反演的参数,再建立位移增量–松动圈深度的联合适应度函数,用进化神经网络–遗传算法求得待反演参数的数值,并进行后续开挖引起的位移演化的灰色关联度分析和松动圈的实测值与计算值对比对反演结果进行检验的反分析方法。用该方法对具有高地应力特征的拉西瓦水电站花岗岩地下洞室群围岩的力学参数进行了反演,通过地下洞室群的第2～6层开挖引起的位移增量和松动圈的测试值,反演求出相关5个岩体力学参数的值。用反演所得的参数值对第7步开挖引起的位移增量和松动圈变化进行计算分析,结果表明该方法的正确性。     

岩石力学反演分析研究及工程应用

博士学位论文摘要 岩体本身是一个高度复杂的不确定和不确知系统，其物性参数、本构模型、计算边界条件(地应力等)和量测的位移与应力等无法准确确定。由量测信息来确定各类计算参数和模型的反分析方法自提出以米得到了迅速的发展，     

位移反分析的自适应神经模糊推理方法

现有各种位移反分析方法均存在着这种或那种不足之处：基于最优化理论的位移反分析方法，解的稳定性较差，易陷入局部极小，反演参数较多时收敛速度较慢，且难以搜索到最优解；基于人工神经网络的位移反分析方法，当解空间稍大时便难以收敛到所需要的精度，且训练结果不具有唯一性，因而很难获得与实际岩体相吻合的反演结果；基于遗传进化的位移反分析方法，需对搜索过程进行大量经验性干预才能搜索到最优解；基于遗传进化和神经网络的位移反分析方法，亦只在较小的解空间内才有效。针对这些不足之处，应用自适应神经模糊推理系统的原理，建立了位移反分析的自适应神经模糊推理方法，并应用该方法对所设定的某一标准弹塑性问题的力学参数进行了反演，反演结果表明，在较大的解空间内，这种位移反分析方法收敛速度快、解的稳定性好、反演结果精度高，是一种优异的位移反分析方法。     

岩体本构模型反演识别理论及其工程应用

本文研究了利用隧洞位移量测所提供的信息去识别岩体本构模型的理论和方法,解决了岩土工程位移反演分析的模型辨识理论问题．工程应用实例表明,本文提出的方法不仅有较高的理论价值,还有潜在的应用前景．     

边坡岩体力学参数反分析遗传-神经网络算法

基于均匀设计、有限元法、人工神经网络和遗传算法建立了新的边坡岩体力学参数反分析方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,这样大大缩短了计算时间.通过算例分析,反演结果比较理想,表明该反分析方法是可行性和精确的.     

一种岩体工程黏性流动变形预测的新方法

 为了对岩体工程的黏性流动变形进行预测,依据弹性问题位移分量的古萨(Goursat)表达式和弹–黏弹性比拟原理推导相对位移矢量增量公式,并建立变形预报模型,给出变形预报的方法步骤。该方法不是直接求出真实的时间、介质物性参数以及边界条件的值,而是求出一组组合值,通过相对位移矢量增量公式进行预测。无需复杂的应力边界和位移边界条件,能够考虑岩体介质的本构特征,实现长期的两维变形预报。然后将其应用到具有黏弹性解析解的边坡算例中,结果表明：短期预报的精度较高,误差小于10%,长期预报时误差约为23%。最后,结合边坡开挖讨论这一方法的工程适用性,为岩体工程黏性流动的长期两维变形预报提供理论基础和实用方法。     

基于支持向量机和模拟退火算法的位移反分析

提出了一种基于支持向量机和模拟退火算法的位移反分析方法,一方面用支持向量机代替有限元计算提高计算分析速度,另一方面用模拟退火算法代替传统的优化算法,避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态,从而提高反演的效率精度。应用该方法对边坡的岩体力学参数进行反演,反演结果验证了模型的可行性。     

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。     

层状反倾岩质边坡影响因素及反倾条件分析

借助广西龙滩水电站左岸边坡工程地质剖面模型以及岩体参数对反倾岩质边坡的影响因素进行了多工况分析,提出了边坡反倾优势角的范围。并通过不同模型对应同一点的位移矢量角对层状反倾岩质边坡的反倾条件进行了界定分析。通过与工程实例总结资料对比,其可用性强,并为反倾岩质边坡的快速破坏模式分析提供了科学依据。     

基于神经网络的深厚软土地层参数反演分析

在深基坑工程数值分析中,土体本构关系的选取及其参数的确定对分析的结果会产生重要的影响。结合一个海中深厚软土基坑实例,根据现场实测数据,利用参数敏感性分析确定地层的关键参数,提出一个基于参数敏感性分析和BP神经网络的动态施工反演分析方法。分析结果显示,围护桩水平位移监测值与反演值吻合较好,说明基于参数敏感性分析和BP神经网络的动态施工反演分析方法能够很好地反映土体的非线性、不确定特征,依据该反分析方法获得的土体参数可用于估算下一工况的基坑位移。本次反演得到的土体参数可作为当地深厚软土地层类似工程土体参数的参考取值。     

基于位移反分析的围岩蠕变本构模型参数确定方法

针对隧道围岩蠕变参数难以确定的研究现状,在充分调研各类岩石蠕变本构方程的适用条件的基础上,选取适用于依托工程实际地质状况的蠕变本构方程.采用位移反分析的计算方法,根据现场调查所得隧道围岩监控量测数据进行参数反演,得到了典型断面所在围岩段的围岩蠕变本构方程,并进行了参数验证,结果显示计算模型所得围岩变形值与实测数据误差较...     

反分析技术在基坑开挖及预测中的应用

近十多年来，因基坑失稳影响施工的事故很多，土体计算参数取值的困难是造成事故的主要原因之一。本文以弹性地基梁法为基础，根据现场观测资料，运用位移反分析方法反演土体性态的计算参数，为附近地区土体参数相近的工程设计和施工提供依据及预测。