基于神经网络和遗传算法的岩体参数辨识研究

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。     

关于砂砾石筑坝料超高填筑标准(相对密度≥0.95)的研究及应用

通过对某水电站碾压后砂砾石料筑坝料的试验研究,分析了试坑全料含水量、密度值保留位数对相对密度值的影响,研究了现场密度桶法与传统超粒径三点近似法在应用过程中存在的问题,建议对超高填筑标准(相对密度≥0.95)的筑坝砂砾石料进行施工质量控制时,应使用试坑全料含水量换算现场干密度,采用现场密度桶法确定超粒径料的最大、最小干密度,同时建议在换算相对密度过程中密度值应保留3位有效数字。