深埋隧道穩(wěn)定性分析的智能化及非線性研究.pdf

1、隨著西部大開發(fā)戰(zhàn)略的實施，我國迎來了大規(guī)模的基礎設施建設和能源開發(fā)，其中以南水北調、西電東送、青藏鐵路、西氣東輸以及西部交通基礎設施建設等為代表的一系列重大工程中不可避免地涉及到深埋長大隧道和大型地下工程的開挖。為了揭示深埋隧道圍巖的失穩(wěn)破壞機理，適應深埋隧道設計與施工技術發(fā)展的需求，對深埋隧道圍巖穩(wěn)定性進行系統(tǒng)的研究顯得十分必要。 論文結合國家自然科學基金重點項目“隧道及地下空間工程結構物的穩(wěn)定性與可靠性”（50334060）

2、，以重慶市通渝隧道等為工程背景，以人工智能和突變理論為理論基礎，對深埋隧道圍巖穩(wěn)定性分析的新方法進行了研究，主要研究內容及所取得的主要結論如下： (1) 在研究了隧道穩(wěn)定性的位移判據和隧道圍巖位移時間序列曲線特征的基礎上，系統(tǒng)分析了隧道圍巖位移預測的灰色模型、混沌時間序列模型以及混合優(yōu)化模型的基本原理，提出了用灰色模型、混沌時間序列模型以及混合優(yōu)化模型相結合的方法對隧道圍巖位移進行預測預報，得到了與實測位移一致的預測結果，具有很

3、好的理論價值和實用意義。 (2)針對巖土工程的特點，利用VC++6.0實現了十進制遺傳算法進化BP神經網絡的隱含層結構和學習參數（學習步長 和動量因子 ），實現了BP神經網絡的混合進化訓練學習過程。 (3) 提出了基于進化神經網絡的深埋隧道圍巖位移預測模型，模型在通渝隧道實際應用的結果表明，該方法精度高，且計算效率比基于普通BP神經網絡的位移預測模型提高了約3～9倍。 (4) 提出了基于進化神經網絡的深埋隧道圍巖

4、分類智能識別模型，模型的識別結果與實際圍巖類別相比，準確率都很高，說明所建立的圍巖類別識別模型是合理的。而基于進化神經網絡的識別模型與基于BP神經網絡的識別模型比，學習效率提高了22.6％，同時得出神經網絡在進行模式識別時，對精度要求不高。 (5) 通過對巖爆成因的分析，建立了深埋隧道巖爆災害智能預測模型，并選擇了圍巖的最大切向應力 、單軸抗壓強度 、單軸抗拉強度 、彈性能量指數 、最大切向應力與單軸抗壓強度的比值 和單軸抗壓強

5、度與單軸抗拉強度的比值 等六個指標作為巖爆預測模型的輸入，通過對國內外典型的巖爆樣本的學習和檢驗，證明該模型是正確的，并用該預測模型對通渝隧道K21+680斷面進行了巖爆預測分析，預測結果與工程實際十分吻合。 (6) 在數值模擬結果和工程實際的基礎上，探討了深埋隧道軟弱圍巖體發(fā)生塌方失穩(wěn)的破壞機理，建立了深埋隧道軟弱圍巖體發(fā)生塌方失穩(wěn)的突變模型，該模型可較好地解釋隧道穿越軟弱圍巖時拱頂常發(fā)生大范圍塌方的現象，具有較好的理論價值和

6、實用價值。 本文研究的創(chuàng)新之處： (1)針對巖土工程的特點，利用VC++6.0實現了十進制遺傳算法進化BP神經網絡的隱含層結構和學習參數 和 ，實現了BP神經網絡的混合進化訓練學習過程。 (2)系統(tǒng)的研究了人工智能在深埋隧道圍巖穩(wěn)定性中的應用。提出的基于進化神經網絡的隧道圍巖位移預測模型精度高，而且計算效率比普通的BP算法提高了約3～9倍；提出的基于神經網絡的深埋隧道圍巖分類智能識別模型，其識別結果與實際圍巖類別