圍巖位移智能反分析在雪峰山公路隧道中的應用研究.pdf

1、隨著國民經濟持續(xù)、穩(wěn)定、快速的發(fā)展，我國不斷加大了對基礎設施的投資，隧道工程的興建也越來越多。隧道修建于地質條件復雜的巖土體中，巖土體具有很大的隨機性、模糊性、不確定性和信息不完整性，因此如何確定巖土體力學參數(shù)是一個比較困難的問題。大量的研究表明，反分析技術有望解決這個問題。本文提出一種將BP人工神經網絡與遺傳算法相結合的、基于MATLAB神經網絡工具箱和遺傳算法工具箱實現(xiàn)的圍巖位移智能反分析方法，并將該方法在雪峰山公路隧道中進行應用，

2、以評價該方法的實用性、可行性。 該反分析方法充分利用了BP神經網絡對非線性函數(shù)強大的映射能力、自學習能力和推廣能力，建立了反演參數(shù)與圍巖位移之間的映射關系。它是一種優(yōu)化反分析方法，即把參數(shù)反分析問題轉化為一個目標函數(shù)的尋優(yōu)問題，其計算過程與正分析相似，先給出一組參數(shù)試探值，利用神經網絡進行計算求解，然后比較計算值和實測值的誤差，通過優(yōu)化方法修正參數(shù)試探值，重復以上步驟直到計算值逼近實測值，即可認為此時的參數(shù)為真實值。 本

3、文分別采用正交試驗設計法、均勻試驗設計法設計BP神經網絡的訓練樣．本、檢驗樣本的試驗方案，并基于各試驗方案下的參數(shù)組合用FLAC<'3D>進行隧道開挖支護模擬以獲取圍巖位移信息。以各參數(shù)組合作為網絡的輸入，以圍巖位移信息作為網絡的輸出，這樣就建立了BP神經網絡的訓練樣本和檢驗樣本。 在傳統(tǒng)BP算法的基礎上，本文采用附加動量法和學習速率自適應調整策略對算法進行改進，這樣加快網絡的訓練速度，確保了網絡的穩(wěn)定性。通過引入調整學習速率參

4、數(shù)，使得傳遞過程更加敏感，也加快了傳遞函數(shù)的收斂速度，提高了訓練函數(shù)的計算精度。 在反分析的過程中，用遺傳算法搜索最優(yōu)的神經網絡結構，并用改進BP算法訓練此網絡，最后用后驗差檢驗方法進行結果檢驗，以證明神經網絡的預測能力。在此基礎上，將訓練好的神經網絡結合遺傳算法進行參數(shù)反分析，即從反演參數(shù)的全局空間上搜索最優(yōu)值。將本文所研究的位移反分析方法應用于雪峰山隧道Ⅲ類圍巖地段，以實際圍巖位移監(jiān)測值為基礎，對圍巖彈性模量和初始地應力側壓