圍巖位移智能反分析在雪峰山公路隧道中的應(yīng)用研究.pdf

1、隨著國(guó)民經(jīng)濟(jì)持續(xù)、穩(wěn)定、快速的發(fā)展，我國(guó)不斷加大了對(duì)基礎(chǔ)設(shè)施的投資，隧道工程的興建也越來(lái)越多。隧道修建于地質(zhì)條件復(fù)雜的巖土體中，巖土體具有很大的隨機(jī)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(xué)參數(shù)是一個(gè)比較困難的問(wèn)題。大量的研究表明，反分析技術(shù)有望解決這個(gè)問(wèn)題。本文提出一種將BP人工神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的、基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱和遺傳算法工具箱實(shí)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(jìn)行應(yīng)用，

2、以評(píng)價(jià)該方法的實(shí)用性、可行性。 該反分析方法充分利用了BP神經(jīng)網(wǎng)絡(luò)對(duì)非線(xiàn)性函數(shù)強(qiáng)大的映射能力、自學(xué)習(xí)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(guān)系。它是一種優(yōu)化反分析方法，即把參數(shù)反分析問(wèn)題轉(zhuǎn)化為一個(gè)目標(biāo)函數(shù)的尋優(yōu)問(wèn)題，其計(jì)算過(guò)程與正分析相似，先給出一組參數(shù)試探值，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算求解，然后比較計(jì)算值和實(shí)測(cè)值的誤差，通過(guò)優(yōu)化方法修正參數(shù)試探值，重復(fù)以上步驟直到計(jì)算值逼近實(shí)測(cè)值，即可認(rèn)為此時(shí)的參數(shù)為真實(shí)值。 本

3、文分別采用正交試驗(yàn)設(shè)計(jì)法、均勻試驗(yàn)設(shè)計(jì)法設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣．本、檢驗(yàn)樣本的試驗(yàn)方案，并基于各試驗(yàn)方案下的參數(shù)組合用FLAC<'3D>進(jìn)行隧道開(kāi)挖支護(hù)模擬以獲取圍巖位移信息。以各參數(shù)組合作為網(wǎng)絡(luò)的輸入，以圍巖位移信息作為網(wǎng)絡(luò)的輸出，這樣就建立了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和檢驗(yàn)樣本。 在傳統(tǒng)BP算法的基礎(chǔ)上，本文采用附加動(dòng)量法和學(xué)習(xí)速率自適應(yīng)調(diào)整策略對(duì)算法進(jìn)行改進(jìn)，這樣加快網(wǎng)絡(luò)的訓(xùn)練速度，確保了網(wǎng)絡(luò)的穩(wěn)定性。通過(guò)引入調(diào)整學(xué)習(xí)速率參

4、數(shù)，使得傳遞過(guò)程更加敏感，也加快了傳遞函數(shù)的收斂速度，提高了訓(xùn)練函數(shù)的計(jì)算精度。 在反分析的過(guò)程中，用遺傳算法搜索最優(yōu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并用改進(jìn)BP算法訓(xùn)練此網(wǎng)絡(luò)，最后用后驗(yàn)差檢驗(yàn)方法進(jìn)行結(jié)果檢驗(yàn)，以證明神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力。在此基礎(chǔ)上，將訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法進(jìn)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(yīng)用于雪峰山隧道Ⅲ類(lèi)圍巖地段，以實(shí)際圍巖位移監(jiān)測(cè)值為基礎(chǔ)，對(duì)圍巖彈性模量和初始地應(yīng)力側(cè)壓