深埋隧道稳定性分析的智能化及非线性研究

论文摘要

随着西部大开发战略的实施,我国迎来了大规模的基础设施建设和能源开发,其中以南水北调、西电东送、青藏铁路、西气东输以及西部交通基础设施建设等为代表的一系列重大工程中不可避免地涉及到深埋长大隧道和大型地下工程的开挖。为了揭示深埋隧道围岩的失稳破坏机理,适应深埋隧道设计与施工技术发展的需求,对深埋隧道围岩稳定性进行系统的研究显得十分必要。论文结合国家自然科学基金重点项目“隧道及地下空间工程结构物的稳定性与可靠性”（50334060）,以重庆市通渝隧道等为工程背景,以人工智能和突变理论为理论基础,对深埋隧道围岩稳定性分析的新方法进行了研究,主要研究内容及所取得的主要结论如下:（1）在研究了隧道稳定性的位移判据和隧道围岩位移时间序列曲线特征的基础上,系统分析了隧道围岩位移预测的灰色模型、混沌时间序列模型以及混合优化模型的基本原理,提出了用灰色模型、混沌时间序列模型以及混合优化模型相结合的方法对隧道围岩位移进行预测预报,得到了与实测位移一致的预测结果,具有很好的理论价值和实用意义。（2）针对岩土工程的特点,利用VC++6.0实现了十进制遗传算法进化BP神经网络的隐含层结构和学习参数（学习步长η和动量因子α）,实现了BP神经网络的混合进化训练学习过程。（3）提出了基于进化神经网络的深埋隧道围岩位移预测模型,模型在通渝隧道实际应用的结果表明,该方法精度高,且计算效率比基于普通BP神经网络的位移预测模型提高了约3～9倍。（4）提出了基于进化神经网络的深埋隧道围岩分类智能识别模型,模型的识别结果与实际围岩类别相比,准确率都很高,说明所建立的围岩类别识别模型是合理的。而基于进化神经网络的识别模型与基于BP神经网络的识别模型比,学习效率提高了22.6%,同时得出神经网络在进行模式识别时,对精度要求不高。（5）通过对岩爆成因的分析,建立了深埋隧道岩爆灾害智能预测模型,并选择了围岩的最大切向应力σθ、单轴抗压强度σc、单轴抗拉强度σt、弹性能量指数Wet、最大切向应力与单轴抗压强度的比值σθ/σc和单轴抗压强度与单轴抗拉强度的比值σc /σt等六个指标作为岩爆预测模型的输入,通过对国内外典型的岩爆样本的学习和检验,证明该模型是正确的,并用该预测模型对通渝隧道K21+680断面进行了岩爆预测分析,预测结果与工程实际十分吻合。（6）在数值模拟结果和工程实际的基础上,探讨了深埋隧道软弱围岩体发生塌

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 问题的提出及研究意义
• 1.2 国内外的研究现状
• 1.2.1 隧道围岩稳定性分析的方法
• 1.2.2 人工智能及其在隧道围岩稳定性分析的应用
• 1.2.3 非线性理论在隧道围岩稳定性分析的应用
• 1.3 本文的主要研究内容及技术路线
• 2 深埋隧道围岩位移监测及信息反馈研究
• 2.1 隧道新奥法及其施工监测技术简介
• 2.1.1 隧道新奥法简介
• 2.1.2 隧道新奥法施工监测技术简介
• 2.2 隧道围岩稳定性位移判据
• 2.2.1 隧道围岩位移极限状态
• 2.2.2 隧道围岩极限位移的确定方法
• 2.2.3 隧道围岩稳定性位移判别准则
• 2.3 隧道围岩位移特征分析
• 2.3.1 隧道围岩位移时序曲线类型
• 2.3.2 初期变位速度和最终变形量的关系
• 2.4 隧道围岩位移的预测方法
• 2.4.1 回归分析
• 2.4.2 隧道围岩位移的灰色预测模型
• 2.4.3 基于混沌相空间重构的位移预测技术
• 2.4.4 混沌相空间重构－灰色DGM 组合模型
• 2.5 工程应用
• 2.5.1 通渝隧道围岩位移的灰色预测
• 2.5.2 基于相空间重构的通渝隧道围岩位移预测
• 2.5.3 结果分析
• 2.6 本章小结
• 3 基于遗传算法的进化神经网络及其实现
• 3.1 神经网络模型及其学习算法
• 3.1.1 人工神经元模型
• 3.1.2 人工神经网络模型
• 3.1.3 BP 神经网络模型
• 3.2 遗传算法
• 3.2.1 遗传算法的基本原理
• 3.2.2 基本的遗传算法
• 3.2.3 遗传算法的主要步骤
• 3.2.4 遗传算法的特点
• 3.3 基于遗传算法的进化神经网络
• 3.3.1 概述
• 3.3.2 用遗传算法优化BP 神经网络
• 3.3.3 基于十进制遗传算法优化BP 神经网络
• 3.4 进化BP 神经网络的实现
• 3.4.1 开发工具
• 3.4.2 算法结构设计
• 3.4.3 算法实现
• 3.4.4 程序界面简介
• 3.5 本章小结
• 4 深埋隧道稳定性的智能化分析
• 4.1 深埋隧道围岩位移的智能预测
• 4.1.1 深埋隧道围岩位移的智能预测模型
• 4.1.2 工程应用
• 4.1.3 结果分析
• 4.2 深埋隧道围岩类别的智能识别
• 4.2.1 隧道围岩分类方法概述
• 4.2.2 隧道围岩分类的主要方法
• 4.2.3 深埋隧道围岩分类的特点
• 4.2.4 深埋隧道围岩分类的智能识别
• 4.3 深埋隧道岩爆灾害的智能预测
• 4.3.1 概述
• 4.3.2 岩爆判别准则
• 4.3.3 通渝隧道岩爆的智能化预测研究
• 4.4 本章小结
• 5 深埋隧道稳定性的突变理论分析
• 5.1 突变理论
• 5.1.1 基本概念
• 5.1.2 尖点突变模型
• 5.1.3 尖点突变的特性
• 5.2 隧道穿越软弱围岩体的数值模拟
• 5.2.1 3D-σ程序简介
• 5.2.2 三维数值分析模型的建立
• 5.2.3 三维数值模拟的结果及分析
• 5.3 深埋穿越软弱围岩体塌方的突变分析
• 5.3.1 力学模型的建立
• 5.3.2 突变模型的建立
• 5.3.3 深埋隧道穿越软弱围岩体稳定性的突变分析
• 5.3.4 深埋隧道穿越软弱围岩体引起塌方的预防和控制
• 5.4 本章小结
• 6 结论与建议
• 6.1 主要结论
• 6.2 建议
• 致谢
• 参考文献
• 附：
• 1.作者在攻读博士学位期间发表的论文目录
• 2. 作者在攻读博士学位期间参加的科研项目及得奖情况
• 独创性声明
• 学位论文版权使用授权书