岩质隧洞参数智能反分析研究及工程应用

论文摘要

由于岩体介质材料的特殊性，在地下工程围岩稳定性分析与施工设计的过程中，本构模型及其计算参数的选取对计算结果的可靠性有着重要的影响。反分析为解决这一问题提供了较为有效的途径。因而进行围岩反演分析理论和方法的研究具有十分重要的意义。 在实际工程当中，岩体的弹塑性特性已经能够较为理想的满足实际需要，因此本文主要针对岩体的弹塑性模型进行分析，具体工作如下： 对围岩位移的影响参数进行了相应的灵敏度计算分析，得出泊松比对围岩位移影响不是很大，可以不计入本文反分析参数。阐述了岩体系统辨识的概念。对位移反分析方法作了介绍，并对各种弹塑性模型进行了总结。对岩体弹塑性模型的辨识转化为对应力屈服函数的参数及弹性参数的辨识。 对模拟退火算法进行改进，并与遗传算法相结合，形成新的智能优化方法。然后以简单函数进行程序测试，验证该算法的有效性。 利用遗传算法对神经网络结构进行优化改进，然后对神经网络进行测试，最后将改进模拟退火算法与BP网络相结合，并应用于系统模型和参数识别。 结合具体隧洞工程，用正交设计方法和均匀设计方法构造神经网络的学习和测试样本。对神经网络进行训练及结构优化。对神经网络预测性能测试后表明其预测能力是理想的，随后利用上述改进模拟退火算法对隧洞围岩进行了模型辨识与参数估计，并利用后验差检验方法加以验证，结果表明是可靠的。最后对位移作出了准确预测，从而验证了本文方法的合理性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 智能反分析法国内外发展概况
• 1.3 本文主要研究内容
• 第二章 位移反分析基本原理
• 2.1 围岩位移的影响因素
• 2.2 位移反分析
• 2.2.1 基本原理
• 2.2.2 目标函数
• 2.3 反分析模型
• 2.3.1 系统辨识
• 2.3.2 本构模型
• 2.3.3 后验差检验方法
• 2.4 本章小结
• 第三章 改进模拟退火算法
• 3.1 模拟退火算法
• 3.1.1 基本理论
• 3.1.2 SA算法描述
• 3.1.3 固体退火过程
• 3.1.4 Metropolis准则
• 3.2 模拟退火策略的改进
• k'>3.2.1 状态转移成功率Rk
• 3.2.2 冷却进度表参数确定
• 3.2.3 连续优化问题
• 3.3 SA算法和遗传算法结合
• 3.3.1 遗传算法
• 3.3.2 两算法的结合
• 3.3.3 函数优化分析
• 3.4 本章小结
• 第四章 改进神经网络优化反分析模型
• 4.1 改进 BP网络
• 4.1.1 BP网络学习规则
• 4.1.2 BP的网络不足与改进
• 4.2 试验设计方法
• 4.2.1 正交设计方法
• 4.2.2 均匀设计方法
• 4.3 模型和参数智能识别
• 第五章 工程算例分析
• 5.1 工程概况
• 5.2 计算模型及测点布置
• 5.3 样本构造
• 5.3.1 学习样本构造
• 5.3.2 测试样本构造
• 5.4 神经网络训练及结构优化
• 5.5 神经网络测试
• 5.6 模型及参数反演
• 5.7 位移预测
• 5.8 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 附录
• 致谢