基于人工智能与三维数值模拟的乌竹岭隧道围岩稳定性系统研究

基于人工智能与三维数值模拟的乌竹岭隧道围岩稳定性系统研究

论文摘要

论文以对浙江省乌竹岭隧道地质条件的详细调研为基础,从围岩压力、地表下沉、围岩分类和塌方的角度,以非线性理论为基本思想,对隧道围岩稳定性进行系统研究。论文首次提出了将小波降噪、时间序列相空间重构、GA-BP神经网络三者相结合的非线性围岩压力、地表下沉预测方法,基于互信息的知识相对约简算法与GA-BP神经网络相结合的非线性围岩类别识别方法,以三维裂隙网络和三维离散元数值模拟相结合建立“不确定性模型”和“确定性模型”相结合的隧道塌方预测方法。以围岩压力、地表下沉监测数据为基础,以小波降噪理论剔除监测数据中的噪声信息,以时间序列相空间重构技术重构时间序列,建立GA-BP神经网络样本集,训练遗传算法优化神经网络围岩压力、地表下沉预测模型,并将预测模型应用于乌竹岭隧道围岩压力、地表下沉监测预测,与以往预测方法相比,训练迭代次数少,预测结果精确。通过对隧道围岩分类影响因素的研究,以MIBARK算法对围岩分类影响因素进行属性约简,得出影响围岩分类的最小相对约简,以约简后的属性集作为GA-BP围岩分类识别模型的输入,将训练的模型应用于乌竹岭隧道围岩分类,训练迭代次数少,识别准确率高。以乌竹岭隧道节理裂隙调查为基础,利用三维裂隙网络技术得出优势节理组、节理组宽度和平均间距,借助三维离散元数值模拟技术建立隧道塌方预测的数值模拟模型,成功预测了乌竹岭隧道塌方过程。对隧道围岩稳定性系统研究方法更具有客观性,更适合岩体这种非线性材料的稳定性分析。研究成果可为隧道开挖、支护和塌方的防治提供科学依据,并体现论文选题具有科学意义和创新性,具有应用和推广价值。

论文目录

  • 内容提要
  • 第1章 绪论
  • 1.1 选题依据和研究意义
  • 1.2 隧道围岩稳定性分析方法研究现状
  • 1.2.1 力学分析法研究现状
  • 1.2.2 数值计算方法研究现状
  • 1.2.3 围岩分类法研究现状
  • 1.2.4 反分析法研究现状
  • 1.2.5 存在的问题与发展趋势
  • 1.3 研究内容及技术路线
  • 1.3.1 研究内容
  • 1.3.2 技术路线
  • 1.4 论文的主要创新点
  • 第2章 乌竹岭隧道工程概况
  • 2.1 自然地理条件
  • 2.2 水文地质条件
  • 2.3 区域地质背景
  • 2.4 区域深大断裂
  • 2.5 工程区断层
  • 2.6 区域地应力场情况
  • 2.7 工程施工与设计情况
  • 2.7.1 工程施工情况
  • 2.7.2 隧道断面设计
  • 第3章 基于小波降噪的隧道监测数据处理
  • 3.1 小波降噪方法的基本原理
  • 3.1.1 小波分析简介
  • 3.1.2 小波的定义
  • 3.1.3 常用的小波函数
  • 3.1.4 小波阈值去噪法
  • 3.1.5 小波变换模极大值法
  • 3.2 小波降噪的性能评价标准
  • 3.2.1 信噪比(SNR)
  • 3.2.2 信噪比增益(A)
  • 3.2.3 平滑度(Smooth Degree)
  • 3.2.4 均方根误差(RMSE)
  • 3.2.5 各种评价指标的优缺点
  • 3.3 小波去噪实验方案设计
  • 3.3.1 实验总体设计
  • 3.3.2 小波函数的选择
  • 3.3.3 阈值的选取
  • 3.3.4 模极大值传播线的搜索
  • 3.3.5 小波去噪实验步骤
  • 3.4 隧道围岩压力和地表沉降监测数据的小波降噪处理
  • 3.4.1 乌竹岭隧道围岩压力监测
  • 3.4.2 围岩压力监测数据小波降噪处理
  • 3.4.3 乌竹岭隧道地表下沉监测
  • 3.4.4 地表下沉监测数据小波降噪处理
  • 3.5 本章小结
  • 第4章 基于GA-BP 的围岩压力与地表下沉预测
  • 4.1 时间序列相空间重构
  • 4.1.1 思想和理论基础
  • 4.1.2 时间延迟? 的确定
  • 4.1.3 嵌入维数m 的确定
  • 4.2 神经网络及其学习算法
  • 4.2.1 BP 神经网络简介
  • 4.2.2 网络结构参数设计
  • 4.2.3 BP 神经网络的缺陷与改进
  • 4.2.4 遗传算法简介
  • 4.2.5 遗传算法的主要步骤
  • 4.2.6 基于遗传算法改进的神经网络
  • 4.3 遗传算法优化神经网络围岩压力预测
  • 4.3.1 基于时间序列相空间重构的样本构造
  • 4.3.2 围岩压力的GA-BP 预测模型
  • 4.3.3 预测结果及分析
  • 4.4 遗传算法优化神经网络地表下沉预测
  • 4.4.1 基于时间序列相空间重构的样本构造
  • 4.4.2 地表下沉的GA-BP 预测模型
  • 4.4.3 预测结果及分析
  • 4.5 本章小结
  • 第5章 围岩类别的非线性分类研究
  • 5.1 基于互信息的知识相对约简算法介绍
  • 5.2 围岩分类主控影响因素分析
  • 5.2.1 隧道围岩分类影响因素的选择
  • 5.2.2 围岩分类影响因素属性量化
  • 5.2.3 围岩分类主控影响因素分析
  • 5.3 基于GA-BP 的围岩分类
  • 5.3.1 样本的构建
  • 5.3.2 围岩分类的GA-BP 模型
  • 5.3.3 围岩分类结果
  • 5.4 本章小结
  • 第6章 隧道塌方的三维数值模拟预测
  • 6.1 绪论
  • 6.2 离散单元法的介绍
  • 6.2.1 离散单元法基本原理
  • 6.2.2 3DEC 软件及其功能
  • 6.3 乌竹岭隧道地质概化模型
  • 6.3.1 现场节理调查
  • 6.3.2 随机节理概率统计优势分组的基本原理
  • 6.3.3 乌竹岭隧道右洞节理优势组划分
  • 6.3.4 优势节理组宽度特征
  • 6.3.5 节理特征描述及结构面力学参数的确定
  • 6.3.6 优势组节理间距的确定
  • 6.3.7 计算模型
  • 6.3.8 岩体物理力学指标
  • 6.4 模拟成果及分析
  • 6.5 本章小结
  • 第7章 结论与建议
  • 7.1 结论
  • 7.2 建议
  • 参考文献
  • 攻博期间发表的学位论文及参加的课题项目
  • 致谢
  • 中文摘要
  • Abstract
  • 相关论文文献

    • [1].乌竹岭隧道塌方处理方案[J]. 公路交通技术 2008(05)

    标签:;  ;  ;  ;  ;  ;  ;  

    基于人工智能与三维数值模拟的乌竹岭隧道围岩稳定性系统研究
    下载Doc文档

    猜你喜欢