遗传算法在地应力反演中的应用

论文摘要

初始地应力场是地质环境和地壳稳定评价的重要基础资料,它不仅决定岩体稳定和区域稳定,而且会对各类建筑物的设计和施工造成直接的影响。所以,长期以来,工程区的初始地应力反演一直是工程界和学术界研究的重要内容。提供地应力最直接的途径是现场地应力测试,但是存在地应力测点相对较少、量测结果会有一定程度的离散性等问题,所以,在现场实测地应力数据基础上结合有限元计算进行反演分析是研究初始地应力的另一种有效途径。本文在大量阅读国内外参考文献的基础上,首先对岩体初始地应力反演分析的研究现状进行了总结;然后介绍了初始地应力测量的原理和方法,人工神经网络和遗传算法在反演分析中的应用;最后结合某工程实例,利用遗传算法优化神经网络结构结合有限元方法反演了初始地应力。另外,在计算过程中,本文采用正交试验方法构造学习样本,不但保证了网络预测的准确性,并且减少了试验次数;针对传统的BP神经网络反演方法容易陷入局部极小点并且收敛速度慢的缺点,本文提出遗传算法结合神经网络的方法,大大提高了神经网络的收敛速度。最后通过模拟计算与实测结果对比,表明本文采用的反演初始地应力的方法是可行的,计算结果是合理的,在类似工程建设中具有一定的实用价值。

论文目录

• 摘要
• abstract
• 第一章 绪论
• 1.1 本课题研究的意义
• 1.2 初始地应力的研究历史和现状
• 1.2.1 定性研究阶段
• 1.2.2 定量研究阶段
• 1.3 初始地应力的一些基本规律
• 1.4 本文研究的主要内容
• 第二章 初始地应力测量
• 2.1 引言
• 2.2 初始地应力测量基本原理
• 2.3 初始地应力测量方法简介
• 2.4 本章小结
• 第三章 神经网络在初始地应力反演中的应用
• 3.1 人工神经网络反演分析方法
• 3.1.1 人工神经网络简介
• 3.1.2 人工神经网络的特点
• 3.1.3 人工神经网络的计算模型
• 3.2 神经网络BP 算法
• 3.2.1 BP 网络算法的思路
• 3.2.2 BP 算法的计算过程
• 3.3 BP 神经网络在初始地应力场反演中的应用
• 3.4 本章小结
• 第四章 遗传算法的理论与方法研究
• 4.1 遗传算法的基本流程
• 4.2 遗传算法的基本理论
• 4.2.1 模式定理
• 4.2.2 积木块假设
• 4.2.3 骗问题
• 4.2.4 收敛性
• 4.3 遗传算法的实现
• 4.3.1 群体设定
• 4.3.2 生成初始化群体
• 4.3.3 编码
• 4.3.4 适应度函数(fitness functi
• 4.3.5 遗传算子
• 4.4 混合遗传算法
• 4.4.1 概述
• 4.4.2 遗传算法对神经网络的进化
• 4.4.3 混合遗传算法反演地应力
• 4.5 本章小结
• 第五章 工程实例
• 5.1 工程概况
• 5.2 实测地应力值坐标转换
• 5.3 初始地应力场反演
• 5.3.1 模型的建立及网格划分
• 5.3.2 神经网络方法优化参数
• 5.3.3 遗传算法优化神经网络结构
• 5.3.4 神经网络结构训练
• 5.4 计算结果和分析
• 5.5 本章小结
• 结论与展望
• 参考文献
• 致谢