岩质隧道信息化施工及围岩力学参数反分析研究

岩质隧道信息化施工及围岩力学参数反分析研究

论文摘要

传统的岩石力学分析方法,不论是理论分析还是数值分方法,都是一种正向思维或确定性思维。然而对岩土工程问题应用正面的纯理论和数值预测及计算,往往是很难奏效的。必须详细地了解实际的条件和过程,积累经验,对理论和参数进行合理修正;在工程中不断监测并积累数据,在其基础上合理优化参数,再计算和预测以后的变化,从而达到更高的精度。因此实际工程中需要“理论导向,经验判断,精心观测,合理反算”。本文以绿春坝铁路隧道为工程应用背景,利用现场监测数据为基本信息,结合三维数值分析及遗传神经网络智能反分析系统,对围岩力学参数进行了反分析。根据现场典型监测断面数据的回归分析与曲线拟合,分析围岩变形(拱顶下沉及水平收敛)随时间以及空间变化的特点,预测围岩变形趋势并为二次衬砌提供最佳时机。采用正交设计法及均匀设计法对待反演的围岩力学参数(弹性模量E、泊松比μ、内聚力c及内摩擦角Φ)在初始域范围内进行设计,将多组参数样本代入到已建立好的三维数值隧道开挖模型中,结合三台阶七步开挖法施工工艺进行围岩弹塑性分析,求出关键点位移组成BP神经网络的训练样本及测试样本。针对BP神经网络易陷入局部极小值和训练时间过长等缺点,利用遗传算法全局寻优能力优化BP神经网络的权值和阈值。将数值计算结果作为训练样本及测试样本构建GA-BP智能反分析系统。本文在综合研究上述内容的基础上,将GA-BP智能反分析系统应用于隧道开挖工程中,结合现场量测信息反演围岩力学参数,将优化参数代入到有限元程序中进行计算分析,评估围岩稳定性及支护结构。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 引言
  • 1.2 现场监测的重要性
  • 1.3 国内外研究现状
  • 1.3.1 反分析方法的研究现状
  • 1.3.2 反分析方法存在的问题
  • 1.3.3 反分析方法的发展方向
  • 1.4 本文的研究目的与主要内容
  • 1.4.1 研究目的
  • 1.4.2 研究内容
  • 1.5 本文的技术路线
  • 第2章 位移反分析基本理论及方法
  • 2.1 引言
  • 2.2 反分析的必要性
  • 2.3 位移反分析法关键因素
  • 2.3.1 数值模型
  • 2.3.2 位移量测系统
  • 2.3.3 待反演参数的选择
  • 2.3.4 目标函数的选择
  • 2.3.5 优化方法的选择
  • 2.3.6 反分析结果的检验
  • 2.4 本章小结
  • 第3章 隧道开挖动态监测及围岩稳定性数值分析
  • 3.1 概述
  • 3.2 隧道开挖监控量测
  • 3.2.1 隧道监控量测的意义
  • 3.2.2 监测方案设计
  • 3.2.3 监控数据分析
  • 3.3 隧道开挖三维数值模拟试验
  • 3.3.1 有限元分析软件ANSYS简介
  • 3.3.2 隧道设计和施工工艺概述
  • 3.3.3 模型建立
  • 3.3.4 初始地应力场
  • 3.3.5 材料本构模型
  • 3.3.6 计算步骤
  • 3.3.7 计算参数的选取
  • 3.3.8 计算结果
  • 3.4 正交数值模拟试验
  • 3.5 均匀数值模拟试验
  • 3.6 本章小结
  • 第4章 基于MATLAB的遗传神经网络智能反分析系统的建立
  • 4.1 概述
  • 4.2 神经网络原理
  • 4.2.1 人工神经网络的构成
  • 4.2.2 人工神经网络的分类
  • 4.3 BP神经网络
  • 4.3.1 BP神经网络传递函数及学习方法
  • 4.3.2 BP网络学习函数
  • 4.3.3 BP网络训练函数
  • 4.3.4 BP神经网络误差函数
  • 4.3.5 BP神经网络结构的确定
  • 4.4 遗传算法
  • 4.4.1 遗传算法基本思想
  • 4.4.2 遗传算法特点
  • 4.4.3 遗传算法基本操作
  • 4.4.4 遗传算法性能测试
  • 4.5 遗传算法优化神经网络及编程实现
  • 4.5.1 遗传算法优化神经网络
  • 4.5.2 GA-BP智能反分析系统的建立
  • 4.6 本章小结
  • 第5章 智能位移反分析法在绿春坝隧道7-程中的应用
  • 5.1 工程概况
  • 5.1.1 工程地质及水文地质
  • 5.1.2 隧道设计和施工工艺概述
  • 5.2 监测数据分析
  • 5.2.1 拱顶下沉
  • 5.2.2 水平收敛及监测数据分析
  • 5.3 训练样本及测试样本的产生
  • 5.3.1 样本数据归一化和反归一化
  • 5.3.2 神经网络训练
  • 5.3.3 神经网络测试
  • 5.3.4 围岩参数反分析与预测
  • 5.4 本章小结
  • 第6章 结论及展望
  • 6.1 结论
  • 6.2 展望
  • 参考文献
  • 致谢
  • 个人简介
  • 附录
  • 相关论文文献

    • [1].基于萤火虫-支持向量机方法的地下厂房围岩力学参数反分析研究[J]. 河南科学 2020(08)
    • [2].隧道施工围岩力学参数的动态辨识方法研究[J]. 湖南交通科技 2014(04)
    • [3].山岭公路隧道围岩力学参数估计[J]. 公路工程 2013(02)
    • [4].基于正交试验的围岩力学参数反演及巷道支护设计[J]. 煤矿开采 2012(01)
    • [5].围岩力学参数对小净距隧道初期支护受力影响的研究[J]. 路基工程 2020(02)
    • [6].基于GA-BP算法的隧道围岩力学参数反分析[J]. 东北大学学报(自然科学版) 2012(02)
    • [7].嘎隆拉隧道围岩力学参数对变形的敏感性分析[J]. 岩土工程学报 2012(08)
    • [8].高速铁路隧道围岩力学参数反演研究[J]. 铁道工程学报 2020(09)
    • [9].利用多点位移计实测值反演隧道围岩力学参数[J]. 水利与建筑工程学报 2009(03)
    • [10].大型地下工程围岩力学参数反分析方法研究[J]. 水力发电 2018(03)
    • [11].采用自适应神经模糊推理系统反演隧道围岩力学参数[J]. 科学咨询(科技·管理) 2013(11)
    • [12].地下洞室施工期围岩力学参数反演与力学响应超前预测自动化系统开发[J]. 四川大学学报(工程科学版) 2013(06)
    • [13].双向八车道连拱隧道围岩力学参数反演分析[J]. 探矿工程(岩土钻掘工程) 2011(05)
    • [14].围岩力学参数反演的GSA-BP神经网络模型及应用[J]. 岩土力学 2016(S1)
    • [15].基于围岩力学参数概率分布模型的变形敏感性灰关联分析[J]. 岩土力学 2015(03)
    • [16].遗传优化RBPNN的隧道围岩力学参数反演计算[J]. 数学的实践与认识 2013(09)
    • [17].H-B准则在隧道围岩力学参数确定中的应用[J]. 人民黄河 2012(09)
    • [18].基于遗传算法的地下洞室围岩力学参数反分析[J]. 现代隧道技术 2018(06)
    • [19].基于围岩力学参数的TBM净掘进速率多元回归预测模型[J]. 隧道建设(中英文) 2019(01)
    • [20].鄂北丘陵岗地区浅埋隧洞劣质围岩支护数值模拟研究[J]. 安徽理工大学学报(自然科学版) 2019(06)
    • [21].大型地下洞室群施工期围岩力学参数实时动态反演[J]. 河海大学学报(自然科学版) 2016(03)
    • [22].基于Hoek-Brown准则的山岭隧道围岩力学参数估计[J]. 地下空间与工程学报 2017(01)
    • [23].基于BP神经网络的隧道围岩力学参数反分析方法[J]. 沈阳建筑大学学报(自然科学版) 2011(02)
    • [24].隧道开挖对围岩力学参数影响的数值模拟分析[J]. 广东公路交通 2018(04)
    • [25].基于BP人工神经网络的隧道围岩力学参数反分析[J]. 铁道建筑 2016(07)
    • [26].白水隧道围岩力学参数敏感性分析与智能反演[J]. 湖南文理学院学报(自然科学版) 2019(02)
    • [27].岩壁吊车梁硐室围岩力学参数反分析研究[J]. 昆明理工大学学报(自然科学版) 2011(06)
    • [28].浅埋超大跨四线高铁隧道开挖力学特性研究[J]. 能源与环保 2019(07)
    • [29].隧道围岩力学参数反分析及工程应用[J]. 大连海事大学学报 2015(02)
    • [30].大跨径水工隧洞围岩力学参数反演分析[J]. 河南科学 2019(09)

    标签:;  ;  ;  ;  ;  

    岩质隧道信息化施工及围岩力学参数反分析研究
    下载Doc文档

    猜你喜欢