基于敏感性分析的裂隙岩体渗流与应力静态全耦合参数反演

基于求解稳定渗流场与弹性位移场耦合问题的全耦合分析方法,应用提出的混合遗传算法作为优化算法,同时利用水头、位移等多类型量测资料,提出了裂隙岩体渗流与应力静态全耦合的参数反演方法。在目标函数建立中考虑了实测水头对渗流参数的敏感性,在待反演力学未知参数的选取中,依据提出的相对灵敏度概念,考虑了实测位移对力学参数的敏感性。针对某裂隙岸坡算例,研究了水库蓄水过程中位移场对力学参数敏感性,据此实现位移测点的优化布置,并以渗流场与位移场全耦合正分析计算结果作为假想实测值,进行该岩坡的全耦合参数反演分析,从而验证了所提出理论与研制程序的正确性和可行性。     

裂隙岩体渗流场的无单元法模拟及渗流特性研究

裂隙岩体因含有发育程度不同的裂隙、节理和断层等不连续面,致其渗透性具有各向异性、不连续性等特点,因此传统的有限元法对分布密集的裂隙岩体渗流场求解有一定的难度。本文提出了采用无单元Glaerkin法求解有自由面裂隙渗流问题,并推导了无单元法求解渗流场的基本方程和积分格式,给出了应用罚函数法处理渗流边界条件和自由面处理方法。采用IDL语言编制了二维无单元法计算软件LIDAREFM。文中以北京怀柔桥梓镇某裂隙岩体边坡渗流场计算为例,研究了复杂裂隙共同作用下渗流场特性和自由面分布,讨论了不同开度、不同连通程度的裂隙对渗流场的影响。研究结果表明:无单元法可以较好地解决有密集裂隙的岩体渗流场的求解问题,实现了裂隙处结点任意加密以及积分网格的独立布置,避免了对有自由面和裂隙穿越的子域的重新处理,简化了渗流问题的求解过程。     

应用化学动力学求解裂隙-岩溶介质渗流参数

裂隙-岩溶介质渗流参数的确定问题是制约渗流计算精确度的重要因素,目前求解裂隙-岩溶介质渗透参数的方法如几何形态法、现场测试法和反馈分析法等都各有局限。笔者试图将化学动力学理论引入裂隙-岩溶介质渗流参数分析计算中,研究一种有效的适合岩溶地区裂隙岩体渗流运动特点的间接参数求解方法。工程实践证明：用水化学动力学方法求解碳酸盐岩裂隙渗流参数是可行的,它具有一定的实用价值。     

裂隙岩体渗透系数确定方法研究

裂隙岩体渗透系数以及渗透主方向的确定对研究岩体渗透性大小及各向异性具有重要意义。高放废物地质处置库介质岩体的渗透性能将直接影响其使用安全性。本文运用离散裂隙网络模拟的方法对我国高放废物处置库甘肃北山预选区3#钻孔附近裂隙岩体进行了渗透性质分析。通过对3#钻孔171.5~178.0m段压水试验数据的反演,标定了离散裂隙网络渗流模型中的裂隙渗透参数(导水系数T)。利用标定的离散裂隙网络模型对场区裂隙岩体进行了渗流模拟,确定了该区域裂隙岩体的渗流表征单元体(REV)的尺寸大小以及渗透主值和主渗透方向。运用离散裂隙网络模型计算得出的渗透主值的几何均值与现场压水试验计算结果较接近,证明了计算结果的有效性。     

天然岩体渗透系数反演研究

天然岩体存在很多裂隙,而水在这些裂隙中的渗流严重影响岩石工程的稳定性,因此确定天然岩体渗透系数具有重大的实际意义。反演方法是确定岩体渗透系数的一种较理想的方法,渗透系数反演可归结为一个复杂的非线性函数优化问题。由于采用传统优化技术存在不少问题,而目前采用的全局优化算法—遗传算法也存在本质的问题,因此,提出仿生算法-免疫进化规划进行岩体渗透系数反演,并用一个大坝坝基工程的算例证明了算法的有效性。结果表明,其方法可以在仅知道水头的条件下,得到接近实际的渗透系数值。     

高水压力作用下裂隙岩体渗透性的变化研究

渗透系数是表征裂隙岩体透水性能的一个重要参数,当水压力较小时,岩体的渗透系数变化不明显,但在高水压力条件下,岩体的渗透系数会发生明显变化,这给我们在进行渗流分析时带来了一定的困难,因为多数情况下是将渗透系数当作定值来计算的。在高压水条件下,基于非达西流方程,推导了裂隙岩体的渗透系数与水压力之间的表达式,并给出了常规压水或低水压力、高压压水时水力劈裂前后渗透系数的计算公式。现场压水试验结果表明,当岩体发生水力劈裂后,渗透系数增加明显,此时可以通过压水量和水压力的变化量来计算裂隙岩体的渗透系数。通过几个抽水蓄能电站的高压压水试验结果验证了裂隙岩体水力劈裂前后渗透系数的变化规律,并与实际裂隙岩体的渗透系数进行了比较,其误差在10%左右,表明本文给出的渗透系数表达式的合理性和准确性,为水利水电工程的渗流分析及渗漏量的计算提供了渗透系数选择的依据。     

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

裂隙岩体渗流模型研究现状与展望

裂隙岩体渗流对于边坡、地下工程及基础岩土体的承载能力有显著的制约作用。本文简要地介绍了多种裂隙岩体渗流模型研究现状,评述了几类比较有代表性的渗流模型特点以及存在的不足,为选取合理的数学模型用于求解具体的裂隙岩体渗流问题提供了参考依据,并在上述基础上提出了一些需要进一步研究的问题。指出就目前应用最为广泛的等效连续介质模型而言,裂隙岩体几何参数、有效孔隙度以及等效渗透张量的确定仍有待于更深入的研究,而从细观力学结构入手研究渗流耦合模型将具有重大的理论意义和实用价值。     

三峡库区泄滩滑坡非饱和渗流分析及渗透系数反演

泄滩滑坡的水文地质结构比较复杂,滑体、滑带及滑动影响带为多孔连续介质,透水层基岩为裂隙介质。采用等效连续介质模型模拟裂隙岩体,建立了泄滩滑坡饱和－非饱和渗流的有限元计算模型。然后采用BP网络对非饱和有限元渗流计算进行了模拟,并根据蓄水期水库水位及滑坡体地下水位监测资料,采用遗传算法对泄滩滑坡各地层渗透系数进行了反演。反演的滑体饱和渗透系数为4.89?10?2 cm/s,与现场原位试验值1.78?10?2 3.2?10?2 cm/s相当;反演的滑带饱和渗透系数为4.66?10?5 cm/s,远比室内试验值2.74?10?7 5.73?10?7 cm/s大。这种差异在一定程度上反映了土体参数的尺度效应。     

一种大坝渗透系数分区反演新方法研究

基于人工神经网络的非线性映射特征,在渗流有限元计算的基础上,结合水头和渗流量等实测资料提出了大坝渗透系数的反演方法。为了克服经典神经网络存在的缺陷,提出了模拟退火的交替迭代算法神经网络新方法。在相同的初始条件下,用该新方法和经典网络进行了比较,得出前者的优越性和有效性。同时将该方法用于大坝的渗流反分析,利用反演出的渗透系数进行渗流场计算。数值计算结果表明,这种方法对大坝渗透系数反演问题具有较高的识别精度,反演结果可靠,可以用于实际工程。     

改进遗传算法在坝基帷幕灌浆方案优化中的应用

以一般基岩上的混凝土重力坝为例,采用改进的遗传算法对坝基有排水时的帷幕灌浆参数组合进行优化研究.根据帷幕的厚度进行单元网格剖分,用有限元数值方法计算渗流场,以坝基渗流量、坝基渗透压力和幕体本身的最大水力坡降不超过允许值为约束条件,以帷幕的工程造价最小为目标函数建立优化设计数学模型,寻找一般情况下的帷幕参数的最优组合,为工程设计提供参考依据.     

改进遗传算法在坝基帷幕灌浆方案优化中的应用

以一般基岩上的混凝土重力坝为例,采用改进的遗传算法对坝基有排水时的帷幕灌浆参数组合进行优化研究。根据帷幕的厚度进行单元网格剖分,用有限元数值方法计算渗流场,以坝基渗流量、坝基渗透压力和幕体本身的最大水力坡降不超过允许值为约束条件,以帷幕的工程造价最小为目标函数建立优化设计数学模型,寻找一般情况下的帷幕参数的最优组合,为工程设计提供参考依据。     

基于遗传算法的深层搅拌桩优化设计

将遗传算法应用于深层搅拌桩优化设计中,以单位面积内深层搅拌桩的水泥用量为优化目标函数。全部约束条件均按相应规范的要求给出,并针对传统遗传算法优化设计时遇到的诸如计算量大、早熟收敛等问题,提出了相应的改进策略,利用Visual C++编制了计算程序,通过实例证明了所提优化方法的有效性。     

新安江右坝裂隙岩体渗流同位素示踪研究

应用同位素示踪方法对新安江右坝的裂隙岩体渗流场进行了研究。在单孔中应用同位素示踪技术可得到流速、流向、垂向流等水力学参数,结合相关的地下水井流理论,就可计算出裂隙等效水力隙宽、渗透系数等反映裂隙渗透性的参数,对其进行分析,就确定了渗流场的分布以及集中渗漏通道的位置。     

Parameters optimization on DHSVM model based on a genetic algorithm

Due to the multiplicity of factors including weather, the underlying surface and human activities, the complexity of parameter optimization for a distributed hydrological model of a watershed land surface goes far beyond the capability of traditional optimization methods. The genetic algorithm is a new attempt to find a solution to this problem. A genetic algorithm design on the Distributed-Hydrology-Soil-Vegetation model (DHSVM) parameter optimization is illustrated in this paper by defining the encoding method, designing the fitness value function, devising the genetic operators, selecting the arithmetic parameters and identifying the arithmetic termination conditions. Finally, a case study of the optimization method is implemented on the Lushi Watershed of the Yellow River Basin and achieves satisfactory results of parameter estimation. The result shows that the genetic algorithm is feasible in optimizing parameters of the DHSVM model.     

A review of Markov Chain Monte Carlo and information theory tools for inverse problems in subsurface flow

Parameter identification is one of the key elements in the construction of models in geosciences. However, inherent difficulties such as the instability of ill-posed problems or the presence of multiple local optima may impede the execution of this task. Regularization methods and Bayesian formulations, such as the maximum a posteriori estimation approach, have been used to overcome those complications. Nevertheless, in some instances, a more in-depth analysis of the inverse problem is advisable before obtaining estimates of the optimal parameters. The Markov Chain Monte Carlo (MCMC) methods used in Bayesian inference have been applied in the last 10 years in several fields of geosciences such as hydrology, geophysics or reservoir engineering. In the present paper, a compilation of basic tools for inference and a case study illustrating the practical application of them are given. Firstly, an introduction to the Bayesian approach to the inverse problem is provided together with the most common sampling algorithms with MCMC chains. Secondly, a series of estimators for quantities of interest, such as the marginal densities or the normalization constant of the posterior distribution of the parameters, are reviewed. Those reduce the computational cost significantly, using only the time needed to obtain a sample of the posterior probability density function. The use of the information theory principles for the experimental design and for the ill-posedness diagnosis is also introduced. Finally, a case study based on a highly instrumented well test found in the literature is presented. The results obtained are compared with the ones computed by the maximum likelihood estimation approach.     

Series Expansion-Based Genetic Inversion of Wireline Logging Data

An evolutionary approach is applied to solve the nonlinear well logging inverse problem. In the framework of the proposed interval inversion method, nuclear, sonic, and laterolog resistivity data measured at an arbitrary depth interval are jointly inverted, where the depth variation of porosity, water saturation, and shale volume is expanded into series using Legendre polynomials as basis functions. In the interval inversion procedure, the series expansion coefficients are estimated by using an adaptive float-encoded genetic algorithm. Since the solution of the inverse problem using traditional linear optimization tools highly depends on the selection of the initial model, a heuristic search is necessary to reduce the initial model dependence of the interval inversion procedure. The genetic inversion strategy used in interval inversion seeks the global extreme of the objective function and provides an estimate of the vertical distribution of petrophysical parameters, even starting the inversion procedure from extremely high distances from the optimum. For a faster computational process, after a couple of thousand generations, the genetic algorithm is replaced by some linear optimization steps. The added advantage of using the Marquardt algorithm is the possibility to characterize the accuracy of the series expansion coefficients and derived petrophysical properties. A Hungarian oil field example demonstrates the feasibility and stability of the improved interval inversion method. As a significance, the genetic inversion method does not require prior knowledge or strong restrictions on the values of petrophysical properties and gives highly reliable estimation results practically independent of the initial model and core information.

     

粘弹性波动方程的系数反演

波动方程的系数反演是一种用于识别地下介质物理力学参数的重要方法。过去这方面的研究一般都建立在弹性模型的基础上,本文则提出了粘弹性反演模型,这种模型更能真实地反映波在地下传播的实际情形。在粘弹性反演模型的基础上,我们还提出了一整套行之有效的数值反演方法,并在频域中完成了反演计算。最后的数值计算结果是令人满意的,证明了本文的模型和方法的合理性。     

基于粒子群支持向量机的三维含水层渗流参数反馈识别

实际岩土体含水层渗流一般是三维、空间各向异性的。针对三维渗流参数识别的数值正算时间过长,易限于局部最优解的问题,提出了一种基于支持向量机和粒子群优化算法的含水层渗流参数反馈识别方法。采用正交试验设计和有限元程序生成学习样本,利用支持向量机高度非线性映射能力,建立水头与渗流参数之间的映射关系,进而以识别误差目标函数为适应值,通过粒子群优化算法反馈搜索得到渗流参数。该方法可直接利用现有大规模渗流有限元程序进行三维含水层渗流参数识别。算例表明,该方法具有良好的效率和精度。