大型地下洞室考虑开挖卸荷效应的位移反分析

基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。     

泥岩巷道围岩弹塑性参数反演分析与长期稳定性预测

以实测的围岩蠕变变形资料为基础,基于现场监测所获得的蠕变本构模型,对某一矿区泥岩体的力学参数进行了弹塑性反演分析,得到的巷道围岩体基本力学参数分别为弹性模量E=2.0 GPa,凝聚力c=1.31 MPa,内摩擦角? =24º。待反演参数水平均值的极差结果显示,通过极差的大小可以判断岩土力学参数的敏感性,对蠕变的影响而言,凝聚力最敏感,其次是内摩擦角,弹性模量再次之。在此基础上,利用反演所得的围岩基本力学参数进行了正演,计算得到了各测点处对应的蠕变位移增量,与实测值相比吻合较好,表明反分析所获得的岩体材料参数综合反映了巷道围岩的力学特性。最后,对巷道围岩变形大小及塑性区范围进行了预测。     

信息化施工技术在地下工程中的应用

针对地下工程设计中“地质环境复杂,基础信息匮乏”的基本特点,结合具体隧洞工程,对信息化施工技术进行了分析探讨。设计和编制了工程数据库信息管理系统。利用现场施工监测取得的位移资料,用优化方法反演了围岩力学特性参数。利用反演分析求得的围岩力学参数,应用有限元法对该工程的施工过程围岩稳定性进行了分析计算。     

考虑松动圈的卡尔曼滤波与有限元耦合反分析法及其在围岩稳定性分析中的应用

考虑洞室开挖后围岩的力学状态和岩石力学众多问题的不确定性本质,通过弹性模量折减的方法,建立了考虑松动圈的卡尔曼滤波与有限元耦合反分析法,并编写了相应算法程序。利用基于文件操作的Fortran与VC++交互通信技术,一方面,为隧道施工量测管理与围岩稳定智能分析系统增加了非确定性反分析模块;另一方面,也使反分析能够利用该系统的图形模块进行前后处理,使该方法的工程应用更加简单,为该法的应用推广创造了很好的条件。用反分析法求出围岩初始参数后,通过有限元正分析可求出全域最大剪应变,并与试验和理论推演获得的临界剪应变相比较,进而进行围岩稳定性判定。由于该围岩稳定性分析法摒弃了一般有限元正分析在围岩初始应力场上的不合理假设,因而结果更贴切实际,更具合理性。对白云隧道YK48+737断面的现场监测数据进行了跟踪反演,获得了该断面围岩塑性区历时变化图,从而及时地了解了围岩的稳定状况,指导了设计和施工。     

二滩电站坝肩厂房三维有限元分析及围岩变形观测反分析

本文首先用应力函数法对二滩电站地下厂房区的着干地应力实测点进行拟合,给出了三维连续初始应力场。然后对三个大型洞室形成的厂房群进行三维有限元分析,得出了洞群围岩中破损区、应力弱化区及高应力区的分布,并就三维分析与二维分析的结果进行了对比。可以认为,二维分析不一定比三维分析更安全,因为三维分析得出的拉破裂范围更大些。文中还提出了一个用弹性有限元分析近似推求裂隙围岩破裂范围的方法。最后介绍在该现场的一个试验洞中进行围岩变形观测及反分析的结果,该反分析较好的验证了围岩力学参数及地应力测量的结果。     

隧道围岩稳定性正算反演分析研究——以厦门海底隧道穿越风化深槽施工安全监控为例介绍

为了降低海底隧道施工风险,确保隧道施工顺利穿越海底几处风化深槽和风化囊区域,解决难以获得隧道围岩力学参数的技术难题,采用位移反分析方法建立了动态反演预测模型;作为比较,还简单介绍了弹塑性反演的一种全局优化方法。根据隧道典型断面实际监控量测的围岩拱顶沉降量和周边收敛位移量,结合先行服务隧道揭露的水文地质情况,进行优化反演分析,得到该类围岩初期支护后的等效弹性模量和等效侧压力系数。在相应的同类地质条件下,对后续将开挖的左、右主洞围岩采用边界元法进行正演数值计算,使之能为主洞施工方案比选以及支护设计参数调整与修正提供定量依据,做到信息化动态设计与施工。工程实例分析表明,利用正算反演分析法得出的围岩等效力学参数是可靠的,可据此对类似地质条件下主隧道围岩进行正演计算分析,预测主洞围岩的变形破坏模式,判断其围岩稳定性。位移反分析法是隧道施工变形理论预测分析与工程实际相联系的有效平台,为工程设计施工技术决策提供了一种切实有效的途径。     

隧道开挖中围岩损伤演化分析及力学参数预测

数值方法所得出结论的可靠性很大程度上取决于岩体力学参数的选取,因此基于损伤演化分析,对损伤变量与围岩力学参数之间关系进行了研究。在各向同性损伤的假定下,通过分析开挖过程中围岩损伤演化,建立了采用损伤变量对弹性模量、泊松比、黏聚力、摩擦角等围岩材料参数进行估算的方法。采用弹性纵波波速定义初始损伤,根据壁城隧道现场监测资料建立ANSYS渐进性数值模型,反演典型断面开挖过程中围岩的宏观力学参数。分析结果表明,该方法可以有效地确定围岩力学参数的变化情况,与实际情况吻合较好。     

基于岩体精细化描述的围岩分类及力学参数概率分布特征分析

针对目前水电站地下厂房工程中不同围岩分类方法存在评价结果不一致、围岩力学参数存在室内试验值与实际情况不吻合的现象,现推荐采用岩体精细化描述体系对围岩岩体结构进行定量化评价。将常用围岩分类方法(RMR、Q、RMi、GSI、BQ、HC)评价指标予以归纳分组,并通过各组内不同指标对比分析获得围岩分类方法中的基础评价指标。以大岗山水电站主厂房某区段为分析对象,采取现场岩体精细化地质素描与后期数据挖掘、拟合相结合方法,并依据评价指标间的关联关系,获得了基础、非基础评价指标的分布概型及对应参数,实现对该段围岩岩体精细化描述认知;基于精细化描述结果,应用Monte Carlo法生成符合各评价指标分布概型的大量随机数,而后参照各分类方法评价思路与评分流程,得到评价指标在各分类方法对应的大量随机评分值,通过归纳统计获得不同围岩分类方法评价结果的分布概型;基于各围岩分类方法评价结果与力学参数值之间的关联关系实现对力学参数概率特征分析。该分析方法与思路可为类似工程围岩质量及力学参数的精确确定提供一定借鉴,并可为实现围岩支护极限状态设计提供必要的原始参数支持。     

双连拱隧道围岩变形有限元与BP神经网络耦合分析

以浙江金(华)-丽(水)-温(州)高速公路永嘉鹿城段的红枫双连拱隧道为工程背景,建立了基于神经网络的连拱隧道围岩变形预测模型.利用施工过程中左洞量测的围岩变形进行反分析,确定出围岩的力学特性参数,再通过数值分析方法对隧道右洞围岩变形和稳定性做出合理的评价和符合实际的预测,从而更有效地对支护参数和施工方法进行反馈设计.通过预测值与实际监测值的比较可以看出,其预测精度满足岩土工程的要求,具有一定的工程意义.     

隧洞围岩损失位移估计的智能优化反分析

隧洞开挖过程中围岩监测断面的布置一般滞后于掌子面开挖,监测断面布置前围岩已发生的位移称为损失位移。采用优化反分析思路求取损失位移,该思路将损失位移的求解转化为以实测位移与计算位移的误差作为目标函数、岩体力学参数作为决策变量的全局优化反分析问题。针对该全局优化反分析问题是一类高度非线性多峰值且计算代价较高的优化问题,将性能优异的粒子群优化算法与高斯过程机器学习方法相融合,结合FLAC3D数值计算程序,提出隧洞围岩损失位移优化反分析的粒子群-高斯过程-FLAC3D智能协同优化方法。算例研究表明,该方法是可行的,不仅能获得可靠的损失位移预测结果,而且可获取合理的围岩计算模型力学参数,具有全局性好、计算效率高的特点,克服了传统优化反分析方法容易陷入局部最优或过于依赖初始学习样本的局限性。将该方法应用到锦屏二级水电站辅助洞BK14+599断面的损失位移反分析,获得了该断面围岩的损失位移和力学参数,其中,损失位移较大,原因在于岩体开挖后在短时间内弹性变形大。因此,对于地下工程,特别是深部地下岩体工程,在围岩稳定性评价与围岩参数反分析中,损失位移不可忽视,应给予足够重视。     

巷道围岩参数的人工神经网络预测

应用人工智能方法解决地下工程问题,提出了预测巷道围岩参数的人工神经网络预测法,构造了预测围岩参数的神经网络模型。预测结果证明,该模型具有很高的预测精度。提出的方法有一定的实用价值和参考价值。     

岩石力学参数数据库系统的开发和研究

收集大量岩石力学参数数据,利用数据预处理、统计分析、灰色系统理论、人工神经网络、经验分析等多种数据处理方法, 并参照各行业规范对力学参数取值的方法和范围,建立起岩石力学参数数据库系统。该系统可以根据工程岩体的名称、风化程度和饱水状态等工程地质情况,对实际工程中工程岩体的力学参数作出查询、预测、判断和决策。文中介绍了该系统的功能、特点、数据收录范围、数据库结构以及系统的框架组成,并以一个工程实例描述了系统的使用方法。     

An intelligent displacement back-analysis method for earth-rockfill dams

An intelligent method for the effective displacement back-analysis of earth-rockfill dams was proposed by combining artificial neural networks and evolutionary calculation. This method employs artificial neural networks, with optimal architecture trained by the evolutionary calculation and Vogl’s algorithm, instead of the time-consuming finite element analysis. In the back analysis, the soil parameters were optimized by performing evolutionary calculations on the tested neural network. The proposed method was verified by applying it to the displacement back-analysis of two projects in China, and the influence of generation number and set size on the simulation ability of neural networks was investigated.     

Prediction of Elastic Modulus of Jointed Rock Mass Using Artificial Neural Networks

Two artificial neural network models for the prediction of elastic modulus of jointed rock mass from the elastic modulus of corresponding intact rock and joint parameters have been demonstrated in this paper. The data collected from uniaxial and triaxial compression tests on different rocks with different joint configurations and different confining pressure conditions, reported in the literature are used as input for training the networks. Important joint properties like joint frequency, joint inclination and roughness of joints are considered separately for making the network more versatile. Two different techniques of artificial neural networks namely feed forward back propagation (FFBP) and radial basis function (RBF) are used to predict the elastic modulus ratio.     

云岭隧道围岩监测免疫智能正演反分析

深埋长隧道中大变形、高应力、复杂的工程地质环境和长期使用需要使得对隧道围岩的稳定性分析成为决定深埋长大隧道工程成败的关键问题.利用位移反分析法分析确定围岩参数是目前研究的一个重点, 用以处理隧道围岩物理力学参数与量测信息之间的非线性关系, 对围岩二次支护方案进行判断、调整.而人工智能在识别、表达与处理这种复杂的非线性关系方面表现了极强的能力.通过对十漫高速公路云岭隧道围岩变形进行监控测量, 结合生物仿真系统和快速拉格朗日分析软件(FLAC) 进行正演分析, 利用神经网络的高度非线性、网络推理和网络耦合能力, 通过数值分析软件获得神经网络训练所需要的输出向量, 以可自适应调节的免疫算法为搜索工具对参数进行全局空间搜寻, 寻找最佳网络结构, 利用量测信息反分析寻找最佳参数, 得出结果再通过正向计算进行验证.通过智能反演分析, 改进了原勘测资料中的建议值, 调整了支护方案, 得到满意结论.表明本文所提反演分析对隧道围岩稳定性评价及信息化设计的实际意义.      

人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用

结合云南省澜沧江某水电站工程实例,应用BP人工神经网络方法建立3层BP网络模型。选取岩石单轴抗压强度、岩体完整性系数、RQD、节理面粗糙度系数、节理面风化变并系数、透水性系数等6个影响因素为输入变量,对坝基右岸复杂岩体进行质量分类。通过对比分析发现,BP网络模型经多次学习后,预测岩体质量类别时辩识能力较强,结果可靠,取得了较好的实际应用效果。      

Application of soft computing in predicting rock fragmentation to reduce environmental blasting side effects

In the blasting operation, risk of facing with undesirable environmental phenomena such as ground vibration, air blast, and flyrock is very high. Blasting pattern should properly be designed to achieve better fragmentation to guarantee the successfulness of the process. A good fragmentation means that the explosive energy has been applied in a right direction. However, many studies indicate that only 20–30 % of the available energy is actually utilized for rock fragmentation. Involvement of various effective parameters has made the problem complicated, advocating application of new approaches such as artificial intelligence-based techniques. In this paper, artificial neural network (ANN) method is used to predict rock fragmentation in the blasting operation of the Sungun copper mine, Iran. The predictive model is developed using eight and three input and output parameters, respectively. Trying various types of the networks, it was found that a trained model with back-propagation algorithm having architecture 8-15-8-3 is the optimum network. Also, performance comparison of the ANN modeling with that of the statistical method was confirmed robustness of the neural networks to predict rock fragmentation in the blasting operation. Finally, sensitivity analysis showed that the most influential parameters on fragmentation are powder factor, burden, and bench height.     

基于粗糙集和人工神经网络的洞室岩体质量评价

针对洞室岩体质量问题,从洞室工程的角度选取能够反映岩体综合工程特性的6个参数,用可拓评判和专家审定的方法构建了决策样本集;再利用粗糙集理论对原始决策样本集进行约简操作,并分析各指标对决策的相对重要性;最后将约简结果生成的规则作为人工神经网络的输入,建立了洞室岩体质量评价模型。通过工程实例分析对比,该模型有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地反映洞室岩体的工程特性。     

Computerization of Rock Engineering Systems Using Neural Networks with an Expert System

Summary With the Rock Engineering Systems (RES) methodology, rock mechanics and rock engineering problems are studied systematically using a total systems approach, incorporating rock mass properties, interrelated parameters, complex interaction mechanisms and dynamic behavioral modes. In this paper, a method of implementation and computerization of RES is considered, using neural networks together with an expert system. The computerized RES starts with the data processing of rock mass properties and boundary conditions and data base management of rock engineering case records. This step is followed by building and operating parameter interaction matrices with the combined use of backpropagation networks and an expert system. Finally, a simulator for modelling the dynamic process of rock engineering systems using the Hopfield network is incorporated. With the aid of neural networks' learning capability and expert system's symbol-reasoning capability, the RES approach is implemented in an “intelligent” mode.