地下工程围岩位移反分析的改进模拟退火算法

本文针对地下工程围岩位移反分析问题的目标函数存在多个局部极值的特点，在对模拟退火算法进程中控制参数，即初始温度、每一温度下的状态选取次数和退火策略的确定方法加以改进的基础上．引进有限元分析手段和自适应的思想，建立了基于改进模拟退火算法的位移反分析方法，并开发了相应的分析程序。工程实践分析表明：本文理论计算结果与实测结果吻合良好，该方法较一般模拟退火算法具有明显的优越性。     

增量位移反分析在水电地下洞室工程中的应用

反分析是确定计算模型参数的有效方法.通常多采用量测所得全量位移进行反演计算.但地下工程中许多量测数据为增量位移,且实际施工过程可以通过建立分步开挖的有限元模型来模拟.据此,结合某水电站地下洞室工程中地下厂房的开挖,建立了模拟动态施工的有限元模型,利用某一开挖步施工前后量测值之差,采用增量位移优化反分析方法对洞室附近初始地应力场及围岩弹性模量进行了反演.计算所得增量位移与实测值符合较好,表明了这种方法的可行性.同时,根据分析结果对该方法进行了评价.     

Hoek-Brown准则岩体力学参数非线性位移反分析

Hoek-Brown准则综合考虑岩体结构、岩块强度等因素,能很好地反映岩体的非线性破坏,更符合工程实际,但其参数选取的主观性及不确定性严重影响其应用效果。通过分析敏感性分析结果及Hoek-Brown准则的圆形硐室围岩位移表达式,借助FLAC~(3D)数值模拟和回归性分析建立了基于Hoek-Brown准则的非线性回归模型,结合差分进化算法提出了合理的位移反分析方法及步骤,并成功应用于青岛地铁工程。结果表明,所建立的非线性回归模型能较好地反映隧道位移与地质强度指标GSI、扰动系数D及泊松比μ的关系,所提出的位移反分析方法能较准确地反演获得GSI、D、μ值,由所得反演参数值计算的位移与现场监测位移的相对误差较小,具有良好的一致性,验证了该方法的合理性、准确性,为准确获取Hoek-Brown准则参数提供了新方法。     

基于MCMC法的非饱和土渗流参数随机反分析

基于贝叶斯理论,以马尔可夫链蒙特卡罗方法（Markov chain Monte Carlo Simulation, MCMC法）的自适应差分演化Metropolis算法为参数后验分布抽样计算方法,建立利用时变测试数据的参数随机反分析及模型预测方法。以香港东涌某天然坡地降雨入渗测试为算例,采用自适应差分演化Metropolis算法对时变降雨条件下非饱和土一维渗流模型参数进行随机反分析,研究参数后验分布的统计特性,并分别对校准期和验证期内模型预测孔压和实测值进行比较。研究结果表明,DREAM算法得到的各随机变量后验分布标准差较先验分布均显著减小;经过实测孔压数据的校准,模型计算精度很高,校准期内95%总置信区间的覆盖率达到0.964;验证期第2～4个阶段95%总置信区间的覆盖率分别为0.52、0.79和0.79,模型预测结果与实测值吻合程度较高。     

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。     

基于神经网络和演化算法的土石坝位移反演分析

构造了基于综合应用人工神经网络和演化算法的位移反演分析方法。该法使用具有较强非线性映射能力的神经网络模型代替有限元计算,提高了计算效率。采用演化算法和Vogl快速算法,同时优化神经网络的结构和权值,增加其适应性并加快训练速度;使用多种群演化等策略,改善演化算法的全局收敛性和收敛速度。以三峡茅坪溪防护土石坝的变形反演分析为例,研究了神经网络演化代数以及训练样本数量对神经网络模拟能力的影响,证明了所建立的反演分析方法的有效性。     

水平液化场地土表位移简化理论解答

水平液化场地地表往返位移的求解是基础和地下工程抗震设计的迫切需求。利用双层模型模拟实际水平场地,提出了可考虑液化层存在下的土表位移简化计算方法并给出频域理论解答,同时采用逐循环累计方法给出水平场地任意荷载下土表位移时域解答。采用适于水平场地孔压增量模型,并逐循环修正土层模量,模拟液化引起的土层的非线性过程。振动台试验结果和提出棋型的计算结果吻合,验证了所提方法能够反映土体液化对土表位移影响的基本过程。提出的方法和解答物理意义明确,可代表土体液化对土表位移影响的基本形态,并可用于频域及时域的无量纲分析。     

基于v-SVR和GA的初始地应力场位移反分析方法研究

基于一种改进的支持向量机（v-SVR）和改进的遗传算法（GA），提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案，用v-SVR对正分析中测点位移值与参数构成的样本集进行学习，建立参数取值与观测点测值的非线性隐式方程；采用确定性或随机反分析的思路确定反分析的优化目标函数，并利用GA搜索最优参数取值。采用v-SVR方法建立的参数取值与位移量测点测值的非线性隐式方程，能够以很高的精度拟合和预测不同参数取值时的观测点测值，因此，可以用该隐式方程代替正分析，减少计算量；采用改进的GA方法能够准确搜索到最优参数；搜索到的最优参数值与理论值相当吻合。算例表明，基于v-SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法，可以广泛用于初始地应力场确定性反分析和随机反分析。     

增量位移反分析方法在拉西瓦地下厂房中的应用

由于位移量测具有方便、准确和经济的特点,因而位移反分析法在地下工程领域获得了广泛的应用。以拉西瓦地下厂房的开挖过程为实际工程背景,应用从奥地利引进的大型岩土工程数值仿真分析系统FINAL为平台,建立了模拟分层开挖的有限元模型。采用主厂房第3层开挖前后洞壁围岩关键点的增量位移对厂区初始地应力场及围岩弹性模量进行了反演,最后利用反演结果对后续开挖过程中围岩的稳定性进行了预测。反分析所得增量位移与实测值符合较好,表明了这种方法的可行性。     

基于ν-SVR和GA的初始地应力场位移反分析方法研究

基于一种改进的支持向量机(ν-SVR)和改进的遗传算法(GA),提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用ν-SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用ν-SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于ν-SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究

广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。     

基于改进遗传算法的粘弹性岩体力学参数反演

把模式搜索嵌入目前广为应用的遗传算法中,使之和神经网络有机结合,提出了搜索—遗传—神经网络算法。该方法用经过最佳预测学习算法训练的神经网络来表达粘弹性岩体力学参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间。结合某工程实例,验证了该方法在粘弹性岩体力学参数反演中的优越性。      

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。     

基于多重响应面法的基坑位移反分析

基坑变形的反分析涉及数值模型与优化方法的耦合,常具有计算量大、使用不方便的特点。为此,提出1种可用于基坑变形反分析的多重响应面法,该方法在基坑地下连续墙不同深度处分别采用二次多项式表示地下连续墙水平位移与土层弹性模量之间的隐式关系,在此基础上利用位移观测对基坑土层弹性模量进行反分析。该方法可以解开数值模型和优化算法的耦合,从而具有较高的计算效率。工程应用实例表明,多重响应面法对基坑土层弹性模量进行反分析具有使用方便、计算效率高、计算结果准确的优点,非常适合求解基坑工程的位移反演问题。     

紫金山金铜矿初始地应力场反演分析

初始地应力是影响工程边坡、硐室和地基岩体稳定性的重要因素之一,也是工程设计需要的基本指标之一。根据紫金山矿区地应力的实测资料,利用支持向量机和模拟退火算法对初始地应力场进行反演分析,一方面用支持向量机代替有限元计算,提高了计算分析速度;另一方面用模拟退火算法代替传统的优化算法,避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态,提高了反演的效率精度。通过实测点的计算应力值与现场实测值的比较,两者在量值和方向上接近,表明该方法较合理地反映了初始地应力场的分布规律,能够满足矿区设计和研究的需要。     

模拟退火优化算法的冻土热传导参数反分析

土体热参数是寒区工程温度场预测和稳定性分析至关重要的参数。根据冻土温度场计算的特点,建立冻土一维相变热参数估计模型,采用非线性有限元法得到土体温度场,基于一种非常快速的模拟退火（VFSA）算法对热参数进行反分析。考虑各个参数的敏感度因子和土体分层情况,将热参数分组、分步进行反演,克服参数较多反演困难的缺陷。以青藏公路多年冻土区监测断面下土体反分析为例,反演分析冻土路基下部不同土层的导热系数、体积热容量和孔隙率等参数。最后,运用参数反演结果对温度场进行预测,经检验和与实测地温对比,表明参数反分析结果可靠,有较高的精度,该方法可用于实际工程。     

位移反分析的粒子群优化-高斯过程协同优化方法

针对采用随机全局优化技术进行岩土工程位移反分析存在数值计算量大、效率低的问题,将粒子群优化算法与高斯过程机器学习技术相结合,提出了位移反分析的粒子群优化-高斯过程协同优化方法。该方法利用全局寻优性能优异的粒子群优化算法进行寻优的基础上,采用高斯过程机器学习模型不断地总结历史经验,预测包含全局最优解的最有前景区域,通过提高粒子群搜索效率并降低适应度评价次数,进而有效地降低位移反分析过程中的数值计算工作量。多种测试函数的数学验证和工程算例的研究结果表明该方法是可行的,与传统方法相比较,可显著地降低位移反分析的计算耗时。