共查询到19条相似文献，搜索用时 140 毫秒
1.
具有分数Kelvin模型的粘弹性岩体中水平圆形硐室的变形特性 总被引：19，自引：0，他引：19
在忽略体积变形的情况下进行水平图形硐室变形特性研究,建议采用分数代数Kelvin本构关系模拟岩体的粘弹性,提出了一种分析粘弹性岩体中水平圆形硐室变形特性的新思路,讨论了硐室位移及应变随时间变化的规律并与经典的Kelvin模型进行了比较。从分析的结果表明,分数代数能很好地模拟出粘弹性体松驰特性,通过改变分数代数的阶数又可以模拟各种粘弹性岩体、比经典粘弹性模型具有更大的适用范围。 相似文献
2.
通过在水布垭水利枢纽地下厂房中进行变形试验,研究了厂房区岩体的变形特性,采用反分析法进行粘弹性反分析,反演出地应力、弹性模量及粘性参数,并与现场试验结果进行比较,对反算值进行评价。 相似文献
3.
基于响应面方法的围岩参数随机反分析 总被引：5，自引：4，他引：5
在有限元分析的基础上，应用响应面方法拟合岩体参数与岩体位移之间的非线性映射关系，以代替有限元的数值模拟，考虑变形量测的随机性，结合响应面方程、优化方法和Monte-Carlo技术，根据位移反分析的最小二乘原理，对围岩参数进行随机反分析，反演结果给出参数的特征值，为围岩稳定性和可靠度分析提供必要的数据，数值结果表明该方法具有较好的计算精度。 相似文献
4.
横观各向同性岩体中圆形巷道反分析的惟一性 总被引：1，自引：1，他引：0
惟一性研究是位移反分析的基础工作之一。推导了横观各向同性岩体中圆形巷道的位移解析解,利用参数可辨识条件对横观各向同性岩体中圆形巷道位移反分析的惟一性进行了探讨。结果表明,无论量测多少个点的位移也不能惟一地反演出所有6个参数;必须至少已知3个参数时,才有可能惟一地反演其他参数;2个地应力分量是否相等对反分析结果有明显的影响;2个地应力分量的可辨识性最好,各向同性面上的弹性模量和泊松比次之,垂直各向同性面方向的弹性模量和泊松比最差。 相似文献
5.
推导了考虑剪应力作用时横观各向同性岩体中圆形巷道的位移解析解,利用参数可辨识条件对考虑剪应力作用时横观各向同性岩体中圆形巷道位移反分析的惟一性进行了探讨。结果表明,无论布置多少个测点也不能惟一地反分析出所有7个参数,必须至少已知3个参数,才有可能惟一地反分析出其他参数;水平与竖直地应力分量是否为 0 对反分析惟一性有一定影响;3个地应力分量的可辨识性最好,各向同性面上的弹性模量和泊松比次之,垂直于各向同性面方向的弹性模量和泊松比最差。与不考虑剪应力时位移反分析惟一性结果相比,考虑剪应力时参数的可辨识性顺序不变,但是条件惟一的比例降低,不惟一和绝对惟一的比例增加,说明考虑剪应力能够提高位移反分析的惟一性。工程实例计算表明,推导的位移解析解和反分析惟一性探讨结果能够很好地指导岩体参数反演计算。 相似文献
6.
7.
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。 相似文献
8.
隧洞围岩损失位移估计的智能优化反分析 总被引：1，自引：0，他引：1
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。 相似文献
9.
岩石力学参数的非线性随机反分析 总被引：14，自引：1，他引：14
从概率统计学估计原理出发，考虑工程中实测位移的随机波动性，应用随机反分析的目标函数，并得出反演参数方差计算公式，引用弹塑性开裂模型描述岩体的性态，非线性迭代采用收敛稳定的子增量变Kp法。同最小二乘法反分析作比较，研究结果表明随机反分析更符合实际岩石工程的实际情况。 相似文献
10.
11.
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 总被引：1，自引：0，他引：1
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。 相似文献
12.
地铁深基坑支护的遗传神经网络位移反分析 总被引：2，自引：0，他引：2
针对目前已有的各种位移反分析方法存在的缺陷,利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力,提出了一种基于遗传神经网络进行深基坑支护的位移反分析方法。该方法改变了BP算法依赖梯度信息的指导来调整网络权值的方法,而是利用遗传算法全局性搜索的特点,寻找最合适的网络连接权和网络结构等来达到优化的目的。结合地铁深基坑支护位移计算,应用该方法对某一地铁深基坑土体的力学参数进行了反演。结果表明：将位移观测值作为网络输入数据,土体力学参数作为输出数据,在较大的解空间内,该位移反分析方法收敛速度快、解的稳定性好、反演结果精度高,是一种理想的位移反分析方法。最后,采用该软件结合一个工程实例实现了应用遗传神经网络进行的基坑支护位移反分析。 相似文献
13.
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. 相似文献
14.
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。 相似文献
15.
16.
P. H. S. W. Kulatilake T. Hudaverdi Qiong Wu 《Geotechnical and Geological Engineering》2012,30(3):665-684
The paper refers the reader to a blast data base developed in a previous study. The data base consists of blast design parameters, explosive parameters, modulus of elasticity and in situ block size. A hierarchical cluster analysis was used to separate the blast data into two different groups of similarity based on the intact rock stiffness. The group memberships were confirmed by the discriminant analysis. A part of this blast data was used to train a single-hidden layer back propagation neural network model to predict mean particle size resulting from blast fragmentation for each of the obtained similarity groups. The mean particle size was considered to be a function of seven independent parameters. An extensive analysis was performed to estimate the optimum value for the number of units for the hidden layer for each of the obtained similarity groups. The blast data that were not used for training were used to validate the trained neural network models. For the same two similarity groups, multivariate regression models were also developed to predict mean particle size. Capability of the developed neural network models as well as multivariate regression models was determined by comparing predictions with measured mean particle size values and predictions based on one of the most applied fragmentation prediction models appearing in the blasting literature. Prediction capability of the trained neural network models as well as multivariate regression models was found to be strong and better than the existing most applied fragmentation prediction model. Diversity of the blasts data used is one of the most important aspects of the developed models. 相似文献
17.
神经网络在岩体力学参数和地应力场反演中的应用 总被引：20，自引：7，他引：13
BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。 相似文献
18.
大型地下洞室考虑开挖卸荷效应的位移反分析 总被引：3，自引：1，他引：2
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。 相似文献