原文传递
基于改进极限学习机的隧道围岩位移反分析
| 论文题名： | 基于改进极限学习机的隧道围岩位移反分析 |
| 关键词： | 隧道施工;围岩位移;沉降监测;位移反分析;极限学习机 |
| 摘要： | 目前隧道信息化施工技术受到广泛推崇，其中至关重要的一点就是如何准确的确定围岩的力学参数。本文针对岩体工程智能化位移反分析中，传统学习算法训练速度慢、易陷入局部最小值等缺点，用粒子群算法(PSO)对极限学习机(ELM)进行改进，得到了粒子群算法优化的极限学习机(PSO-ELM)，以营盘山隧道的地质情况、地质勘查资料、设计资料、行业规范为基础，建立了基于PSO-ELM算法的隧道围岩位移反分析模型。 本研究采用均匀实验法和正交实验法，结合营盘山隧道的地质情况、地质勘查资料、设计资料、行业规范，设计了隧道围岩力学参数的数值试验样本。利用FLAC3D模拟隧道开挖、支护过程，计算出每组隧道围岩力学参数对应的围岩位移，建立了PSO-ELM算法的学习样本和测试样本。将粒子群算法引入极限学习机中，利用粒子群算法的全局寻优能力对权值和阈值的取值进行寻优，建立了回归预测性能更强的PSO-ELM算法。以MATLAB为平台实现了PSO-ELM算法和BP神经网络，用学习样本对PSO-ELM算法和BP神经网络进行训练，分别建立了基于PSO-ELM算法和BP神经网络的隧道围岩位移反分析模型，将BP神经网络与PSO-ELM算法的逆解法、直接法位移反分析效果进行对比、分析，证明了PSO-ELM算法在隧道围岩位移反分析中的可行性、准确性。选取营盘山隧道的5个Ⅴ级围岩断面，将各断面的拱顶沉降监测值及水平收敛监测值输入PSO-ELM隧道围岩位移反分析模型，计算出对应的隧道围岩力学参数，将隧道围岩力学参数带入FLAC3D中进行数值计算，求出各断面的拱顶沉降值和水平收敛值，并与监测值进行对比，结果表明建立的PSO-ELM围岩位移反分析模型是可靠的，对隧道的信息化施工中围岩参数的取值有一定的参考价值。 |
| 作者： | 张霄 |
| 专业： | 地质工程 |
| 导师： | 王磊 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
