原文传递
基于BP神经网络的高填石路堤本构模型参数识别及应用研究
| 论文题名： | 基于BP神经网络的高填石路堤本构模型参数识别及应用研究 |
| 关键词： | BP神经网络;高填石路堤;本构模型;参数识别;地质灾害 |
| 摘要： | 随着我国高速公路的建设不断向地质、地形条件复杂的山区延伸，使得高填深挖路基和隧道工程成为不可避免。在工程施工实际过程中，常常利用隧道优质的石质弃渣作为路基的填料，这既可以解决山区缺少石渣填料的问题，又可以减少弃渣对沿线生态环境的破坏和诱发地质灾害，所以高填石路堤将成为山区高等级公路较普遍、经济、环保的路基型式。 高填石路堤沉降，特别是工后沉降的计算与预测已经成为工程成功与否的关键问题，但是由于其复杂性，通常需要选择或建立一个适合的本构模型进行仿真计算，然而模型参数的确定是制约问题分析的“瓶颈”。常规的工程类比法和试验法由于本身的缺陷性，人们从而转向研究建立依据现场量测信息反分析确定有关模型参数值的理论和方法，以使现有的计算理论可在工程实践中运用。本文结合沪蓉西高速公路典型断面的路堤，根据实测资料及动态施工模拟，揭示了路堤的应力-应变规律，并建立了基于时效的三参数蠕变模型。最后利用有限元与BP神经网络相结合的方法对弹塑性模型、邓肯-张（E-B）模型及蠕变模参数分别进行识别，并用所识别的参数进行正分析计算。通过计算沉降值与实测沉降值相比较，发现两者吻合较好，具有较高的可信度。所以采用有限元与BP神经网络相结合的方法不仅可以较为准确的计算与预测路堤沉降，也为信息化施工提供科学的决策，降低了路基的不均匀沉降和过大的工后沉降等灾害发生的概率，这对于保持交通畅通、保障车辆和行人安全、促进国民经济的发展都具有十分重要的意义。 |
| 作者： | 徐先达 |
| 专业： | 道路与铁道工程 |
| 导师： | 杨成忠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华东交通大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
