原文传递
基于免疫高斯过程算法的岩体物理力学参数位移反分析方法研究
| 论文题名： | 基于免疫高斯过程算法的岩体物理力学参数位移反分析方法研究 |
| 关键词： | 隧道工程;围岩结构;力学参数;位移反分析法;免疫高斯过程算法 |
| 摘要： | 岩土工程是一门综合性的学科，具有很强的不可预见性，很难确定岩土工程材料性态参数，这也是阻碍人们研究这一领域中各种现象和行为的障碍。经过长期的发展，人们提出了反演分析法来解决这一问题，取得了良好的效果。隧道工程力学参数的反分析一直是岩石力学中的一个重要课题。 基于分析计算机理的不同，可以将位移反分析法进一步细分为数值法和解析法，其中数值法适用范围更广，典型的数值法有差分法、离散元法、边界元法和有限元法，其中优化反演法应用最为广泛。近年来，用以解决隧道与地下工程三维位移反分析问题的智能位移反分析方法得到较快发展。本文创新性地采用免疫算法（Immune Algorithm，简称IA）与高斯过程(Gaussian Process，简称GP)耦合（免疫高斯过程算法）进行岩体物理力学参数反演。通过引入组合核函数以提高高斯过程回归的泛化性能，通过对北口隧道施工位移反分析进行了工程验证。 本文基于免疫高斯过程算法对数值试验的结果进行了系统的分析，并以此为样本进行了网络训练，充分考虑了监测断面和掌子面不同距离处隧道监测点的位移，经网络训练建立描述围岩位移与岩体物理力学参数之间非线性映射关系的高斯过程回归(Gaussian Process Regression，简称GPR)智能模型，然后将实测围岩位移输入此模型，采用免疫算法在待反演参数搜索范围内自动搜索能使GPR预测位移与实测位移最接近的岩体物理力学参数组合，完成围岩物理力学参数的反演。 然后利用反演计算，得出了相应的岩体力学参数，并将其作为智能模型的输入参数，从而能够得到掌子面到不同监测断面不同位置处，监测点的位移。并采用FLAC3D软件进行了验证，结果表明，这种免疫高斯过程算法智能模型有着较高的精确度，基于隧道工程的实际应用结果表明，在3个开挖步中的误差没有超过20％，当开挖步大于3个时，实测值和位移预测值之间存在着较大的误差。因此，在开挖到第4步时，应当以当前的实测位移重新进行反分析计算和预测位移，然后再得出不超过3个开挖步的预估位移值。这种模型还可以用于预测施工时的围岩稳定极限位移值，确保施工的安全，并可以用于评估施工的质量，在一定程度上减少工程造价。本文分别基于遗传支持向量回归算法、遗传高斯过程回归算法、免疫支持向量回归算法和免疫高斯过程回归算法对北口隧道工程实例进行岩体物理力学参数反演和超前位移预测，形成对比验证，为以后的隧道施工和设计提供了重要的参考和依据。 |
| 作者： | 王志豪 |
| 专业： | 土木工程 |
| 导师： | 刘开云 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
