详情

原文传递深埋隧道稳定性分析的智能化及非线性研究

论文题名：	深埋隧道稳定性分析的智能化及非线性研究
关键词：	深埋隧道;围岩稳定性;BP神经网络;遗传算法;尖点突变模型
摘要：	随着西部大开发战略的实施，我国迎来了大规模的基础设施建设和能源开发，其中以南水北调、西电东送、青藏铁路、西气东输以及西部交通基础设施建设等为代表的一系列重大工程中不可避免地涉及到深埋长大隧道和大型地下工程的开挖。为了揭示深埋隧道围岩的失稳破坏机理，适应深埋隧道设计与施工技术发展的需求，对深埋隧道围岩稳定性进行系统的研究显得十分必要。论文结合国家自然科学基金重点项目“隧道及地下空间工程结构物的稳定性与可靠性”（50334060），以重庆市通渝隧道等为工程背景，以人工智能和突变理论为理论基础，对深埋隧道围岩稳定性分析的新方法进行了研究，主要研究内容及所取得的主要结论如下： (1) 在研究了隧道稳定性的位移判据和隧道围岩位移时间序列曲线特征的基础上，系统分析了隧道围岩位移预测的灰色模型、混沌时间序列模型以及混合优化模型的基本原理，提出了用灰色模型、混沌时间序列模型以及混合优化模型相结合的方法对隧道围岩位移进行预测预报，得到了与实测位移一致的预测结果，具有很好的理论价值和实用意义。 (2)针对岩土工程的特点，利用VC++6.0实现了十进制遗传算法进化BP神经网络的隐含层结构和学习参数（学习步长和动量因子），实现了BP神经网络的混合进化训练学习过程。 (3) 提出了基于进化神经网络的深埋隧道围岩位移预测模型，模型在通渝隧道实际应用的结果表明，该方法精度高，且计算效率比基于普通BP神经网络的位移预测模型提高了约3～9倍。 (4) 提出了基于进化神经网络的深埋隧道围岩分类智能识别模型，模型的识别结果与实际围岩类别相比，准确率都很高，说明所建立的围岩类别识别模型是合理的。而基于进化神经网络的识别模型与基于BP神经网络的识别模型比，学习效率提高了22.6％，同时得出神经网络在进行模式识别时，对精度要求不高。 (5) 通过对岩爆成因的分析，建立了深埋隧道岩爆灾害智能预测模型，并选择了围岩的最大切向应力、单轴抗压强度、单轴抗拉强度、弹性能量指数、最大切向应力与单轴抗压强度的比值和单轴抗压强度与单轴抗拉强度的比值等六个指标作为岩爆预测模型的输入，通过对国内外典型的岩爆样本的学习和检验，证明该模型是正确的，并用该预测模型对通渝隧道K21+680断面进行了岩爆预测分析，预测结果与工程实际十分吻合。 (6) 在数值模拟结果和工程实际的基础上，探讨了深埋隧道软弱围岩体发生塌方失稳的破坏机理，建立了深埋隧道软弱围岩体发生塌方失稳的突变模型，该模型可较好地解释隧道穿越软弱围岩时拱顶常发生大范围塌方的现象，具有较好的理论价值和实用价值。本文研究的创新之处： (1)针对岩土工程的特点，利用VC++6.0实现了十进制遗传算法进化BP神经网络的隐含层结构和学习参数和，实现了BP神经网络的混合进化训练学习过程。 (2)系统的研究了人工智能在深埋隧道围岩稳定性中的应用。提出的基于进化神经网络的隧道围岩位移预测模型精度高，而且计算效率比普通的BP算法提高了约3～9倍；提出的基于神经网络的深埋隧道围岩分类智能识别模型，其识别结果与实际围岩类别相比，准确率在90％以上；建立了深埋隧道岩爆灾害智能预测模型，并利用所建立的岩爆灾害智能预测模型对通渝隧道K21+680断面进行了岩爆预测分析，其结果和工程实际是吻合的。 (3)建立了深埋隧道软弱围岩发生塌方失稳的尖点突变模型，该模型较好地解释了隧道穿越软弱围岩大范围塌方，具有较好的理论价值和实用性。
作者：	王心飞
专业：	采矿工程
导师：	李晓红;卢义玉
授予学位：	博士
授予学位单位：	重庆大学
学位年度：	2006
正文语种：	中文