深埋隧道穩(wěn)定性分析的智能化及非線性研究.pdf

1、隨著西部大開(kāi)發(fā)戰(zhàn)略的實(shí)施，我國(guó)迎來(lái)了大規(guī)模的基礎(chǔ)設(shè)施建設(shè)和能源開(kāi)發(fā)，其中以南水北調(diào)、西電東送、青藏鐵路、西氣東輸以及西部交通基礎(chǔ)設(shè)施建設(shè)等為代表的一系列重大工程中不可避免地涉及到深埋長(zhǎng)大隧道和大型地下工程的開(kāi)挖。為了揭示深埋隧道圍巖的失穩(wěn)破壞機(jī)理，適應(yīng)深埋隧道設(shè)計(jì)與施工技術(shù)發(fā)展的需求，對(duì)深埋隧道圍巖穩(wěn)定性進(jìn)行系統(tǒng)的研究顯得十分必要。 論文結(jié)合國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“隧道及地下空間工程結(jié)構(gòu)物的穩(wěn)定性與可靠性”（50334060）

2、，以重慶市通渝隧道等為工程背景，以人工智能和突變理論為理論基礎(chǔ)，對(duì)深埋隧道圍巖穩(wěn)定性分析的新方法進(jìn)行了研究，主要研究?jī)?nèi)容及所取得的主要結(jié)論如下： (1) 在研究了隧道穩(wěn)定性的位移判據(jù)和隧道圍巖位移時(shí)間序列曲線特征的基礎(chǔ)上，系統(tǒng)分析了隧道圍巖位移預(yù)測(cè)的灰色模型、混沌時(shí)間序列模型以及混合優(yōu)化模型的基本原理，提出了用灰色模型、混沌時(shí)間序列模型以及混合優(yōu)化模型相結(jié)合的方法對(duì)隧道圍巖位移進(jìn)行預(yù)測(cè)預(yù)報(bào)，得到了與實(shí)測(cè)位移一致的預(yù)測(cè)結(jié)果，具有很

3、好的理論價(jià)值和實(shí)用意義。 (2)針對(duì)巖土工程的特點(diǎn)，利用VC++6.0實(shí)現(xiàn)了十進(jìn)制遺傳算法進(jìn)化BP神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)和學(xué)習(xí)參數(shù)（學(xué)習(xí)步長(zhǎng) 和動(dòng)量因子 ），實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)的混合進(jìn)化訓(xùn)練學(xué)習(xí)過(guò)程。 (3) 提出了基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的深埋隧道圍巖位移預(yù)測(cè)模型，模型在通渝隧道實(shí)際應(yīng)用的結(jié)果表明，該方法精度高，且計(jì)算效率比基于普通BP神經(jīng)網(wǎng)絡(luò)的位移預(yù)測(cè)模型提高了約3～9倍。 (4) 提出了基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的深埋隧道圍巖

4、分類(lèi)智能識(shí)別模型，模型的識(shí)別結(jié)果與實(shí)際圍巖類(lèi)別相比，準(zhǔn)確率都很高，說(shuō)明所建立的圍巖類(lèi)別識(shí)別模型是合理的。而基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的識(shí)別模型與基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別模型比，學(xué)習(xí)效率提高了22.6％，同時(shí)得出神經(jīng)網(wǎng)絡(luò)在進(jìn)行模式識(shí)別時(shí)，對(duì)精度要求不高。 (5) 通過(guò)對(duì)巖爆成因的分析，建立了深埋隧道巖爆災(zāi)害智能預(yù)測(cè)模型，并選擇了圍巖的最大切向應(yīng)力 、單軸抗壓強(qiáng)度 、單軸抗拉強(qiáng)度 、彈性能量指數(shù) 、最大切向應(yīng)力與單軸抗壓強(qiáng)度的比值 和單軸抗壓強(qiáng)

5、度與單軸抗拉強(qiáng)度的比值 等六個(gè)指標(biāo)作為巖爆預(yù)測(cè)模型的輸入，通過(guò)對(duì)國(guó)內(nèi)外典型的巖爆樣本的學(xué)習(xí)和檢驗(yàn)，證明該模型是正確的，并用該預(yù)測(cè)模型對(duì)通渝隧道K21+680斷面進(jìn)行了巖爆預(yù)測(cè)分析，預(yù)測(cè)結(jié)果與工程實(shí)際十分吻合。 (6) 在數(shù)值模擬結(jié)果和工程實(shí)際的基礎(chǔ)上，探討了深埋隧道軟弱圍巖體發(fā)生塌方失穩(wěn)的破壞機(jī)理，建立了深埋隧道軟弱圍巖體發(fā)生塌方失穩(wěn)的突變模型，該模型可較好地解釋隧道穿越軟弱圍巖時(shí)拱頂常發(fā)生大范圍塌方的現(xiàn)象，具有較好的理論價(jià)值和

6、實(shí)用價(jià)值。 本文研究的創(chuàng)新之處： (1)針對(duì)巖土工程的特點(diǎn)，利用VC++6.0實(shí)現(xiàn)了十進(jìn)制遺傳算法進(jìn)化BP神經(jīng)網(wǎng)絡(luò)的隱含層結(jié)構(gòu)和學(xué)習(xí)參數(shù) 和 ，實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)的混合進(jìn)化訓(xùn)練學(xué)習(xí)過(guò)程。 (2)系統(tǒng)的研究了人工智能在深埋隧道圍巖穩(wěn)定性中的應(yīng)用。提出的基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的隧道圍巖位移預(yù)測(cè)模型精度高，而且計(jì)算效率比普通的BP算法提高了約3～9倍；提出的基于神經(jīng)網(wǎng)絡(luò)的深埋隧道圍巖分類(lèi)智能識(shí)別模型，其識(shí)別結(jié)果與實(shí)際圍巖類(lèi)別