岩体微裂隙注浆量预测分析的遗传神经网络方法

提出一种用于岩体微裂隙注浆预测新方法---遗传神经网络方法 ,即用遗传算法优化神经网络结构 ,提高神经网络预测能力的新方法。实际工程实例表明 ,该方法具有预测速度快、精度高、实用性强的特点 ,是注浆量预测的有效方法     

公路隧道开挖过程力学行为研究

以内蒙古茅荆坝隧道为工程背景,在广泛获取国内外地下工程施工专家知识的基础上,利用现代计算机技术对开挖过程力学行为进行了研究.首先,开发研制了非线性有限元程序USEP2D,可视化地模拟了开挖前后的力学行为、不同开挖步序对隧洞稳定性的影响,同时也可对智能辅助决策及系统决策方案进行验证和准定量分析.其次,采用面向对象的编程技术,提出并开发了施工智能辅助决策系统.该系统含6个子系统和1个公共子系统,即施工方法决策子系统、支护设计子系统、量测预报子系统、工期控制子系统、钻爆设计子系统、施工事故处理系统和围岩分类子系统.同时对施工智能辅助决策系统的知识获取问题进行了探讨,总结并利用现有的专家知识,建立了隧道工程围岩分类、施工方法、支护设计等3个知识库.另外,探讨了遗传神经网络方法在开挖过程位移演化规律预测预报中的应用,用遗传算法优化神经网络结构,首次将遗传算法与神经网络结合起来用于预测、预报施工过程中围岩位移演化规律,使优化后的结果为全局最优,对下一步施工时围岩位移进行了预测,并与实际工程进行了对比分析.最后,工程实例中将决策系统和USEP2D程序应用于茅荆坝隧道工程的辅助决策和优化.     

基于变形预测和参数反演的山岭隧道围岩稳定性分析

隧道围岩变形与岩体力学参数之间存在复杂的非线性关系，是围岩状态改变最直观的表现，也是围岩稳定性综合判别的重要指标。提出一种基于变形时序预测和力学参数反演的山岭隧道围岩稳定性分析方法。首先引入Tent混沌扰动和自适应警戒调整机制，构建基于自适应混沌麻雀搜索算法优化极限学习机（ACSSA-ELM）的变形时序预测模型和力学参数反演模型，进一步采用三次样条插值和变分模态分解（VMD）对已开挖断面围岩实测变形预处理，利用变形时序预测模型采取窗口滚动单步预测的方式对已开挖断面围岩最终变形值进行预测，并用于力学参数反演模型中获取开挖段围岩的“修正”力学参数，基于数值模型正算结果和开挖段已测变形值预测开挖段围岩变形和变形速率，进而分析其稳定性。依托重庆市花阳隧道进行了方法的验证与应用，并对隧道ZK40+820断面围岩的稳定性进行了合理可靠的预测分析。最后对方法的使用条件和反演参数的准确性进行了讨论。