基于BP神经网络的土体细观力学参数反演分析

利用离散元方法对颗粒材料的细观力学特性研究, 目前确定数值计算模型的细观力学参数大多数通过反复调试获取, 效率低、可重复性差。本文采用开源的颗粒离散元程序LMGC开展了土体双轴压缩数值试验, 通过25组土体细观力学参数计算得到相应的宏观力学参数, 建立了BP人工神经网络反演系统。利用土体物理试验得到的土体宏观力学参数, 输入BP神经网络, 反演得到土体的细观力学参数。将所得细观力学特性参数输入所建立的土体数值计算模型, 得到土体破坏过程中的应力-应变关系曲线, 以及土体颗粒的力链图和旋转变形云图。所建立的土体数值试验模型能够较好地模拟土体变形破坏过程, 利用BP神经网络反演细观力学参数以及数值模型计算得到的土体宏观力学参数与物理试验吻合较好, 误差在10%左右, 土颗粒间力链云图以及旋转变形云图较好地揭示了土体变形破坏的机理。     

BP、Hopfield神经网络在位场反演中的应用比较

比较了BP、Hopfield二种神经网络模型的特性及其运行机制,分别用于位场反演,还比较了各自在位场反演中的应用效果。结果表明:这二种神经网络模型虽然都可用于位场反演,但由于Hopfield网络缺乏学习能力,不能较好地利用已知地质、地球物理信息而受到限制。而BP神经网络具有较强的学习能力,能从已知的信息中得到有利于解决最优化问题的结论,比Hopfield神经网络更加适合于位场的反演问题。     

径向基函数神经网络在地应力场反演中的应用

初始地应力场是地下洞室设计所需的基本指标。基于江边电站引水隧洞沿线区域的地质资料,利用快速拉格朗日分析程序FLAC3D建立了该区域的数值计算模型,使用了随深度变化的侧压力系数以及应力和位移的混合边界条件,通过模拟引水隧洞沿线不同岩性的岩石、断层破碎带和蚀变带进行正分析计算。根据工程现场实测点的主应力数据,基于径向基函数（RBF）神经网络原理,反演了计算区域的岩体力学参数和初始地应力场。其计算结果与实测地应力值基本吻合,满足精度要求,说明反演结果与工程实际相符,所使用的反演方法是合理的。     

基于WorldView-02高分影像的BP和RBF神经网络遥感水深反演

遥感水深反演是水深测量的一种重要技术和手段.以美济礁水深反演为例,选择WorldView-02高分影像为数据源,在辐射定标和大气校正的基础上,构建BP（Back Propagation）和RBF（Radial Basis Function）人工神经网络水深反演模型,以遥感影像8个波段为输入层,通过tansig、logsig、高斯函数和purelin函数变换实现从输入层到隐含层、隐含层到输出层的转换,以便反演水深.最后对反演水深与实测水深采用回归分析,求解决定系数（coefficient of determination,R2）、平均决定误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）等进行比较,评价2种模型的精度.结果表明,RBF神经网络模型结构更简单,对样本要求更低,反演精度达到0.995,更适合遥感水深反演.      

基于BP神经网络的岩土体细观力学参数研究

目前颗粒流计算方法中所采用的细观力学参数,均需根据岩土体宏观力学参数试验结果反复调试获取,调试效率很低且有较大的盲目性,因此,急需引入一种新方法,建立岩土体宏观力学参数与细观力学参数的关系。基于PFC3D程序,采用BP(back propagation)神经网络方法,建立宏观力学参数与细观力学参数的非线性模型,通过输入宏观力学参数,即可快速、准确地反演岩土体细观力学参数。研究结果表明：(1)根据BP神经网络模型反演确定的细观力学参数,输入数值模型计算其宏观力学参数,结果与试验值相比,精度一般高于90%;(2)当模型最小尺度上的颗粒数RES = 10、隐含层含6个神经元时,BP神经网络模型的反演性能最佳。实例计算表明,BP神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能,该方法为颗粒流理论的推广应用提供了新的技术手段。     

基于参数反演的保扎滑坡变形破坏机理研究

大型复杂滑坡的复活变形机理研究,是目前滑坡地质灾害研究热点之一。针对恩施地区典型大型复杂滑坡-保扎滑坡,在系统研究其工程地质条件的基础上,分析了该滑坡的形成机制。建立二维计算模型,利用Flac软件,依据钻孔位移监测数据,通过位移反分析反演岩土体参数。对滑坡天然状态、河流不同下切深度进行了三种工况的模拟分析,结果表明:①保扎滑坡为牵引式滑坡。滑坡发育于志留系易滑岩组,滑坡形成的诱发因素是前缘老沟河的不断侵蚀下切与掏蚀,滑塌变形不断向中后部发展,从而引发整体滑动。②目前影响保扎滑坡变形与稳定性的主要因素为滑坡前缘河流下切及降雨;③保扎滑坡目前处于整体稳定状态。随着河流下切深度的增加,该滑坡将产生渐进式牵引破坏。建议对滑坡前缘进行治理。     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

基于滑动机理分析的滑带强度参数反演

滑动机理分析一般采用定性的方法加以描述,尚缺乏合理的量化指标进行刻画。反演分析是确定滑带强度参数的重要手段,一般采用基于整体稳定性系数的刚体极限平衡方法,但这种反演方法无法建立滑动机理与强度参数间的直接联系。本文采用数值计算方法获得滑带单元的应力场和滑动方向,基于Mohr-Coulomb强度准则定义滑带点安全系数为该点抗剪强度与滑动方向剪应力的比值。通过点安全系数的分布判断滑坡的滑动机理,使滑动机理研究定量化,并以点安全系数对滑面面积的加权平均值作为滑坡的整体稳定性系数,建立起滑动机理与整体稳定性系数的联系。在滑带参数反演分析中,需要同时满足滑动机理和整体稳定性系数要求,相应的强度参数才是合理的结果。以万梁高速公路K49滑坡的室内大型地质力学试验模型为例,介绍了基于滑动机理分析的滑坡强度参数反演方法和步骤,论证了方法的合理性。     

基于GA-BP神经网络算法的高密度电法非线性反演

高密度电法技术在煤矿地质灾害勘探中发挥着重要的作用。近年来,以BP（Backpropagation）神经网络为代表的一类非线性反演方法被广泛运用到高密度电法的反演中。针对BP神经网络方法在高密度电法反演中存在的易陷入局部极小、收敛缓慢、反演精度差等问题,将BP神经网络算法与遗传算法（Genetic Algorithm,简称GA算法）联合演算,实现高密度电法的二维非线性反演。通过典型地电模型对该方法进行验证,结果表明遗传算法能有效优化BP神经网络的权值和阈值,提高了算法的全局寻优性。     

基于声发射的岩石破裂应力场动态反演

为获取岩石在破裂过程中的动态应力场,首先进行室内物理试验获取声发射数据,在此基础上基于能量耗散原理,利用实测声发射信息建立起岩石细观损伤表征方程,并通过FLAC3D内嵌FISH语言进行二次开发,自动搜索声发射损伤影响范围内岩石单元并对其力学参数进行弱化,计算得到较为真实的岩石破裂动态应力场。结果表明,计算得到的岩石破裂应力场与实测结果有良好的对应关系,验证了岩石细观损伤表征方法的合理性。同时,获得的岩石动态破裂应力场不仅可以从岩石力学的角度解释破坏产生的原因,也对预测岩石下一步破坏具有指导意义。但这种方法仍具有一定的局限性,需要进一步的探索研究。     

穿越富水断层破碎带隧道塌方机理分析与预防

穿越山岭隧道常遇到断层破碎带。由于缺乏断层复杂岩体稳定性机理的研究与理解,隧道施工曾导致多起大变形甚至塌方事故。本文使用理论分析、离散元数值模拟方法,结合现场监测结果,对江西某高速铁路隧道过断层施工案例进行综合分析。在考虑断层破碎带地下水影响的前提下,开展富水断层破碎带施工过程中围岩失稳塌方的内在机理研究。研究得出：隧道穿越富水断层破碎带时,岩体结构面发育,且结构面间多充填碎屑或黏土充填物。随着施工扰动引发结构面发生错动,流动的地下水进一步对结构面形成冲刷,从而降低围岩的完整性与力学强度。断层破碎带抗剪强度越低,围岩松动范围越大,塌方概率与范围越大。根据“防水排水,强化围岩”的思路,本文提出了穿越断层破碎带防塌方的措施：设置迂回导坑、地层预加固、增加支护强度、优化施工工法及加强监控量测,可为此类隧道工程的安全施工提供参考。     

大连地下石油储备库地应力场反演分析

初始地应力场是地下工程稳定性评价的基础。结合大连地下石油储备库工程,提出一种基于现场地应力实测资料直接反演初始地应力场的新方法。首先,通过现场实测地应力结果的统计分析,建立初始地应力与高程之间的关系;其次,由于主应力的方向与模型坐标轴方向不重合,进行应力变换;最后,基于FLAC3D的FISH语言编写函数,采用Hoek-Brown强度准则,直接反演大连地下石油储备库的初始地应力场。计算结果与实测结果的对比分析表明：直接法反演的初始应力场的拟合度较高,误差较小,可以满足工程的需要。该法是一种切实可行、简单有效的方法。     

神经网络在岩体力学参数和地应力场反演中的应用

BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。     

基于深度神经网络的重力异常反演

为解决传统线性反演方法容易陷入局部极小,计算效率低等问题,本文提出了一种基于深度学习的重力异常反演方法.该方法首先构造不同形状的二维密度模型,正演得到重力异常,组成数据集;然后用该数据集训练深度神经网络;最后将重力异常数据输入到训练好的深度神经网络,直接得到反演结果.实验结果表明,该方法能快速、准确地反演出地下异常体的...     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

基于BP神经网络的瓦斯含量预测

以淮南矿区潘一矿13-1煤层为研究对象,在分析勘探钻孔资料的基础上,确定了煤层埋深及厚度、顶底板岩性、地质构造和煤变质程度是影响煤层瓦斯含量的主要因素;使用BP神经网络方法建立了瓦斯含量预测模型;结合实际数据,对预测模型进行训练和检验。预测结果表明:该模型比使用多元线性回归预测能获得更高的精度,说明预测模型可靠。     

基于BP神经网络的太原市地面沉降预测及分析

通过对太原市地面沉降资料、气象水文和地质条件以及地下水等大量资料的分析与整理,考虑到太原市各个沉降中心的沉降趋势不尽相同,对太原市吴家堡、西张、万柏林和下元4个沉降中心分别建立BP神经网络模型,并基于训练好的BP神经网络模型,在太原市地下水开采量的规划方案下,预测了在不同降水保证率下2009-2015年地面沉降的趋势,...     

测井约束下的神经网络地震储层参数反演

针对目前大多数地震反演方法基于褶积模型及相应假设条件的现状,本文提出了在假定储层参数与地震资料之间存在某种非线性映射的情况下,以测井作为约束条件,利用Ｅｌｍａｎ局部递归神经网络法,建立地震数据到地层参数的映射模型,将地震数据直接由已知井点向外递推地层速度、孔隙度和泥质含量的方法。文中给出了方法原理、处理流程及应用实例。     

基于BP神经网络的抚河水环境质量评价研究

水环境质量评价中.评价因子和评价等级之间是一种复杂的非线性关系.人工神经网络权重因子可以通过学习自动调节,不需要人为设置权重,能较好的处理复杂的非线性关系.通过构建基于BP(反向传播)算法的人工神经周络模型.对抚河水质进行评价.评价结果与模糊聚类方法得出的结果进行对比可发现,神经网络法可以客现、准确的得出评价等级,同时还可以分析出同一类别河段污染程度的不同,实例证明它是一种较好的水环境质量评价方法.     

南江滑坡群体积的BP神经网络模型与预测

基于南江县境内244个典型土质滑坡统计样本,利用BP神经网络模型,采用3种不同的方案(基于不同的评价参数)对滑坡体积进行预测。方案一选取坡高、坡度、坡向、高程、植被覆盖率、岩层倾向、岩层倾角等7项评价参数;方案二选取坡高、坡度、坡向、岩层倾向、岩层倾角等5参数;方案三选取坡高、坡度、坡向等3参数。研究结果表明:3种方案建立的BP神经网络模型都具有较高的可靠性,其预测结果都可以较好地逼近真实滑坡体积值,BP神经网络能有效应用到滑坡体积预测中;3种方案预测值与实际值基本吻合,且两者间的相关系数分别为0.87083,0.90826,0.86119,评价参数的合理选择对滑坡体积预测的准确性有着重要的影响;方案二的相关系数最高,其预测准确性最好,这表明坡高、坡度、坡向、岩层倾向、岩层倾角是影响滑坡体积的重要因素,植被覆盖率和高程为其次要影响因素。