基于免疫算法的隧道围岩松动圈参数智能反演分析

在隧道施工过程中,由于围岩松动圈的复杂性和不可预见性,参数确定往往根据经验公式得到,不能作为设计的主要依据.按弹塑性理论进行设计与分析时,为确定这些岩体力学参数,从实际监测情况出发,根据掌子面的推进过程与监测位移间的变化情况,将监测位移进行弹塑性分离,结合生物免疫仿真系统和快速拉格朗日分析软件(FLAC)进行反演分析,利用量测信息反分析寻找最佳参数,将结果通过正向计算进行验证.通过比较反演参数与原勘测资料中的建议值,可对围岩锚固方案进行适当调整.通过对云岭隧道监控量测进行实际验算,所得结果与设定值吻合良好.表明该实施方案在处理非线性关系方面具有极强的能力,是一种行之有效、易于工程实际操作的考虑围岩松动圈的反分析方法.     

基于系统识别方法的隧道围岩参数反演分析

隧道围岩参数是判断隧道围岩及衬砌稳定性的重要手段,是隧道安全预警系统的重要组成部分.对于采用新奥法施工的隧道,通过对围岩收敛进行实时监控,并利用有限元软件ANSYS建立隧道开挖过程收敛变形的正演模型,得到了围岩收敛的数值解,在此基础上根据系统识别理论建立了隧道围岩参数反演分析方法,并结合工程实例反演得到了围岩参数.研究...     

小间距隧道围岩力学参数正交设计反演

根据西康高速公路18标长哨段的隧道围岩收敛位移现场监测结果,利用正交设计理论,对该区段小间距隧道围岩变形特性及塑性区大小影响较敏感的力学参数进行了反演分析,获得了比较接近工程实际的围岩综合力学特性参数,即千枚岩的弹性模量、泊松比、凝聚力和内摩擦角,有效地克服了千枚岩难于取样和难以进行力学参数试验的困难。利用反演分析所获得的力学参数对长哨小间距隧道的施工过程进行了数值仿真,分析了该隧道施工期间围岩的应力与变形规律,给出了围岩稳定性评价,为小间距隧道工程设计与施工提供了具有一定参考价值的重要资料和信息。     

基于BP神经网络的隧道围岩分类

应用BP神经网络建立了隧道围岩分类模型,对其影响因素进行分析,并对模型进行优化,将训练好的分类模型运用到贵安隧道,为隧道围岩分类提供了一种简便可行的方法。     

基于BP神经网络高风险隧道围岩判定模型的研究

针对铁路高风险隧道地质围岩复杂性、突变性的问题,基于BP神经网络构造了以岩体完整性系数、岩体质量指标、结构面强度系数、岩石单轴饱和抗压强度和地下水渗流量5个参数,进行高风险隧道围岩级别判定模型的研究。通过该模型对相关数据进行学习、训练以及回判和预测,实现判定围岩级别和实际围岩级别基本一致。     

隧道围岩特性参数反演与开挖方法数值分析

以隧道围岩收敛变形数据,运用系统识别灵敏度分析理论进行隧道围岩特性参数反演。采用反演的隧道围岩特性参数进行隧道施工不同开挖方法的有限元数值仿真分析比较。说明台阶法是较为合理和安全的施工方法。     

隧道收敛变形监测及围岩特性参数反演

通过岭南高速公路分水岭隧道的现场收敛变形监控,对量测数据进行了曲线拟合和回归分析,据此研究了隧道围岩的稳定性,实时确定了合理的二次衬砌施工最佳时间.结合现场收敛观测数据,利用系统识别灵敏度分析理论开展了隧道围岩特性参数反演分析,确定了不同围岩类型的材料特性参数.研究结果表明:隧道开挖后围岩稳定性较好,未出现超出规范规定的异常变形;经反演分析可知,围岩材料特性参数均在规定范围之内,符合规范要求.     

基于改进BP神经网络的隧道位移反分析研究

通过LM算法改进的BP神经网络位移反分析理论及数值模拟获得隧道位移反分析模型,基于现场勘测位移数据反演出围岩关键物理力学参数,将反演结果与该隧道区段的岩石试验所得参数进行对比,符合度高达97.3%,说明LM-BP神经网络位移反分析模型能较好地反映隧道中围岩物理力学参数与隧体形变之间的非线性模糊特性。此外,将该反演模型运用到与样本位置相距5m、10m、15m的区段进行力学参数反演,得出模型可靠性较高的区段范围,可在一定程度上通过反分析模型及该区段的岩石力学参数反推工程后续施工的围岩位移变化特征。     

山岭公路隧道围岩力学参数估计

隧道围岩力学是可根据推广后的Hoek—Brown准则进行估计,但确定地质强度指标GSI值时对岩体结构的划分缺乏定量的描述,为了使隧道围岩结构的描述定量化,将Bieniawski的RMR岩体分级评分系统引进,对GSI取值进行定量化修正,并通过算例说明方法的应用,这为隧道围岩力学参数的估计提供了新的简便、经济、实用的方法。     

基于BP网络动态预测预报轻轨隧道围岩位移

分别利用ANSYS有限元程序动态施工反演分析方法和BP网络的方法,进行轻轨隧道围岩的位移预测预报,计算结果表明,基于BP网络的方法不仅克服了有限元反演分析方法的不足,而且能综合考虑隧道围岩节理、裂隙等对围岩位移的影响,为适时地进行围岩支护提供理论依据。     

漳龙高速公路扩建隧道围岩力学特性三维有限元分析

为分析隧道扩建过程中围岩的力学特性,确保施工期间围岩的稳定性,以漳龙高速公路后祠隧道扩建工程为依托,建立了反映实际地形的三维有限元模型,对后祠扩建隧道施工期间地表沉降、拱顶下沉、周边位移的特征以及拱脚和拱顶的应力变化规律进行计算分析。计算结果表明： 原位扩建隧道位移变化规律不同于普通新建隧道位移变化规律,隧道原位扩建施工过程中,地表沉降曲线表现出了明显的非对称性; 隧道掌子面前方12 m及掌子面后方24 m范围内变形较为迅速,为非稳定变形段; 根据隧道拱顶位移曲线,提出了针对扩建隧道位移空间变化规律的公式,该公式能预测后祠隧道的变形,从而为施工提供建议和指导; 隧道拱脚表现为压应力集中区,随着开挖的进行,拱脚主应力逐渐增大,而拱顶主应力逐渐减小并向拉应力过渡,最终拱顶呈现出较小的拉应力。     

基于FLAC3D和BP神经网络的边坡抗剪强度参数反演分析

针对静态强度参数无法反映不同位移下动态衰减过程的问题,提出利用位移直接判断安全系数大小的方法。通过定期监测实际边坡位移,建立FLAC3D三维边坡模型计算获得样本数据,同时建立BP神经网络反分析模型,经样本数据训练后反演得到变化位移下抗剪强度参数,然后基于反演的参数计算了边坡安全系数,同时拟合得到了安全系数与位移间的定量函数关系,从而实现了边坡动态稳定性分析。结果表明：(1)位移与抗剪强度参数之间具有较高的关联性,尤其是内摩擦角对位移变化的敏感性较高;(2)通过FLAC3D模拟了滑坡形成过程中滑面不同位置位移变化,依此确定边坡破坏模式为滑移-拉裂型;(3)通过反演直观呈现了抗剪强度的衰减和安全系数的降低过程,基于动态安全系数与监测位移拟合所得的理论公式可较为准确反映不同位移下边坡安全系数的大小,具有一定的工程适用性。     

蒙华铁路三荆段深埋软弱围岩隧道荷载研究

《铁路隧道设计规范》中的深埋围岩压力公式没有考虑隧道拱部围岩本身的承载作用以及超前预支护作用,荷载计算结果偏大。为验证深埋隧道初期支护结构实际承受的围岩压力荷载,以蒙华铁路三门峡至荆门段现场监测数据为依托,通过分析围岩变形监测资料,探讨蒙华铁路隧道围岩及结构在隧道开挖过程中的变形行为,并采用拱顶沉降与水平收敛相结合的位移反分析法,建立荷载-结构法平面有限元模型,反演推导围岩压力荷载。分析结果表明:双线隧道反分析得出的围岩荷载为同级别按规范计算值的70.7%~76.5%;单线隧道反分析得出的围岩荷载为同级别按规范计算值的88.8%~93.1%。研究成果对蒙华铁路隧道现场施工和优化支护结构设计起到了很好的指导作用,希望能对以后类似隧道工程的设计和施工提供参考。     

基于均匀设计的隧道围岩参数反演分析

根据油房湾隧道断面的实测位移,基于均匀设计方法进行了围岩力学参数的反演分析。反演分析考虑了隧道分期开挖及初次支护的全过程模拟,通过对反演参数的多水平数值模拟试验,以实测点量测位移与计算位移的平方差为评价指标,反演获得了油房湾隧道围岩的最佳力学参数组合,以用于隧道围岩稳定性预测和评价。     

乌鞘岭隧道F7断层泥砾带物理力学参数的综合测试

乌鞘岭隧道是目前我国已建成的最长铁路隧道,长20 050m.为两条单线隧道,线间距40m.地质条件复杂,F7断层是隧道通过的规模最大的一条断层,破碎带宽817m,主要由断层泥砾组成,并且是全新世活断层.隧道施工中出现了较大的变形.通过室内试验与现场原位测试相结合的综合测试的方法,确定断层泥砾带的物理力学参数,为隧道变形防治及安全评价提供了地质依据.     

不同应力场软弱围岩隧道施工力学特征的数值分析

岩体内部的初始应力及隧道开挖后的围岩应力是隧道工程的关键影响因素,为了更全面地了解不同应力场软弱围岩公路隧道施工的力学特征,建立有效的有限元模型,采用不同加载方式,模拟不同应力场,对软弱围岩公路隧道施工过程中隧道围岩位移和应力变化特征及其影响范围进行了详细分析,并对衬砌结构的受力特征进行深入研究.结果表明:不同应力场决定了隧道施工过程中围岩塑性区的大小和位置,这也就决定了隧道施工中重点监控的位置;在不同应力场隧道开挖完成后,拱上20 m水平面围岩竖向位移、拱上中心线围岩竖向位移及仰拱底围岩竖向位移随着侧压力系数的减小而明显增大,拱腰处围岩水平位移则随着侧压力系数的减小而明显减小;应力场对衬砌结构的内力影响很大.     

基于GA-BP神经网络的隧道围岩力学参数反演

为在岩土工程设计和施工中获得更加合理、可靠的岩体力学参数,改善BP神经网络算法存在的收敛速度慢、依赖初值等不足,采用GA-BP神经网络方法,对隧道围岩力学参数反演进行了研究。依托江西省萍莲高速公路莲花隧道工程,选取右洞YK35+095～YK35+135段作为模拟对象,利用FLAC3D有限差分法,按照微台阶法开挖,构建三维数值计算模型;设计了25组围岩力学参数的正交试验,代入已建立的数值模型,得到系列拱顶沉降、周边位移以及地表沉降值,由此构造了神经网络的样本;采用遗传算法和神经网络相结合,其中遗传算法种群规模取值30,最大遗传代数取值25,交叉概率取值0.8,变异概率取值0.01,通过网络训练,得到了训练成熟的GA-BP神经网络,建立了待反演的围岩力学参数与位移之间的映射关系;将莲花隧道YK35+115断面实测的拱顶沉降、周边位移和地表沉降值,输入到已训练成熟的GA-BP神经网络模型中,输出得到围岩的弹性模量、泊松比、黏聚力、内摩擦角等参数。结果表明:采用GA-BP神经网络反演获得的围岩力学参数,代入到FLAC3D数值模型中正演计算,得到拱顶沉降、周边位移和地表沉降与现场实测值仅相差2.94%,3.16%和4.86%,误差较小;基于GA-BP神经网络的隧道围岩力学参数反演方法精度较高。     

基于BP神经网络的隧道周边位移安全监测模型

针对隧道周边位移安全监测的需要,考虑了施工对周边位移发展的影响,基于改进的BP神经网络建立了隧道周边位移的预测模型,结合茅山隧道工程,用动态建模法进行了模拟预测,结果表明该模型具有预测时间早、预测精度高的优点。     

基于BP神经网络的隧道渗漏水等级评定模型研究

由于隧道渗漏水的普遍性和严重危害性,隧道渗漏水已成为隧道工程建设和维护的一大关键课题。针对我国隧道渗漏水的现状,通过综合分析影响隧道渗漏水的各种因素,找出影响隧道渗漏水的主要因素,提出包括隧道设计施工因素、防排水工程措施、围岩及地下水情况、自然地理情况4个一级指标共10个因素的评价指标集,构建基于BP神经网络的评价模型,并验证该模型的可靠性。该方法为进一步提高隧道渗漏水等级评价的精确度提供新的思路。