岩体自适应本构模型.pdfVIP

第 31 卷　第 6 期 西　南　交　通　大　学　学　报 V o l. 31　N o. 6 　1996 年 12 月 JOU RNAL O F SOU THW EST J IAO TON G UN IV ER S IT Y D ec. 　1996 岩体的自适应本构模型 王明年　谭玉兰 (西南交通大学　地下工程及岩土工程系　成都　610031) 【摘　要】　应用神经网络技术, 提出了建立岩体自适应本构关系模型的新方法, 实际应用表明, 该 方法正确。 【关键词】　岩土力学; 本构模型; 神经网络 【分类号】　 452 TU 在岩体工程的计算分析中, 岩体的本构关系是最根本的问题。 传统的岩体本构建模通常遵循这样一种方法, 即根据对岩体试验数据的观测和推理导出 满足力学基本定律的本构关系的数学表达式。其主要建模步骤为: ( 1) 进行岩体室内或现场试验; (2) 假定一个描述岩体本构行为的数学模型, 由试验数据确定模型中有关参数; (3) 用其它试验结果对模型进行检验和修正。 在岩体的自适应本构模型中, 岩体的本构关系的表达不借助传统的数学公式和力学基本 定律, 而是靠神经网络的自组织、自学习和自适应功能直接从离散的试验数据中提取和存贮岩 [ 1 ] 体行为的知识来实现 。其建模方法是: 用已有的知识对神经网络进行训练, 如果训练网络用 的知识包含了关于本构行为的较全面的信息, 训练好的神经网络就具备了关于岩体本构关系 的充分知识, 可作为一种很好的本构模型使用。 1　神经网络的自组织方法[2 ] 　　神经网络即是由大量神经元依一定结构互连而成, 用以完成不同智能信息处理任务的一 大规模非线性动力系统, 不同神经元之间的相互作用用突触权值表示, 神经网络的学习过程即 是不断调节突触权值, 使网络的实际输出不断逼近希望输出。 神经网络的工作过程可分为以下两个阶段 ( 1) 工作期: 此时各连接权值固定, 处理单元逐渐演化, 以求达到稳定状态; ( ) ( ) 2 学习期 自适应期 : 此时各处理单元状态不变, 各连接权值通过学习样本或其它方法 不断修改, 以求达到希望输出。 神经网络学习规则主要有以下三类: ( 1) 相关规则: 仅仅根据连接间的激活水平改变权值矩阵; (2) 纠错规则: 依赖于输出结点的外部反馈改变权值矩阵; 本文于 1996 年 6 月 25 日收到。 © 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved. 第 6 期　　　　　　　　　王明年等: 岩体的自适应本构模型 615 (3) 无教师学习规则: 学习表现为自适应于输入 空间的检测规则。 目前, 神经网络模型已有 40 多种, 其中BP 网络使用最为广泛, 它的学习过程由正传播和反 向传播组成。在正向传播过程中, 输入信息从输入 层经隐含单元逐层处理, 并传向输出层, 每一层神 经元的状况只影响下一层神经元的状况, 如果输 出层不能得到期望的输出, 则转入反向传播, 将误 差信号沿原来的连接通路返回, 通过修改各层神 经元的权值, 使误差信号最小。 下面以 3 层单元为例, 说明BP 网络的自组 ( ) 织原理 见图 1 。 图 1　最基本BP 网络的拓扑结构 ( ) 1 给 层单元到 层单元的连接权 、 层单元到 层单元的连接权 以及 层