岩石本构模型智能辨识方法研究.pdfVIP

2015 2015 第10卷 增刊1 综合研究 Vo1.10 Z1 岩石本构模型智能辨识方法研究 1 1 1 2 翟淑花 ，张 亮 ，丁桂伶 ，张梅花 （1.北京市地质研究所，北京 100120；2. 亚太建设科技信息研究院有限公司，北京 100120） 摘 要：岩石本构模型是研究岩石力学特征和变形机制的基础，而本构模型或模型中相关参数的识别是本构模型研究中的热点和 难点问题。本文基于红板岩室内力学实验数据，分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别， 结果表明，遗传算法进行参数识别需要事先假定流变模型的形式，误差较大，而BP神经网络和遗传规划可以一次性同时确定流 变模型的结构形式及参数，有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比，具有精度高、收敛快，可视化程 度高等特点，为岩石本构参数及模型的智能识别方法的选取提供参考。 关键词： 本构模型；智能识别；遗传算法；BP神经网络；遗传规划。 中图分类号：TU452 文献标志码： A 文字编号：1007-1903(2015)Z1-0042-04 0 引言 在磁性表座上），用机械式测力计测其横压状况，为 使应力均匀分布，有防偏心装置。由50ｔ千斤顶在蠕 岩土本构模型和参数辨识是岩石力学理论与工程 变仪上部对岩石试样加载，岩石试样直径为54.6mm， 实践中的重要课题，许多学者在此领域做了大量而卓 高110.3mm的圆柱体，恒定压力为 .. ..实 MPa σ 6.41 MPa 6.41 , 0 [1～7] 有成效的工作 ，总体来说，本构模型和参数辨识 -3 验时间为70天，最大应变为4.702×10 ，实验结果见 的常规做法是根据试验数据，选择合适的组合模型， 表1。 然后通过最小二乘法等回归分析确定模型中的流变参 表1.红板岩蠕变试验数据 数。显而易见，在本构模型的事先假设的过程中就已 经导致计算中的误差，因此，预测结果并不总是令人 T（天） 实测值ε (mm )T（天） 实测值ε (mm ) (m) (m) 满意。随着人工智能的飞速发展，很多学者将人工神 0 1.240010 17