岩质边坡智能化位移反分析及其工程应用.pdf

中文摘要 摘 要 采用传统的岩石力学理论分析计算岩石边坡的开挖变形时，发现计算的边坡位 移量远小于实际的边坡位移量。“力学参数给不准”是影响预测岩质边坡位移的主 要原因之一。反分析法是利用现有的边坡体实际位移观测值，通过建立一定的反 分析计算模型，确立一定的目标函数，不断地优化以寻找目标函数的全局最小值， 最小目标函数对应的岩土力学参数即为岩土体的等效力学参数。位移反分析研究 从20 世纪70 年代末开始提出，至今仅30 多年，但由于其解决问题的独特性，倍 受重视，很快成了解决岩土工程问题的有力工具。本文在利用人工神经网络方法 和遗传算法进行了岩质边坡位移反分析的基础上，提出了一种免疫遗传－神经网 络反分析方法。主要所做的工作如下： ① 利用数值分析方法，研究岩石边坡岩体的基本物理力学性质、边坡的几何 特征、岩体的结构面参数等对岩质边坡位移的影响，以确定影响岩石边坡位移的 主要的物理、力学、几何及结构面因素，为位移反分析的因素选择提供依据。 ② 将先进的试验设计方法－均匀设计法引入到岩石边坡变形的计算和分析 中，将容许域内的计算参数值（输入变量）进行数值仿真试验，对每一方案进行 有限元模拟计算得出对应的目标值（边坡位移），以快速地掌握边坡位移变化规律， 并以此构建样本库作为位移反分析的训练样本。 ③ 研究人工神经网络来预测边坡特征点位移以替代数值仿真。 ④ 研究人工神经网络、遗传算法、免疫遗传神经网络等智能方法解决岩质边 坡位移反分析问题，并比较各种方法的优缺点。 ⑤ 岩质边坡智能化位移反分析法在工程中的应用——考虑岩体结构面的位 移反分析。以某一具体工程为基础，将免疫遗传－神经网络位移反分析方法应用 于存在结构面的岩质边坡位移反分析中。 关键词：岩质边坡，位移，数值模拟，位移反分析，人工神经网络，遗传算法， 免疫算法 I 英文摘要 ABSTRACT The rock slope displacement that is calculated using classical rock mechanical theory is much smaller than the actual displacement. One of the main reasons which make prediction of rock slope displacement incorrect is that mechanical parameters can not be acquired correctly. Back analysis is a method that can acquire the rock mechanical parameters. First, a deduction calculating model and an objective function are established. Then find the global minimum value of the objective function by using optimization methods. The mechanical parameters correspond with function which have the minimum value are the equivalent rock mechanical parameters. The displacement back analysis method was put forward in 70s of 20 century and has been developed over thirty years. At present the method becomes the powerful analysis tool to solv