隧洞围岩力学参数反演.pdf

学兔兔 第35卷，第3期 公 路 工 程 Vo1．35，No．3 2 0 1 0年 6月 Highway Engineering Jun．，2 0 1 0 隧洞围岩力学参数反演 夏 怡 (贵州省交通规划勘察设计研究院，贵州 贵阳 550001) [摘 要]利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量，基于某隧洞的实测 位移数据，对该隧洞的硬土弹塑性力学参数进行了反演。 [关键词】硬土；神经网络；粒子群；反演 [中图分类号]u 451 ．2 [文献标识码】B [文章编号]1674—0610(2010)03—0049—03 The inversion analysis of Surrounding Rock’S Mechanical Parameters XIA Yi (Guizhou Communication Planning and Surveying Design Institute，Guiyang，Guizhou 550001，China) [Key words]hard soil；neural network；PSO；inversion 在计算隧道重要地段和部位的变形数值时，需 要已知围岩力学参数，如弹性模量和泊松比、围岩内 摩擦角。由于实际工程中实测这些参数非常不便， 且数量极少，因此，结合围岩变形实测数值，反演围 岩力学参数就成为必须¨ 。本文基于某隧洞围岩 断面监测数据，采用改进型神经网络对其硬土质围 岩力学参数进行了反演并验证了反演结果合理性。 1 反演方法介绍 ym n 人工神经网络(ANN)是基于模仿大脑神经网 l y 络结构和功能而建立的一种信息处理系统 。 。它 由许多神经元组成，神经元相互连接形成的复杂网 图1 BP网络结构图 络即神经网络。神经网络是一个非线性动力学系 统，其特色在于信息的分布式存储和并行协同处理。 元，对应的激活函数为 ，输出为{Y)，目标序列为 它有如下的固有特点：高度的并行性；高度的非线 {Y )。 性全局作用； 1．1 信息的正向传递 良好的容错性与联想记忆功能；十分强的自适 隐含层中第i个神经元的输出为： 应、自学习功能。神经网络模型各种各样，但在实际 应用中，一般采用BP网络模型或它的变化形式。 y ( wlij 删 )， 典型的BP网络(Back．Propagation network)结构如 i=1，2，…，rtl (1) 图 1： 输出层第k个神经元的输出为： BP算法由两部分组成：信息的正向传递与误 差的反向传播。BP算法的步骤简述如下： y ( 02 )， 设输人为{ }，输入神经元有r个，隐含层内有