采用加速遗传算法反演裂隙岩体渗流参数.pdfVIP

救。近年来新兴的遗传算法因其特有的魅力在位移反分析领域已得到广泛的应用”“1，以遗传算法为 丰菱心的智能化反分析方法…越来越受到工程界的重视，遗传算法的发展也为解决裂隙岩体渗流反分析 提供了新的途径，而目前将遗传算法应用于裂隙岩体渗流反分析的报道尚不多见。作者针对裂隙岩体 渗流参数反问题，基于改进的加速遗传算法”1提出的进化反演方法克服了传统优化反演方法的上述缺 陷，提高了反演结果的可靠性。此外，以裂隙组渗透系数的比例因子为目标未知数，从而减少了．待反 演的参数数目，这可在一定程度上改善反问题的适定性。 2裂隙岩体渗流参数反演的基本模型 考虑刘结构面渗透系数在裂隙岩体渗流分析中起控制作用，拟通过实测水头资料反演确定裂隙组 的渗透系数。当岩体中有L组不同裂隙同时存在时，由snow理论及张量运算的有关性质，可得到岩 体的渗透张量为 ￡ b=∑缸(如一～～)，f=l，2，3 (1) 式中：b为裂隙岩体渗透张量；k为第z组裂踩的渗透系数；h为裂隙面法向单位矢量。 稳定渗流控制方程为 (居。q)。=0，f=1，2，3』=1，2，3 (2) 将研究区域根据岩体水文地质特性和裂隙分布特征分为^御个分区，将f分区的任一组裂隙，的渗透 系数表示为％：，^；满足下列约束条件： 《畦簖， (f=l，2，…，M；z=1，2，…，￡) (3) 式中：H为待反演确定的参敢；瞎，磷分别为参数的上下界，可根据地区经验以及压水试验成果等 资料预估确定。 依据间接法建立反演模型，即根据研究的渗流区域内若干已知坐标位置的测点水头实测值与计算 值之误差。以最小二乘准则建立目标函数。 E(砧)= (4) 私【譬r 式中：以为第m测点的水头计算值；脚，为第m测点的水头实浏值；村为测点数；u．为相应的权 函数。式(4)所示的目标函数中采用了水头舶相对值，使目标函数成为无量纲的数值函数，从而可 以避免在优化过程中因量纲问题Bl发的一些不合理现象，也便于翔断算法收敛与否。至此，裂隙岩体 渗流参数反问题即转化为式(3)、式(4)构成的约束优化同题。采用有限分析…、有限元…等数值 方法结合单纯型…、复合型Ⅲ等传统的优化算法求解上述优化问题即形成裂隙岩体渗流参数反演的基 本模型。 3裂隙岩体渗流参数反演的进化模型 依据上述反演的基本模型。采用加速遗传算法迸行优化搜索，形成了反演裂嗽岩体渗流参数的进 化模型。首先对待反演的参数向量屯进行遗传编码，并随机产生一组参数向量作为算法的初始种群； 然后，结合渗流分析的有限元方法，计算目标函数，并进行种群的个体适应度评价；最后通过选择、 交叉、变异筹一系列进化操作可获得待反演参数的全局最优值。 3．1编码遗传算法中用以表示参数向量结构的常用编码方式有3种：二进制编码；格雷编码；浮 点编码。二进制编码、解码操作简单易行，便于实现交叉、变异等进化操作，且便于利用模式定理对 算法进行理论分析。格雷码是二进制码的变形，具有与二进制码相似的特点，其编码、解码操作相对 复杂，但基于格雷编码的算法局部搜索能力有较大提高。浮点编码方式，编码长度等于参数向量的维 一56— 数，达到同等精度要求的情况下，编码长度远小于二进制码和格雷码。此外，浮点编码使用的是决策 变量的真实值，不需反复进行数据转换。因此，本文采用浮点编码方式。 3．2适应度函数适应度函数是遗传进化操作的基础，它的构造是遗传算法的关键。合理的适应度 函数能引导搜索朝最优化方向进行，构造基于序的适应度函数。它的特点是个体被选择的概率与目标 函数的具体值无关，因此消除了因目标函数量纲问题引发的诸多不合理结果。将种群中的所有个体按 其目标函数值的大小进行降序排列，设参数a∈(o，1)，定义基于序的适应度函数为 ∽f(Ⅳ。)=d(1一口)”1f=l，2，…，p5f∞ (5) 式中：。．为种群排序后第i个个体；删矗为种群中个体总数。笔者建议a取为0．Ol—o．3有利于保持