基于遗传单纯形算法与RBF网络的地应力场反演方法.pdfVIP

第 12卷 第 1期 铁道科学与工程学报 Volume 12 Numberl 2015年 2月 JournalofRailwayScienceandEngineering February2015 基于遗传单纯形算法与 RBF网络的 地应力场反演方法 谢学斌 ，罗海霞 。杨承祥 ，李欣 (1．中南大学 资源与安全工程学院，湖南 长沙410083； 2．安徽铜冠(庐江)矿业有限公司，安徽 铜陵231561) 摘 要：为提升RBF神经网络性能，采用遗传单纯形算法优化 RBF神经网络隐含层节点中心值，利用FLAC’软件建立区 域的数值计算模型来进行正分析计算，以若干测点的正应力值作为训练样本，用优化的RBF网络反演模型区域的岩体力学 参数及初始地应力场。依据沙溪铜矿区的地质资料进行算例分析，该方法的反演计算值、实测值及其他RBF网络反演计算 值对比表明：所采用的遗传单纯形算法优化 RBF网络的反演方法是可行的，改善 了计算精度，对类似工程有一定的参考 价值 。 关键词：初始地应力场；反演；FLAC ；遗传算法；单纯形算法；RBF神经网络 中图分类号：TU443 文献标志码：A 文章编号 ：1672—7029(2015)01—0072—07 BackanalysisofgeostressfieldwithRBF neuralnetworkandgenetic——simplexalgorithm XIE Xuebin ，LUO Haixia ，YNAG Chengxiang ，LIXin (1．SchoolofResourcesandSafetyEngineering，CentralSouthUniversity，Changsha410083，China 2．AnhuiTongguan(Lujiang)MiningCo．，Ltd，Tongling231561，China) Abstract：ToenhancetheperformanceofRBFneuralnetwork，genetic— simplexalgorithm(GSA)isusedto optimizethecentralvalueinthehiddenlayerofRBFneuralnetwork．A numericalmodeloftheareaisestab— lishedbyFLAC ”toconductpositiveanalysis．takenmeasurednormalstressesofsomespecificpointsasthe trainingsample，theoptimizedRBFneuralnetwork(GSA—RBF)wasutilizedtoconductbackanalysesforrock mechanicalparametersand initialstressfield．BasedongeologicaldataofShaxicoppermine，theresultsob— tainedfrom backanalysiswerecomparedwiththosebyGSA —RBF andthemeasuredones，andthecomparison resultsshow thatthebackanalysismethodofGSA —RBF isfeasible，andimprovesthecalculation accuracy， whichprovidescertainreferencevaluetothesimilarengineeringprojects． Key words：initialstressfield；backanalysis；FLAC geneticalgorithm ；simplexalgorithm ；RBFneuralnet— W0rk 初始地应力场是岩石力学研究的重要内容，能 地应力场与岩体