基于bp神经网络的高填石路堤本构模型参数识别及应用研究-道路与铁道工程专业论文.docxVIP

独创性声明 本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究 工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方 外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华 东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢 意。 本人签名_ 日期 关于论文使用授权的说明 本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学 校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论 文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密的论文在解密后遵守此规定，本论文无保密内容。 本人签名_ 导师签名 日期 摘要 摘要 I I 基于 BP 神经网络的高填石路堤本构模型参数识别及应用研究 摘要 随着我国高速公路的建设不断向地质、地形条件复杂的山区延伸，使得高填深挖路 基和隧道工程成为不可避免。在工程施工实际过程中，常常利用隧道优质的石质弃渣作 为路基的填料，这既可以解决山区缺少石渣填料的问题，又可以减少弃渣对沿线生态环 境的破坏和诱发地质灾害，所以高填石路堤将成为山区高等级公路较普遍、经济、环保 的路基型式。 高填石路堤沉降，特别是工后沉降的计算与预测已经成为工程成功与否的关键问 题，但是由于其复杂性，通常需要选择或建立一个适合的本构模型进行仿真计算，然而 模型参数的确定是制约问题分析的“瓶颈”。常规的工程类比法和试验法由于本身的缺 陷性，人们从而转向研究建立依据现场量测信息反分析确定有关模型参数值的理论和方 法，以使现有的计算理论可在工程实践中运用。本文结合沪蓉西高速公路典型断面的路 堤，根据实测资料及动态施工模拟，揭示了路堤的应力-应变规律，并建立了基于时效 的三参数蠕变模型。最后利用有限元与 BP 神经网络相结合的方法对弹塑性模型、邓肯- 张（E-B）模型及蠕变模参数分别进行识别，并用所识别的参数进行正分析计算。通过 计算沉降值与实测沉降值相比较，发现两者吻合较好，具有较高的可信度。所以采用有 限元与 BP 神经网络相结合的方法不仅可以较为准确的计算与预测路堤沉降，也为信息 化施工提供科学的决策，降低了路基的不均匀沉降和过大的工后沉降等灾害发生的概 率，这对于保持交通畅通、保障车辆和行人安全、促进国民经济的发展都具有十分重要 的意义。 关键词：高填石路堤，沉降，本构模型，参数识别，有限元，BP 神经网络 Ab Abstract Ⅱ Ⅱ PARAMETERS IDENTIFICATION OF HIGH ROCK-FILLED EMBANKMENT CONSTITUTIVE MODEL BASED ON BP NEURAL NETWORK AND APPLICATION RESEARCH ABSTRACT With the development of Chinese highway construction toward the mountainous area complex geological and terrain condition, the high rock-filled embankment and digging tunnels have become inevitable. In the actual construction process, high-quality tunnel slag stone is often used as roadbed filler, which can not only solve the gravel packing problem of the mountain, but also reduce the damage to the ecological environment and geological disasters along the line, so the high rock-filled embankment will become the types of embankment structure which is more common, economic, and environmental protection. The settlement of the high rock-filled embankment, particularly the calculation and prediction of the post-construction settlement have become the key to the problem which depends on the