基于anns地下隧道围岩稳定性分析方法研究工程力学专业论文.docxVIP

山东科技大学硕士学位论文摘要 山东科技大学硕士学位论文 摘要 摘 要 采用现有的人工神经网络理论和灰色系统理论，运用调研、理论分析、应用分析和 软件编程相结合的研究方法，对少样本、贫信息的隧道围岩稳定性的分析方法进行研究， 并通过实际工程隧道对所研究的方法进行检验。主要工作包括： 首先，从隧道围岩位移角度分析隧道围岩稳定性，提出隧道围岩位移长时预测的 BP 神经网络模型。在构建模型的过程中，采用对比多种网络模型预测结果的方法来确定最 优模型。当神经网络模型的隐含层神经单元数不同时，模型预测结果误差和所用时间不 同，经过反复试验得到当隐含层神经单元数为 6 时模型得出的预测值平均误差较小，训 练时间较短，综合考虑建立了预测隧道岩体位移的 BP 神经网络长时预测模型。 其次，通过对隧道围岩稳定性影响因素的分析，确定了隧道围岩稳定性的分析指标。 主要从岩石性质及岩体结构、地应力因素、地下水因素、地质构造、时间因素以及工程 因素共六个方面出发，全面系统的分析了这六个个因素对隧道围岩稳定性的影响，为客 观实际的进行围岩分级提供依据，以便采取相应的维护隧道围岩稳定的措施。 再者，从多因素角度分析隧道围岩稳定性，建立 BP 神经网络模型。利用人工神经 网络自组织、自学习、自适应性及并行式处理、容错性等的特性，结合隧道围岩稳定性 影响因素建立 BP 神经网络模型，并利用 MATLAB 软件中的神经网络工具箱实现，依据 公路隧道设计规范和实际工程情况构造样本数据，然后用构造的数据样本对地下隧道围 岩稳定性进行分析。 最后，建立了适用于小样本、贫信息工程中的隧道围岩稳定性分析的 GA-GNN 模型。 通过对灰色系统理论和神经网络算法的理论分析，建立灰色系统理论和神经网络想结合 的灰色神经网络模型；并用遗传算法对其进行优化，得到最终的分析模型—GA-GNN 模 型；然后利用 MATLAB 软件编程实现该模型；最后，利用已建立好的 GA-GNN 模型对 实际工程隧道围岩的稳定性进行分析，检验所建模型的实际应用效果，结果表明检验结 果良好，所建模型可以用于小样本、贫信息的工程实际。 关键词：围岩稳定性；神经网络；灰色理论；位移预测 山东科技大学硕士学位论文Ab 山东科技大学硕士学位论文 Abstract Abstract Based on existing artificial neural network knowledge and gray system theory, the paper used a combination of research methods include the research, theoretical analysis, application analysis and software programming, researched the method of analysis tunnel surrounding rock stability with less samples, poor information, and test the method through practical engineering tunnel. The main works are as follows: First, a neural network model to predict the tunnel rock mass displacement was proposed and applied to the actual prediction. Through the comparative analysis of the forecast results in the hidden layer with different unit number, educed that the predictive average error was the minimum when unit number was six. By contrast, the BP neural network model is proved that it can better predict the tunnel rock mass displacement. Secondly, by analyzing tunnel surrounding rock stability factors, the paper determined the tunnel surrounding rock stability indicators. From the rock properties and rock mass structure, stress fa