[硕士]瀑布沟水电站放空洞围岩的稳定性监测与位移反分析研究.pdf

摘要 瀑布沟水电站放空洞围岩的稳定性监测与位移反分 析研究 作者简介：刘明，男，1983 年9 月生，师从成都理工大学汪家林教授，2009 年06 月毕业于成都理工大学岩土工程专业，获得工学硕士学位。 摘 要 本文以瀑布沟水电站放空洞为研究对象。通过对水工隧洞安全监测设计的讨 M O 论，简单介绍了瀑布沟水电站放空洞施工期监测布置；通过对放空洞施工期围岩 C 的稳定性监测，结合地质条件，分析围岩的变形过程、特征以及影响围岩稳定性 . 的各种因素；通过对人工神经网络理论和位移反分析理论的研究，结合正交试验 G N 设计和 FLAC 数值计算程序，利用 BP 神经网络实现放空洞的初始地应力参数、 O 围岩弹性模量以及泊松比的位移反分析过程，并对反分析结果的可靠性以及影响 L 因素进行讨论；最后利用反分析结果模拟开挖过程。 U H （1）讨论了水工隧洞监测项目的选择、仪器选型、不同阶段的安全监测设 Z 计以及瀑布沟水电站放空洞施工期监测布置。 . （2）通过对施工期围岩的稳定性监测，结合地质资料和施工过程分析围岩 W W 变形的时间效应、空间效应以及孔深、开挖进尺与围岩变形的关系，分析支护锚 W 杆的应力变化过程。围岩变形主要集中在底部断面的开挖过程中，支护应力的变 化也主要集中在这一过程；另外上半洞施工过程中3-3断面附件发生的拱顶塌方 主要是由于支护滞后、爆破不规范所致。 网 （3）基于人工神经网络的位移反分析方法，其实质上仍然是一种直接位移 反分析法。基于人工神经网络的位移反分析的总体思路是：采用 FLAC 建立隧洞 龙 开挖的数值分析模型，进行理论计算，得出不同部位的若干组位移。将这些位移 筑 数据作为训练样本导入到编写好的人工神经网络程序中进行学习，然后将实测数 据导入训练好的人工神经网络中进行反分析，得到待求参数。 （4）用正交试验确定放空洞反分析参数的样本组合，利用FLAC 计算不同 样本组合下的围岩变形值，将计算位移值作为输入样本，反分析参数的不同组合 作为输出样本带入到 BP 神经网络进行训练，再将实测位移值带入训练好的神经 网络中，得到放空洞的初始地应力参数、围岩弹性模量以及泊松比，初始地应力 以水平应力为主，为 22.105MPa ，等效弹性模量为 7.38GPa，等效泊松比为 0.2663 。 （5 ）利用反分析结果模拟施工过程，分析底部断面不同开挖方案下的围岩 变形、塑性区的分布以及还原整个施工期围