基坑土体参数优化反分析及其变形预测

《基坑土体参数优化反分析及其变形预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学硕士学位论文摘要本文采用有限元分析软件ANSYS的优化技术对基坑土体参数进行了优化反分析。采用平面有限元理论及“生死”单元对基坑进行开挖模拟，利用基坑的开挖模型及基坑实测位移值反分析基坑土体的力学参数，利用这些参数可以对实际工况进行模拟。将人工神经网络应用于基坑变形预测，并通过软件MATLAB编程加以实现。由于BP神经网络和径向基神经网络在预测中各有优缺点，本文利用两种方法对实际基坑工程变形分别进行网络训练预测，并根据预测结果比较分析，选择一种较适合本基坑变形预测的方法。针对基本BP网络收敛速度慢及易陷入局部极小的特点，本文就以下两点对基本BP网络进行了改进。（1

2、）根据实际工程结合经验公式法先确定了隐含层点数的大致范围，再通过试验法对网络训练试算，得出输出精度较高的隐含层点数。（2）利用传统数值优化方法中的L-M算法和动量梯度下降法对BP网络进行训练。在径向基RBF网络和广义回归（GRNN）网络对基坑变形预测的过程中，结合训练样本的输入，通过调整分布密度的数值得到最佳网络。关键词：基坑，变形，预测，优化反分析，ANSYS，人工神经网络i基坑土体参数优化反分析和沉降预测的MATLAB实现ABSTRACTTheOptimizationbackanalysisoffoundationpitsoilbody’sparameterisstudied

3、insoftwareANSYS.Themethodofthesimulationoftheexcavationfoundationpitistheusingof“thelifeanddeath”elementandtheplanefiniteelementtheory.AccordingtothesimulationExcavatesmodeloffoundationpitandactualdisplacementvalue,wecanobtainthedynamicalparameteroffoundationpitsoilbody。Wecanusetheseparameter

4、stosimulatetheactualworkingconditions.Theartificialnervenetworkisusedinthedeformationforecastoffoundationpitinthisarticle,andperformsthroughsoftwareMATLAB7.0torealize.BecausetheBPnervenetworkandtheradialdirectionbasenervenetworkrespectivelyhasthegoodandbadpointsintheforecast,thisarticleusestw

5、omethodsseparatelytobuildnetworktrainingtoforecastsubsidencetotheactualfoundationpitproject,andaccordingtotheresulttochoosesonekindcomparativelytosuitthisfoundationpitdeformationforecast’smethod..ForthebasicBPnetwork’srapidityofconvergenceisslowanditiseasytofallintothepartialminimum,twomainap

6、plicationmethodsareadvanced.（1）Accordingtotheactualprojectandempiricalformula,wefirstdeterminetheapproximatescopeofthehiddenlevelpoints,thentrainthenetworkthroughthetestingmethod,atlastobtaintheoutputprecisionhigherconcealedlevelpoints.（2）UsingtheL-Malgorithmandthemomentumgradientdropmethodto

7、traintheBPnetwork..Wecanobtainthebestnetworkthroughtheadjustmentdensityofdistributionvalueinthefoundationpitdeformationforecast’sprocessthroughtheradialdirectionbaseRBFnetworkandthegeneralizedreturnnetwork(GRNN).Keywords:foundationpit，deforma