浅论基于遗传算法的反分析方法及其在路堤工程中的应用研究

《浅论基于遗传算法的反分析方法及其在路堤工程中的应用研究》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、同济大学博士学位论文基于遗传算法的反分析方法及其在路堤工程中的应用研究姓名：陈建峰申请学位级别：博士专业：岩土工程指导教师：陈竹昌2001.1.1摘要与岩石地下工程反分析比较成熟的研究成果相比，土体工程中的反分析研究还处于初步阶段。(已有的土体工程反分析理论对所采用的模型没有作出必要的选择评判和参数分析，特别对比较符合土体实际变形性状的弹塑性模型参数的反分析没有进行进一步研究；所采用的梯度法、模式探索法和单纯形法等传统优t丘算法也存在很多不足。因此，限制了反分析方法在土体工程中的推广应用。y笨文封现存的这些问题作了～些探讨，期着重针

2、对路堤工程进行了应用研究：、广卜～——引进了近几年兴起的新型优化算法一遗传算法，其具有智能性搜索、并行式计算和全局优化等优点，特别适合于求解目标函数的多极值点问题。本文对其叉加以改进，缏改进的遗传算法更具智能化特点，大大提高了寻优速度，从而克服了传统优化算法在收敛速度和解的唯一性上存在的不足。编制了改进的遗传算法程序[GAP。编制了Blot有限元程序CONSOLID，采用二维平面弹性和弹塑性本构模型，以便分析中针对不同情况选用不同模型进行比较，采用反分析法中的直接法原理编制了基于遗传算法考虑土体固结的反分析程序COMBAK。引入了系

3、统论中灵敏度分析方法，并编制了Blot固结有限元灵敏度分析程序，分别对弹性问题和弹塑性问题参数的灵敏度分布进行了分析。戾敏度分析的意义在于针对某个模型寻求一个最佳的反分析其参数的方法。、通过回归统计分析，建立了弹塑性修正剑桥模型参数中的压缩指数、回弹指数和应力比与土的塑性指数的三个关系式，从而减少弹塑性模型的参数数量，使弹塑性问题参数的反分析效率得到很大提高。厂‘、一提出了测点优化布置的思想，(即把量测点置于位移和孔隙水压力对土性参数高灵敏度处，以减少量测误差对反分析参数的影响，使结果更加可靠，同时也能加快反分析收敛速度。7探讨了路

4、堤的不同沉降形式和灵敏度分布情况，引出了路堤沉降形式与路堤宽度、堆载高度(荷载大小)和土性等因素之间的相关关系，归纳了路堤的四种不同沉降形式。，推导了一个同时考虑井阻和涂抹区效应的平面问题砂井地基等效公式·(并采用灵敏度分析程序对一塑料排水板路堤工程进行分析，与天然地基的分析结果进行比较，以研究砂井地基反分析土性参数的要求和量测点的优化布置办法。，，一”一给出了反分析参数可靠性的衡量标准，提出了基于极大似然法考虑量测误差的反分析方法，尉一实例进行分析，得出不同模型和量测误差对反分析参数可靠性的影响，为信息化施工过程的有效预测作出指导

5、。厂’’提出了一个针对路堤工程的信息化施工方法框图。厂应用于一具体工程中，探讨出一个合理的判断路堤施工安全的控制标准，并进一步验证了基于遗传算法的采用Blot固结修正剑桥模型反分析方法在路堤工程信息化施工中具有的较好预测功能。h一’、／√、／、矿关键词：遗传算法：反分析，Blot固结i弹性模型，修正剑桥模型，灵敏度，砂井地基，极大似然法，信息化施工yAbstractComparedwiththeback-analysismethodinrockundergroundengineering．theback-armlysismethod

6、insoilengineeringisstillinaninitialstage．Theavailableback—analysismethodinsoilen百neeringhasneithernecessarilyevaluatedtheappliedconstitutivemodels，noranalyzedtheirparameters．especiallynottodofurtherresearchontheparametersofelasto．plasticmodelswhichrelativelyfitthebehav

7、iorofpracticalsotldeformation．Suchclassicaloptimalalgorithmsasgradientmethod．modepmbingmethodandsimplexmethod，whichtheavailableback-analysismethodadopts．havemanydeficiencies．1110selimittheapplicationofback-analysismethodtosoilengineering．Thedissertationdeeplydiscussest

8、hosepmblems，anddoesapplicationresearchtoembankmentsespecially．Introduceanewoptimalalgorithm--GeneticAlgorithm(GA)，whi