隧洞围岩力学参数反演

《隧洞围岩力学参数反演》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第35卷，第3期公路工程Vo1．35，No．32010年6月HighwayEngineeringJun．，2010隧洞围岩力学参数反演夏怡(贵州省交通规划勘察设计研究院，贵州贵阳550001)[摘要]利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量，基于某隧洞的实测位移数据，对该隧洞的硬土弹塑性力学参数进行了反演。[关键词】硬土；神经网络；粒子群；反演[中图分类号]u451．2[文献标识码】B[文章编号]1674—0610(2010)03—0049—03TheinversionanalysisofSurrou

2、ndingRock’SMechanicalParametersXIAYi(GuizhouCommunicationPlanningandSurveyingDesignInstitute，Guiyang，Guizhou550001，China)[Keywords]hardsoil；neuralnetwork；PSO；inversion在计算隧道重要地段和部位的变形数值时，需要已知围岩力学参数，如弹性模量和泊松比、围岩内摩擦角。由于实际工程中实测这些参数非常不便，且数量极少，因此，结合围岩变形实测数值，反演围岩力学参数就成为必须¨

3、。本文基于某隧洞围岩断面监测数据，采用改进型神经网络对其硬土质围岩力学参数进行了反演并验证了反演结果合理性。1反演方法介绍ymn人工神经网络(ANN)是基于模仿大脑神经网ly络结构和功能而建立的一种信息处理系统。。它由许多神经元组成，神经元相互连接形成的复杂网图1BP网络结构图络即神经网络。神经网络是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。元，对应的激活函数为，输出为{Y)，目标序列为它有如下的固有特点：高度的并行性；高度的非线{Y)。性全局作用；1．1信息的正向传递良好的容错性与联想记忆功能；十分强的

4、自适隐含层中第i个神经元的输出为：应、自学习功能。神经网络模型各种各样，但在实际应用中，一般采用BP网络模型或它的变化形式。y(wlij删)，典型的BP网络(Back．Propagationnetwork)结构如i=1，2，⋯，rtl(1)图1：输出层第k个神经元的输出为：BP算法由两部分组成：信息的正向传递与误差的反向传播。BP算法的步骤简述如下：y(02)，设输人为{}，输入神经元有r个，隐含层内有k=1，2，⋯，rt2(2)n个神经元，激活函数为；输出层内有n个神经定义误差函数为：[收稿日期]2010—04—02[作者简

5、介]夏怡(1984一)，女，贵州贵阳人，助理工程师，主要从事公路隧道研究与设计工作。50公路工程35卷定隐层神经元数目，从而可以提高反演精度，避免人层=÷∑(Yk一Yo)(3)工取值的任意性。1．2误差的反向传播由Eberhart博士和kennedy博士发明的粒子群①输出层的权值变化。优化算法(PSO)是一种进化计算技术(evolutionary对从第i个输入到第k个输出，其权值变化为：computation)。源于对鸟群捕食的行为研究，是一种Ato2ki=一OE基于叠代的优化工具。系统初始化为一组随机=)=解，通过叠代搜寻最

6、优值。PSO的优势在于简单容叼8kYhi(4)易实现并且没有许多参数需要调整。6=(y—Y。)f=efPSO中，每个优化问题的解都是搜索空间中的一只鸟，称之为“粒子”。所有的粒子都有一个由被e^=y—Y。优化的函数决定的适应值(fitnessvalue)，每个粒子同理可得：还有一个速度决定他们飞翔的方向和距离。然后粒△02一OE=77(，，)。=~1Bki子们就追随当前的最优粒子在解空间中搜索。首先②隐含层的权值变化。初始化为一群随机粒子(随机解)。然后通过叠代对从第个输入到第i个输出，其权值变化为：找到最优解。在每一次叠代中

7、，粒子通过跟踪两rt2个”极值”来更新自己。第一个就是粒子本身所找Atolq=一OE=叼Y)，到的最优解。这个解叫做个体极值pBest。另一个t极值是整个种群目前找到的最优解。这个极值是全∞2=716xj(5)l局极值gBest。另外也可以不用整个种群而只是用其中：：e，ei：∑6航to2其中一部分最为粒子的邻居，那么在所有邻居中的极值就是局部极值。在找到这两个最优值时，粒子同理可得：根据如下的公式来更新自己的速度和新的位置：AO1i==+cl木rand木(pbest—present)+C2半rand，

8、网络的运行都可分为两个

9、阶段：训练阶段和工(gbest—present)(7)作阶段。在训练阶段，首先给定输入向量序列(称presentpersent+(8)为样本){l,X2k，⋯，^)T和要求的输出向量序式中：是粒子的速度；present是当前粒子的列(称为期望输出){y，，，，⋯，，，}T。给