岩质隧道本构模型及参数人工智能反分析研究

发布时间：2021-01-28 14:13

　　本构模型和参数不能较精确确定制约着岩体力学理论分析和数值模拟的发展,反分析法为它们的获取提供了较为有效的途径。岩体系统辨识是在对岩体具备一定先验知识的基础上假定其模型类属来进行的,本文对岩体弹塑性模型类内辨识进行了研究。鉴于进化算法存在收敛性能方面的缺陷,文中结合免疫算法中的浓度调节机制对其进行了改进。具体内容如下: 1、阐述了岩体系统辨识的概念,对各种弹塑性模型进行了总结,并对位移优化反分析方法做了介绍。 2、为了改善群体中个体的多样性,引入免疫算法中的浓度调节机制对进化规划中的选择操作进行了改进,且初始群体按均匀试验设计方法产生。 3、将免疫进化规划与BP网络相结合,提出了进化神经网络优化反分析模型。其内容包括三个部分:1)神经网络结构优化;2)神经网络测试;3)模型及参数反演。 4、结合具体工程,将以上提出的方法应用于岩体弹塑性模型及参数辨识,并对辨识结果进行了检验和应用。 

【文章来源】：河海大学江苏省 211工程院校 教育部直属院校

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

Sc5叻F}函数

【参考文献】：
期刊论文
[1]免疫算法抗体浓度调节定义的改进[J]. 吕岗,陈小平,谭得健.  数据采集与处理. 2003(01)
[2]基于生态竞争模型的岩土本构模型辨识新算法[J]. 高玮,郑颖人.  岩土工程学报. 2002(01)
[3]岩土工程非确定性反分析研究动态[J]. 高玮,郑颖人.  地下空间. 2000(02)
[4]BP网络的最大误差学习算法[J]. 赵启林,卓家寿.  河海大学学报(自然科学版). 2000(01)
[5]位移反分析的进化神经网络方法研究[J]. 冯夏庭,张治强,杨成祥,林韵梅.  岩石力学与工程学报. 1999(05)
[6]改进的BP网络在岩质边坡稳定性评判中的应用[J]. 卢才金,胡厚田,徐建平,罗斌.  岩石力学与工程学报. 1999(03)
[7]三峡永久船闸高边坡变形预测人工神经网络分析[J]. 徐卫亚,蒋晗,谢守益,姜平.  岩土力学. 1999(02)
[8]岩石力学位移反演分析回顾及进展[J]. 王芝银,杨志法,王思敬.  力学进展. 1998(04)
[9]岩体工程正反耦合位移反分析初探[J]. 李皓,唐新军,朱焕春.  武汉水利电力大学学报. 1997(04)
[10]地下巷道弹性位移反分析各种优化方法的探讨[J]. 吕爱钟.  岩土力学. 1996(02)

硕士论文
[1]基于神经网络和遗传算法的岩体参数反分析研究[D]. 周萍.河海大学 2004



本文编号：3005135