基于并行遗传算法和温度荷载的隧洞参数反演研究

发布时间：2018-11-05 08:00

【摘要】：针对隧洞工程运行期反演计算中温度荷载容易被忽视的问题,以西南地区一个大型水电站的深埋地下隧洞为研究对象,将其运行期钢筋应力、围岩参数增量的实测值作为反演的基础数据,考虑应力场和渗流场的耦合作用,采用并行遗传算法对运行期隧洞围岩参数和外水头进行反演。计算结果和实测结果对比表明,温度荷载对反演得到的隧洞参数值影响较大,误差由未考虑温度时的38.73%降到考虑后的3.90%,而围岩参数中弹性模量误差也由7.35%降为3.90%,内摩擦角误差也由7.45%降为5.76%。并行遗传算法可以应用到隧洞参数的反演中,将计算效率提高了4倍左右。温度荷载的施加也使反演得到的计算结果更加接近实测值,反演结果更加准确。研究成果可为类似的工程提供参考。
[Abstract]:In order to solve the problem that the temperature load is easily neglected in the inversion calculation of the running period of the tunnel engineering, this paper takes the deep buried underground tunnel of a large hydropower station in the southwest of China as the research object, and puts the steel bar stress in the running period of the tunnel. Considering the coupling effect of stress field and seepage field, parallel genetic algorithm is used to inverse the surrounding rock parameters and water head of the tunnel in the period of operation. The comparison between the calculated results and the measured results shows that the temperature load has a great influence on the tunnel parameters obtained by inversion, and the error is reduced from 38.73% without temperature to 3.90% after the temperature is taken into account. The error of elastic modulus in the parameters of surrounding rock is also reduced from 7.35% to 3.90, and the error of angle of internal friction is also reduced from 7.45% to 5.76%. Parallel genetic algorithm can be applied to the inversion of tunnel parameters, and the computational efficiency is improved by about 4 times. The application of temperature load also makes the result of inversion more close to the measured value, and the inversion result is more accurate. The research results can provide reference for similar projects.
【作者单位】：河海大学水利水电学院;
【基金】：国家科技支撑计划“南水北调中东线工程运行管理关键技术及应用”(2015BAB07B10) 国家自然科学基金项目(51409170) 国家重点研发计划(2016YFC0401801)
【分类号】：TV554

【参考文献】

相关期刊论文前10条

1 吴成滨;林川;曾树元;朱松松;周驰誉;;基于改进果蝇算法的危岩体弹性模量反演计算[J];水利水电技术;2016年10期

2 马春景;姜谙男;王军祥;陈维;胡雪峰;刘义河;;基于差异进化算法的隧道渗流反分析与工程应用[J];铁道科学与工程学报;2016年05期

3 朱珍德;杨喜庆;郝振群;王士宏;;基于粒子群优化BP神经网络的隧道围岩位移反演分析[J];水利与建筑工程学报;2010年04期

4 马为功;李德武;马小虎;;基于Matlab神经网络工具箱的隧道位移反分析研究[J];兰州交通大学学报;2010年04期

5 孙钧;戚玉亮;;隧道围岩稳定性正算反演分析研究——以厦门海底隧道穿越风化深槽施工安全监控为例介绍[J];岩土力学;2010年08期

6 陈秋红;李仲奎;张志增;;松动圈分区模型及其在地下工程反馈分析中的应用[J];岩石力学与工程学报;2010年S1期

7 张孟喜;李钢;冯建龙;贺小强;;双连拱隧道围岩变形有限元与BP神经网络耦合分析[J];岩土力学;2008年05期

8 赵旭峰;王春苗;;厦门海底隧道围岩稳定动态反演分析[J];工程地质学报;2007年02期

9 欧阳应秀,唐敏,刘生礼,董金祥;几何约束求解的BFGS-混沌混合算法[J];浙江大学学报(工学版);2005年09期

10 李培超,孔祥言,卢德唐;饱和多孔介质流固耦合渗流的数学模型[J];水动力学研究与进展(A辑);2003年04期

【共引文献】

相关期刊论文前10条

1 施江旭;张成良;吕文乾;王自龙;;基于BP神经网络对隧道围岩变形的预测[J];中国水运(下半月);2017年08期

2 苏建伟;陈建龙;钦亚洲;;隧道围岩弹性模量及泊松比反演程序开发与验证[J];河南科学;2017年06期

3 舒海辉;周亚军;;非饱和多孔介质应力渗流耦合分析研究[J];水利科技与经济;2017年06期

4 张九丹;任旭华;张继勋;;基于并行遗传算法和温度荷载的隧洞参数反演研究[J];水利水电技术;2017年06期

5 孙光中;荆永滨;田坤云;王李管;张瑞林;;基于温度作用下含瓦斯煤渗透率动态演化模型的修正及试验研究[J];应用基础与工程科学学报;2017年03期

6 许江;刘龙荣;彭守建;冯丹;苏小鹏;张兰;;不同吸附性气体抽采过程中煤储层参数演化特征研究[J];岩土力学;2017年06期

7 郝从猛;刘洪永;程远平;;穿层水力造穴钻孔瓦斯抽采效果数值模拟研究[J];煤矿安全;2017年05期

8 黄瑞峰;张志刚;程波;;井下抽采钻孔瓦斯浓度控制机理及方法研究[J];煤炭科学技术;2017年05期

9 王乔;赵东;冯增朝;周动;张超;;基于CT扫描的煤岩钻孔注液氮致裂试验研究[J];煤炭科学技术;2017年04期

10 刘乃飞;李宁;邓边员;李国锋;张岩;;库尉输水工程富水土质洞段的流固耦合分析[J];地下空间与工程学报;2017年02期

【二级参考文献】

相关期刊论文前10条

1 贺子光;赵法锁;武斌;汪班桥;段钊;;果蝇优化算法在边坡最小安全系数搜索中的应用[J];灾害学;2015年04期

2 李胜;韩永亮;;基于MFOA-SVR露天矿边坡变形量预测研究[J];中国安全生产科学技术;2015年01期

3 王海军;涂凯;闫晓荣;;基于果蝇优化算法的GRNN模型在边坡稳定预测中的应用[J];水电能源科学;2015年01期

4 田泽润;李守巨;于申;;白山抽水蓄能泵站地下厂房的岩体力学参数反演[J];岩土力学;2014年S2期

5 俞祥荣;张社荣;王雪红;程井;;基于果蝇-BP神经网络算法的大坝力学参数反演[J];水利水电技术;2014年09期

6 高召宁;孟祥瑞;王广地;;考虑渗流、非轴对称荷载作用的隧道围岩塑性区分析[J];现代隧道技术;2014年02期

7 韩俊英;刘成忠;;反向认知的高效果蝇优化算法[J];计算机工程;2013年11期

8 吴小文;李擎;;果蝇算法和5种群智能算法的寻优性能研究[J];火力与指挥控制;2013年04期

9 李旭东;赵雪娇;;矩形和椭圆内均匀分布随机点定理及应用[J];成都理工大学学报(自然科学版);2012年05期

10 李术才;赵岩;徐帮树;李利平;刘钦;王育奎;;海底隧道涌水量数值计算的渗透系数确定方法[J];岩土力学;2012年05期

【相似文献】

相关期刊论文前10条

1 周明,孙树栋,彭炎午;并行遗传算法的研究评述[J];南昌航空工业学院学报;1998年02期

2 金菊良;程健;张有富;;基于加速并行遗传算法的模糊综合评价模型[J];水电能源科学;2005年06期

3 余有明;刘玉树;刘昆;陈云飞;;混沌伪并行遗传算法及其在火力分配优化中的应用[J];北京理工大学学报;2005年12期

4 贾丽媛;杜欣;;并行遗传算法研究[J];湖南城市学院学报(自然科学版);2006年03期

5 陈昊;王琦;;基于模糊罚函数的分布式并行遗传算法及其应用[J];南昌航空大学学报(自然科学版);2007年04期

6 李培;郝晓光;周文;;基于伪并行遗传算法的无源电力滤波器优化设计[J];电测与仪表;2011年07期

7 黄樟灿,蒋银峰;图分裂问题的数学模型及并行遗传算法[J];武汉汽车工业大学学报;1996年04期

8 杨世锡，吴昭同，严拱标;自适应并行遗传算法及其应用研究[J];工程设计;1999年02期

9 方辉,罗阳;基于分布式并行遗传算法的大规模板材套料优化模型[J];机械;2002年05期

10 王志华,尹项根,李光熹;伪并行遗传算法在无功优化中的应用[J];电网技术;2003年08期