地下洞室岩体力学参数反演软件系统开发与应用

›› 2007, Vol. 28 ›› Issue (3): 577-581.

地下洞室岩体力学参数反演软件系统开发与应用

付成华¹，秦卫星¹，陈胜宏¹，周洪波²

1.武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2.二滩水电开发有限责任公司，成都 610021

收稿日期:2005-04-22 出版日期:2007-03-10 发布日期:2013-08-28
作者简介:付成华，女，1978年生，博士，现从事地下工程系统研究
基金资助:
国家自然科学基金（No. 50239070，No. 50379039）

Development and application of rock-mass mechanical parameters back analysis software system for underground cavern

FU Cheng-hua¹, QIN Wei-xing¹, CHEN Sheng-hong¹, ZHOU Hong-bo²

1. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan 430072, China; 2. Ertan Hydropower Development Company, Ltd., Chengdu 610021, China

Received:2005-04-22 Online:2007-03-10 Published:2013-08-28

摘要/Abstract

摘要： 岩体力学参数对地下洞室的施工和设计是极其重要的，通过位移反分析确定岩体参数的应用研究很多。为了提高参数反演的效率，采用均匀设计理论设计不同的反演参数组合，用有限元计算组建的样本集训练神经网络，根据洞室开挖过程中实测位移反演地下洞室岩体力学参数。基于面向对象、自适应、可视化三大关键技术，开发了地下洞室岩体力学参数反演有限元软件系统BAFES。该软件可实现地下洞室力学参数反演分析、开挖预报过程的可视化，将地下洞室岩体力学参数反演模式由“数据－有限元分析－数据”转变为“图形－有限元分析－图形”，结合现场监控技术和工程稳定分析，能及时地指导工程设计和施工。以某水电站地下厂房洞室群岩体力学参数反演为例，说明了该软件的实用性。

关键词: 地下洞室, 岩体参数, 反演分析, 面向对象技术, 神经网络, 有限元分析

Abstract: Rock-mass parameters are very important to underground cavern design and construction; many application studies about calculating rock-mass parameters have been implemented by back analysis of displacements. In order to improve parameters back analysis, the uniformity design theory is introduced to design training swatch for neural networks, rock-mass mechanical parameters of underground cavern are obtained from measured displacement messages. The back analysis finite element software is implemented based on three key techniques: object-oriented, adaptability and visualization, which can be used as visualized back analysis and forecast tool. Rock-mass parameters back analysis is implemented by mean of “graph－finite element analysis－graph” instead of “data－finite element analysis－data”, it can instruct design and construction in time with monitoring technique and stabilization analysis. It is illustrated that this software is very useful by the example of the underground cavern of a hydropower project.

Key words: underground cavern, rock-mass parameter, back analysis, object-oriented technique, neural networks, finite element analysis

中图分类号:

TP 311

付成华，秦卫星，陈胜宏，周洪波 . 地下洞室岩体力学参数反演软件系统开发与应用[J]. , 2007, 28(3): 577-581.

FU Cheng-hua , QIN Wei-xing , CHEN Sheng-hong , ZHOU Hong-bo . Development and application of rock-mass mechanical parameters back analysis software system for underground cavern[J]. , 2007, 28(3): 577-581.

参考文献

相关文章 15

[1]	钟国强, 王浩, 李莉, 王成汤, 谢壁婷, . 基于SFLA-GRNN模型的基坑地表最大沉降预测[J]. 岩土力学, 2019, 40(2): 792-798.
[2]	崔臻，盛谦，冷先伦，罗庆姿,. 地下洞室地震动力响应的岩体结构控制效应[J]. , 2018, 39(5): 1811-1824.
[3]	王庆武，巨能攀，杜玲丽，黄健，胡勇,. 拉林铁路桑日至加查段三维地应力场反演分析[J]. , 2018, 39(4): 1450-1462.
[4]	张艳博，杨震，姚旭龙，梁鹏，田宝柱，孙林,. 基于声发射信号聚类分析和神经网络识别的岩爆预警方法实验研究[J]. , 2017, 38(S2): 89-98.
[5]	田茂霖，肖洪天，闫强刚,. Hoek-Brown准则岩体力学参数非线性位移反分析[J]. , 2017, 38(S1): 343-350.
[6]	刘国庆，肖明，周浩. 地下洞室预应力锚索锚固机制及受力特性分析[J]. , 2017, 38(S1): 439-446.
[7]	张社荣，胡安奎，王超，彭振辉, . 基于SLR-ANN的地应力场三维智能反演方法研究[J]. , 2017, 38(9): 2737-2745.
[8]	何伟杰，杨冬英，崔周飞. 考虑横向惯性下桩的纵向振动理论解和数值解对比分析[J]. , 2017, 38(9): 2757-2763.
[9]	徐江，龚维明，张琦，戴国亮，霍少磊，杨超, . 大口径钢管斜桩竖向承载特性数值模拟与现场试验研究[J]. , 2017, 38(8): 2434-2440.
[10]	符贵军，张思渊，张玉军. 一种双重孔隙-裂隙岩体流变模型及其在地下洞室有限元分析中的应用[J]. , 2017, 38(2): 601-609.
[11]	冯君，张俊云，朱明，江南,. 软土地层高承台桥梁群桩基础横向承载特性研究[J]. , 2016, 37(S2): 94-104.
[12]	杨啸，杨志强，高谦，陈得信，. 混合充填骨料胶结充填强度试验与最优配比决策研究[J]. , 2016, 37(S2): 635-641.
[13]	王佳信，周宗红，赵婷，余洋先，龙刚，李春阳. 基于Alpha稳定分布概率神经网络的围岩稳定性分类研究[J]. , 2016, 37(S2): 649-657.
[14]	胡军，董建华，王凯凯，黄贵臣，. 边坡稳定性的CPSO-BP模型研究[J]. , 2016, 37(S1): 577-582.
[15]	王开禾，罗先启，沈辉，张海涛. 围岩力学参数反演的GSA-BP神经网络模型及应用[J]. , 2016, 37(S1): 631-638.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed