地铁深基坑支护的遗传神经网络位移反分析

›› 2007, Vol. 28 ›› Issue (10): 2118-2122.

地铁深基坑支护的遗传神经网络位移反分析

彭军龙¹，张学民²，阳军生²，张起森¹

1.长沙理工大学公路学院，长沙 410076；2.中南大学土木建筑学院，长沙 410075

收稿日期:2005-10-19 出版日期:2007-10-10 发布日期:2013-10-15
作者简介:彭军龙，男，1976年生，博士，主要从事路基方面研究工作
基金资助:
国家自然科学基金资助项目（No. 50308029）

Displacement back analysis of deep foundation pit for metro based on genetic algorithm and neural network

PENG Jun-long¹, ZHANG Xue-min², YANG Jun-sheng², ZHANG Qi-sen¹

1. School of Highway Engineering, Changsha University of Science & Technology, Changsha 410076, China; 2. School of Civil and Architectural Engineering, Central South University, Changsha 410075, China

Received:2005-10-19 Online:2007-10-10 Published:2013-10-15

摘要/Abstract

摘要： 针对目前已有的各种位移反分析方法存在的缺陷，利用神经网络具有的非线性映射能力和遗传算法具有的全局随机搜索能力，提出了一种基于遗传神经网络进行深基坑支护的位移反分析方法。该方法改变了BP算法依赖梯度信息的指导来调整网络权值的方法，而是利用遗传算法全局性搜索的特点，寻找最合适的网络连接权和网络结构等来达到优化的目的。结合地铁深基坑支护位移计算，应用该方法对某一地铁深基坑土体的力学参数进行了反演。结果表明：将位移观测值作为网络输入数据，土体力学参数作为输出数据，在较大的解空间内，该位移反分析方法收敛速度快、解的稳定性好、反演结果精度高，是一种理想的位移反分析方法。最后，采用该软件结合一个工程实例实现了应用遗传神经网络进行的基坑支护位移反分析。

关键词: 神经网络, 地铁, 位移, 反分析, 遗传算法

Abstract: Aiming at subsistent limitation in diversified displacement back analysis methods, an approach based on neural network and genetic algorithm for displacements back analysis of deep foundation pit for metro is proposed. This approach utilizes nonlinearity of neural network and whole random search capability of genetic algorithm. It can search the best appropriate weight and framework of neural network by using whole searching characteristic of genetic algorithm, which formerly depends on gradient information to adjust weight of network. The proposed approach has been used to carry out inverse calculation for soil mechanical parameters of deep foundation pit for metro. A case is conducted using the software developed in the paper. The result shows: considering measured deformation value as input data and taking soil dynam parameter as output data of neural network, the approach can rapidly get a stable and accurate solution within a relatively large solution space; and the approach is superior to current back analysis approaches.

Key words: neural network, metro, displacement, back analysis, genetic algorithm

中图分类号:

TB 115

彭军龙，张学民，阳军生，张起森. 地铁深基坑支护的遗传神经网络位移反分析[J]. , 2007, 28(10): 2118-2122.

PENG Jun-long, ZHANG Xue-min, YANG Jun-sheng, ZHANG Qi-sen1. Displacement back analysis of deep foundation pit for metro based on genetic algorithm and neural network[J]. , 2007, 28(10): 2118-2122.

参考文献

相关文章 15

[1]	陈建旭, 宋文武, . 平动模式下挡土墙非极限主动土压力[J]. 岩土力学, 2019, 40(6): 2284-2292.
[2]	马春辉, 杨杰, 程琳, 李婷, 李雅琦, . 基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J]. 岩土力学, 2019, 40(6): 2397-2406.
[3]	张奎, 赵成刚, 李伟华. 海底软土层对海洋地基场地动力响应的影响[J]. 岩土力学, 2019, 40(6): 2456-2468.
[4]	徐鹏, 蒋关鲁, 雷涛, 刘琪, 王智猛, 刘勇, . 考虑填土强度的加筋土挡墙动位移计算[J]. 岩土力学, 2019, 40(5): 1841-1846.
[5]	庄海洋, 付继赛, 陈苏, 陈国兴, 王雪剑, . 微倾斜场地中地铁地下结构周围地基液化与变形特性振动台模型试验研究[J]. 岩土力学, 2019, 40(4): 1263-1272.
[6]	徐鹏, 蒋关鲁, 王珣, 黄昊威, 黄哲, 王智猛, . 面板对加筋土挡墙影响的离心模型试验研究[J]. 岩土力学, 2019, 40(4): 1427-1432.
[7]	刘念武, 陈奕天, 龚晓南, 俞济涛, . 软土深开挖致地铁车站基坑及邻近建筑变形特性研究[J]. 岩土力学, 2019, 40(4): 1515-1525.
[8]	卢华喜, 徐路遥, 梁平英, 吴必涛. 凸起地形对铁路环境振动的影响分析[J]. 岩土力学, 2019, 40(4): 1561-1568.
[9]	张景科, 单婷婷, 王玉超, 王南, 樊孟, 赵林毅, . 土遗址锚固土体-浆体（CGN+C）界面力学性能[J]. 岩土力学, 2019, 40(3): 903-912.
[10]	张勋, 黄茂松, 胡志平, . 砂土中单桩水平循环累积变形特性模型试验[J]. 岩土力学, 2019, 40(3): 933-941.
[11]	唐德琪, 俞峰, 陈奕天, 刘念武, . 既有−新增排桩双层支挡结构开挖模型试验研究[J]. 岩土力学, 2019, 40(3): 1039-1048.
[12]	丁伯阳, 宋宥整. 饱和土地下源u-P形式解答动力响应计算[J]. 岩土力学, 2019, 40(2): 474-480.
[13]	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.
[14]	刘阳辉, 胡向东, . 卸载状态下立井冻结壁的力学分析[J]. 岩土力学, 2018, 39(S2): 344-350.
[15]	陈军, 梁文鹏, 应宏伟, . 大直径水泥土锚索合理间距的试验与数值研究[J]. 岩土力学, 2018, 39(S2): 374-380.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed