›› 2006, Vol. 27 ›› Issue (8): 1263-1266.

• 基础理论与实验研究 • 上一篇    下一篇

神经网络在岩体力学参数和地应力场反演中的应用

金长宇1,马震岳1,张运良1,沙瑞华1,陈庆发2   

  1. 1. 大连理工大学 土木水利学院,大连 116024;2. 武汉理工大学,武汉 430070
  • 收稿日期:2004-10-25 出版日期:2006-08-10 发布日期:2013-11-26
  • 作者简介:金长宇,男,1979年生,博士,主要从事地下结构稳定分析。
  • 基金资助:

    国家自然科学基金(No. 50279003)

Application of neural network to back analysis of mechanical parameters and initial stress field of rock masses

JIN Chang-yu1, MA Zhen-yue1, ZHANG Yun-liang1, SHA Rui-hua1, CHEN Qing-fa2   

  1. 1. School of Civil and Hydraulic Engineering, Dalian University of Technology, Dalian 116024, China; 2. Wuhan University of Technology, Wuhan 430070, China
  • Received:2004-10-25 Online:2006-08-10 Published:2013-11-26

摘要: BP神经网络已广泛地应用于岩体力学参数和初始应力场的反演分析,但在实际应用中,BP网络存在着网络训练易于过度、收敛速度慢、易陷入局部极小以及隐层节点数难于确定等缺点。采用RBF网络和改进的BP网络,利用基于有限差分格式的快速拉格朗日算法进行正分析计算,依据若干测点的正应力数据,反演了计算区域的岩体力学参数以及初始应力场。算例表明,RBF神经网络与快速拉格朗日算法相结合,在样本容量相同的情况下,反演分析的精度、网络的拓扑结构以及学习、收敛速度,均优于采用BP网络的反演算法。

关键词: 有限差分法, BP神经网络, RBF神经网络, 反演, 力学参数, 初始应力场

Abstract: At present, BP neural network has been widely used in back analysis of material parameters and initial stress field of rock masses in geomechanics. However, BP neural network is prone to over-being-trained, slow in convergence, not global minimum but local ones obtained and number of neurons in hidden layer hard to be determined. Authors using RBF neural network and BP neural network respectively identified mechanical parameters and initial stresses according to measured normal stresses of some specific points. Direct computations based on fast Lagrangian analysis of continuum (FLAC) were performed to get enough training samples for RBF neural network and BP neural network. An example shows that combination of RBF neural network with FLAC is more effective and rapid than application of BP neural network.

Key words: finite difference method, BP neural network, RBF neural network, back analysis, mechanical parameters, initial stress field

中图分类号: 

  • TU 443
[1] 刘忠玉, 崔鹏陆, 郑占垒, 夏洋洋, 张家超. 基于非牛顿指数渗流和分数阶Merchant模型的 一维流变固结分析[J]. 岩土力学, 2019, 40(6): 2029-2038.
[2] 龚文惠, 赵旭东, 邱金伟, 李逸, 杨晗. 饱和软土大应变自重固结非线性分析[J]. 岩土力学, 2019, 40(6): 2099-2107.
[3] 谌民, 张涛, 单华刚, 王新志, 孟庆山, 余克服, . 钙质砂压缩波速与物理性质参数关系研究[J]. 岩土力学, 2019, 40(6): 2275-2283.
[4] 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.
[5] 徐 强, 肖 明, 陈俊涛, 倪少虎, . 渗流监测数据缺失处理与渗透稳定判断[J]. 岩土力学, 2019, 40(4): 1526-1534.
[6] 许年春,吴同情,皮海洋,游 磊,吴 越,. 基于柔性承载板载荷试验的土抗剪强度参数反演研究[J]. , 2018, 39(S1): 227-234.
[7] 颜天佑,崔 臻,张勇慧,张传健,盛 谦,李建贺,. 跨活动断裂隧洞工程赋存区域地应力场分布特征研究[J]. , 2018, 39(S1): 378-386.
[8] 黄生根,刘东军,胡永健,. 电磁波CT技术探测溶洞的模拟分析与应用研究[J]. , 2018, 39(S1): 544-550.
[9] 姜光成,胡乃联,洪根意,李国清,方京珍,. 基于GSI值量化和修正方法的岩体力学参数确定[J]. , 2018, 39(6): 2211-2218.
[10] 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.
[11] 刘飞跃,杨天鸿,张鹏海,周靖人,邓文学,侯宪港,赵永川, . 基于声发射的岩石破裂应力场动态反演[J]. , 2018, 39(4): 1517-1524.
[12] 宿 辉, 杨家琦, 胡宝文, 高 轩, 马 辉, . 颗粒离散元岩石模型的颗粒尺寸效应研究[J]. 岩土力学, 2018, 39(12): 4642-4651.
[13] 蒙 伟,何 川,汪 波,张钧博,吴枋胤,夏舞阳. 基于侧压力系数的岩爆区初始地应力场二次反演分析[J]. , 2018, 39(11): 4191-4200.
[14] 崔 臻,盛 谦, . 裂隙岩体等效力学参数结构效应的计算机模拟试验研究[J]. , 2018, 39(10): 3830-3840.
[15] 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.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 魏 丽,柴寿喜,蔡宏洲,王晓燕,李 敏,石 茜. 麦秸秆加筋材料抗拉性能的实验研究[J]. , 2010, 31(1): 128 -132 .
[2] 黄庆享,张 沛,董爱菊. 浅埋煤层地表厚砂土层“拱梁”结构模型研究[J]. , 2009, 30(9): 2722 -2726 .
[3] 赵延林,王卫军,曹 平,王 军,赵阳升. 不连续面在双重介质热-水-力三维耦合分析中的有限元数值实现[J]. , 2010, 31(2): 638 -644 .
[4] 雷金波,陈从新. 基于双曲线模型的带帽刚性桩复合地基荷载传递机制研究[J]. , 2010, 31(11): 3385 -3391 .
[5] 丁光亚,蔡袁强,徐长节. 饱和土中刚性排桩对平面SV波的隔离分析[J]. , 2009, 30(3): 849 -854 .
[6] 张成平,张顶立,骆建军,王梦恕,吴介普. 地铁车站下穿既有线隧道施工中的远程监测系统[J]. , 2009, 30(6): 1861 -1866 .
[7] 王 军,曹 平,李江腾,刘业科. 降雨入渗对流变介质隧道边坡稳定性的分析[J]. , 2009, 30(7): 2158 -2162 .
[8] 黄 明,刘新荣,祝云华,钟祖良. 低频周期荷载下广义Kelvin-Voigt模型特性研究[J]. , 2009, 30(8): 2300 -2304 .
[9] 侯 伟2,贾永刚1, 2,宋敬泰3,孟祥梅4,单红仙1, 2. 黄河三角洲粉质土海床临界起动切应力影响因素研究[J]. , 2011, 32(S1): 376 -0381 .
[10] 唐世斌,唐春安,李连崇,张永彬. 湿度扩散诱发的隧洞时效变形数值模拟研究[J]. , 2011, 32(S1): 697 -0703 .