岩土力学
巖土力學
암토역학
ROCK AND SOIL MECHANICS
2012年
6期
1889-1895
,共7页
马刚%常晓林%周伟%花俊杰
馬剛%常曉林%週偉%花俊傑
마강%상효림%주위%화준걸
堆石坝%参数反演%变形预测%改进粒群算法%RBF神经网络%双屈服面模型
堆石壩%參數反縯%變形預測%改進粒群算法%RBF神經網絡%雙屈服麵模型
퇴석패%삼수반연%변형예측%개진립군산법%RBF신경망락%쌍굴복면모형
利用反演分析得到的参数进行高面板坝的应力、变形分析来预测长期变形.由于堆石坝的施工过程和变形机制比较复杂,很难将瞬时变形和流变变形分开,因此,有必要对静力本构模型参数和流变模型参数进行综合反演.利用实测位移资料,以对堆石坝变形较敏感的静力本构模型和流变模型参数为待反演参数,采用基于粒子迁徙的粒子群算法和径向基函数神经网络构建参数反演平台,该方法克服了粒子群算法易陷入局部最优和早熟收敛的缺点,采用经过训练的神经网络来描述模型参数和位移之间的映射关系,节省了参数反演的计算时间.对水布垭高面板坝的反演结果表明,基于反演参数的沉降计算值与实测值吻合得很好,坝体变形在合理范围以内并趋于稳定.
利用反縯分析得到的參數進行高麵闆壩的應力、變形分析來預測長期變形.由于堆石壩的施工過程和變形機製比較複雜,很難將瞬時變形和流變變形分開,因此,有必要對靜力本構模型參數和流變模型參數進行綜閤反縯.利用實測位移資料,以對堆石壩變形較敏感的靜力本構模型和流變模型參數為待反縯參數,採用基于粒子遷徙的粒子群算法和徑嚮基函數神經網絡構建參數反縯平檯,該方法剋服瞭粒子群算法易陷入跼部最優和早熟收斂的缺點,採用經過訓練的神經網絡來描述模型參數和位移之間的映射關繫,節省瞭參數反縯的計算時間.對水佈埡高麵闆壩的反縯結果錶明,基于反縯參數的沉降計算值與實測值吻閤得很好,壩體變形在閤理範圍以內併趨于穩定.
이용반연분석득도적삼수진행고면판패적응력、변형분석래예측장기변형.유우퇴석패적시공과정화변형궤제비교복잡,흔난장순시변형화류변변형분개,인차,유필요대정력본구모형삼수화류변모형삼수진행종합반연.이용실측위이자료,이대퇴석패변형교민감적정력본구모형화류변모형삼수위대반연삼수,채용기우입자천사적입자군산법화경향기함수신경망락구건삼수반연평태,해방법극복료입자군산법역함입국부최우화조숙수렴적결점,채용경과훈련적신경망락래묘술모형삼수화위이지간적영사관계,절성료삼수반연적계산시간.대수포오고면판패적반연결과표명,기우반연삼수적침강계산치여실측치문합득흔호,패체변형재합리범위이내병추우은정.
