基于計(jì)算智能的巖土力學(xué)模型參數(shù)反演方法及其工程應(yīng)用.pdf

1、最優(yōu)估計(jì)的巖土力學(xué)模型參數(shù)是通過(guò)比較現(xiàn)場(chǎng)觀測(cè)到的信息數(shù)據(jù)與理論模型得到的模型數(shù)據(jù)的差異而得到的.通過(guò)定義目標(biāo)函數(shù),將參數(shù)識(shí)別反問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題處理.隨著計(jì)算機(jī)智能計(jì)算方法的不斷進(jìn)步和現(xiàn)場(chǎng)觀測(cè)手段以及觀測(cè)精度的不斷提高,根據(jù)現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)進(jìn)行巖土力學(xué)模型參數(shù)反演具有良好的應(yīng)用前景,根據(jù)反演的巖土力學(xué)模型參數(shù)進(jìn)行反饋設(shè)計(jì),可以不斷完善和修正原來(lái)的工程設(shè)計(jì)參數(shù).基于梯度搜索方法的參數(shù)反演方法缺陷在于無(wú)法保證搜索到全局最優(yōu)解,其主要原因在于觀測(cè)

2、誤差的存在和模型誤差的存在.Tihonov(1963)證明,如果正問(wèn)題(ForwardProblem)是線(xiàn)性的,那么,反問(wèn)題的解存在、唯一并且連續(xù)地依賴(lài)于觀測(cè)數(shù)據(jù)(穩(wěn)定).關(guān)于地下水反問(wèn)題和熱傳導(dǎo)反問(wèn)題以及位移反分析的數(shù)值試驗(yàn)發(fā)現(xiàn),當(dāng)正問(wèn)題是線(xiàn)性時(shí),如果當(dāng)不考慮觀測(cè)數(shù)據(jù)的觀測(cè)誤差時(shí),反問(wèn)題的解是唯一的,也就是說(shuō),目標(biāo)函數(shù)是凸函數(shù),正如Tihonov所指出的那樣;但是,當(dāng)考慮到觀測(cè)數(shù)據(jù)的觀測(cè)誤差時(shí),即使正問(wèn)題是線(xiàn)性的,反問(wèn)題的目標(biāo)函數(shù)是非

3、凸的,反問(wèn)題解是不惟一的.觀測(cè)誤差越大,目標(biāo)函數(shù)的局部極小值數(shù)目越多.遺傳算法是一種基于達(dá)爾文"自然選擇、適者生存"生物進(jìn)化思想的全局搜索算法,其致命的缺陷在于早熟(Premature)特性.通過(guò)將模擬退火算法嵌入到遺傳算法中,建立了一種新的錦標(biāo)賽選擇策略.該選擇策略使得在種群進(jìn)化初期,各個(gè)個(gè)體被選擇的概率基本相等,保證了進(jìn)化過(guò)程中種群的多樣性,有效解決遺傳算法的早熟問(wèn)題.而隨著種群的進(jìn)化,模擬退火算法中的退火溫度逐步降低,使得適應(yīng)度高

4、(目標(biāo)函數(shù)小)的個(gè)體被選擇的概率增加,加快了算法的收斂速度;當(dāng)接近種群進(jìn)化結(jié)束時(shí),只有適應(yīng)度高的個(gè)體被選中.人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織和學(xué)習(xí)能力.在網(wǎng)絡(luò)訓(xùn)練過(guò)程中采用改進(jìn)的BP算法,通過(guò)對(duì)學(xué)習(xí)算子的優(yōu)化搜索,大大提高了網(wǎng)絡(luò)的收斂速度,解決了BP算法迭代過(guò)程中目標(biāo)函數(shù)振蕩問(wèn)題.與傳統(tǒng)的基于梯度搜索的優(yōu)化方法相比,模擬退火算法具有良好的全局收斂特性.巖土模型參數(shù)識(shí)別反問(wèn)題轉(zhuǎn)化為組合優(yōu)化問(wèn)題,提出了模擬退火算法識(shí)別未知的熱傳導(dǎo)系數(shù)和邊界條

5、件問(wèn)題,算法具有良好的抗觀測(cè)噪音能力.根據(jù)自然界中不同類(lèi)型螞蟻的分工特性,在蟻群算法中增加了"偵察"螞蟻,該偵察螞蟻負(fù)責(zé)搜索信息素非常低的路徑(反問(wèn)題的解),使得算法具有快速搜索到新的更優(yōu)解的能力,同時(shí)有效地避免蟻群算法的"趨同"特性.同時(shí),將遺傳算法中的最優(yōu)個(gè)體保留策略應(yīng)用到蟻群算法,增強(qiáng)了蟻群算法的全局收斂特性和解的精度.由于蟻群算法采用"地毯式"搜索,收斂速度十分有限,特別是對(duì)于需要多次求解正問(wèn)題的巖土力學(xué)參數(shù)反演問(wèn)題,其計(jì)算速度

6、尤其突出.通過(guò)對(duì)蟻群算法的改進(jìn),將模擬退火算法與蟻群算法相結(jié)合,建立了模擬退火-蟻群算法,該混合優(yōu)化方法能夠充分利用蟻群算法的信息素蒸發(fā)和全局修正特性以及模擬退火算法的快速"鄰域"搜索特性,加快了蟻群算法的收斂速度和全局收斂特性.該方法可以用來(lái)識(shí)別二維或三維、穩(wěn)態(tài)或非穩(wěn)態(tài)地下水流動(dòng)模型的滲透系數(shù)和儲(chǔ)水系數(shù)問(wèn)題,以及地下水滲流污染源辨識(shí)問(wèn)題.結(jié)合豐滿(mǎn)發(fā)電廠、白山發(fā)電廠和云峰發(fā)電廠的改進(jìn)和擴(kuò)建工程,根據(jù)現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù),包括壩基揚(yáng)壓力、漏水量和