基于遺傳神經(jīng)網(wǎng)絡(luò)算法的基坑土體參數(shù)反演和基坑沉降預(yù)測(cè)研究.pdf

1、目前，我國(guó)已經(jīng)成為世界上興建地鐵線(xiàn)路和車(chē)站最多的國(guó)家，車(chē)站基坑工程引起周邊沉降的機(jī)理非常復(fù)雜。隨著計(jì)算機(jī)技術(shù)和數(shù)值計(jì)算理論的發(fā)展，數(shù)值分析方法開(kāi)始逐漸應(yīng)用到基坑開(kāi)挖分析中，然而數(shù)值計(jì)算結(jié)果較多地依賴(lài)于模型參數(shù)的選取，忽略了基坑工程的特定條件，模型參數(shù)將很難準(zhǔn)確確定。隨著現(xiàn)代智能算法的興起，智能算法開(kāi)始運(yùn)用到基坑開(kāi)挖中。遺傳神經(jīng)網(wǎng)絡(luò)算法兼具非線(xiàn)性擬合和非線(xiàn)性尋優(yōu)的特點(diǎn)，遺傳神經(jīng)網(wǎng)絡(luò)算法對(duì)參數(shù)進(jìn)行反演分析具有很強(qiáng)的實(shí)用性。
　　本文依

2、托青島二號(hào)線(xiàn)燕兒島車(chē)站基坑開(kāi)挖工程，通過(guò)實(shí)測(cè)分析、數(shù)值模擬、參數(shù)反演、沉降預(yù)測(cè)相結(jié)合的研究方法，對(duì)地鐵車(chē)站在開(kāi)挖過(guò)程中周邊測(cè)點(diǎn)的沉降變形規(guī)律進(jìn)行了研究，并且對(duì)土體的強(qiáng)度參數(shù)進(jìn)行了反演分析。本文的主要研究?jī)?nèi)容和成果如下:
　　(1)對(duì)車(chē)站基坑周邊的地下水位、圍護(hù)樁側(cè)移、坑外地表沉降的實(shí)測(cè)數(shù)據(jù)進(jìn)行分析，提出了這些監(jiān)測(cè)項(xiàng)目隨基坑開(kāi)挖過(guò)程變化的原因，確認(rèn)了數(shù)值模擬方案中不考慮降水措施。
　　(2)設(shè)計(jì)了基坑的圍護(hù)樁、混凝土支撐、鋼支

3、撐、錨索、圍護(hù)樁與土體接觸面等的梳子模擬方案，基于FLAC3D軟件編制了基坑開(kāi)挖的計(jì)算程序，對(duì)不能確定的彈性模量，根據(jù)經(jīng)驗(yàn)對(duì)土體彈性模量取值，計(jì)算了在該工況下，坑外測(cè)點(diǎn)隨著基坑開(kāi)挖的沉降值，與實(shí)測(cè)結(jié)果對(duì)比，驗(yàn)證了所建立的模型模擬方案的合理性。
　　(3)為了合理設(shè)計(jì)試驗(yàn)樣本、降低試驗(yàn)次數(shù)，引入均勻設(shè)計(jì)法，設(shè)計(jì)了學(xué)習(xí)樣本;利用遺傳神經(jīng)網(wǎng)絡(luò)算法的優(yōu)點(diǎn)，提出基于遺傳神經(jīng)網(wǎng)絡(luò)算法的多參數(shù)反演分析思路?；贛ATLAB軟件，編制了遺傳神經(jīng)網(wǎng)