【碩士】騾坪隧道施工監(jiān)測及其圍巖參數的智能反分析研究【2009】

內容簡介

　　學科專業(yè)：巖土工程　　授予學位：工學碩士　　學位授予單位：西華大學　　學位年度： 2009年　　隧道工程信息化動態(tài)設計與施工的觀念已經越來越被人們所接受和采用，如何正確給定隧道圍巖的計算力學參數，—直是個比較棘手的問題，位移反分析方法為圍巖參數的獲取提供了一條比較有效的途徑。本文以重慶市巫奉高速公路的騾坪隧道為研究載體，以現場監(jiān)控量測資料為依據，建立了—個基于MATLAB神經網絡工具箱的隧道圍巖參數的智能反分析系統(tǒng)，并將之應用于實際工程中，對同類隧道工程的設計、施工、監(jiān)測都具有重要的指導意義。本文的主要內容與研究成果有：　　l、根據騾坪隧道的工程概況、工程地質條件、水文地質條件及該隧道的主體工程設計方法等內容，著重分析總結了騾坪隧道實施監(jiān)控量測的必要性、量測方案的設計、量測頻率的確定以及量測數據的處理與應用，并根據現場的實際情況合理地制定了監(jiān)控量測實施方案；通過對騾坪隧道動態(tài)施工過程的現場監(jiān)控量測，獲得其在開挖過程中的第—手量測數據，掌握隧道在開挖過程中圍巖和襯砌的應力和變形的變化情況，應用回歸分析等數學方法找出圍巖位移的內在變化規(guī)律，確定圍巖變形收斂趨于穩(wěn)定的時間和最終的總變形量，為二次襯砌提供合理的支護時機?！　?、針對隧道工程的特點，分析了隧道圍巖位移的各種影響因素，初步確定隧道圍巖的待反演參數，利用ANSYS數值模擬軟件建立合理的隧道圍巖參數反演驗證模型。　　3、著重分析概括了神經網絡、神經元的概念及其所具有的特性、人工神經元的模型：然后重點研究了神經網絡的學習行為和學習算法，神經網絡模型的分類。通過分析研究BP網絡的程序設計流程和設計方法，總結了BP網絡的不足及其相關的改進措施?！　?、設計不同的反演參數初始值彈性模量E和泊松比弘，采用正交設計、均勻設計方法和ANSYS數值模型對其進行分組模擬試驗，利用BP人工神經網絡對非線性函數強大的映射能力、推廣能力和自學習能力，構造了人工智能算法的學習樣本和測試樣本與現場量測數據進行對比分析，得到反演參數的最優(yōu)解?！　?、在已確定反演參數的基礎上，將所有參數代入建立的隧道圍巖參數驗證模型中，正演模擬計算得到的拱頂下沉和水平收斂位移值基本匕與現場實際量測值相符合。進而可對未開挖處隧道圍巖變形的收斂值進行預測，為后續(xù)隧道工程的設計、施工和監(jiān)控量測提供依據?！　?

專題推薦