《采用自适应神经模糊推理系统反演隧道围岩力学参数》.pdf

《采用自适应神经模糊推理系统反演隧道围岩力学参数》.pdf采用自适应神经模糊推理系统反演隧道围岩力学参数莫勇刚(重庆工程职业技术学院重庆 400037) 摘要本文采用自适应神经模糊推理系统(AI~FIS)对公路隧道施工过程中围岩的弹性模量、泊松比、围岩侧压力系数等力学参数的反演进行了研究;通过数据正交试验以及 FLAC正演计算得到数据样本,建立围岩力学参数的ANFIs结构,同时,对现场围岩位移进行监测,最后将模拟计算结果与检测结果进行比较,结果表明,模拟位移与监测位移吻合良好,说明该反分析方法具有良好的工程适用性,可在工程实践寺推广应鼠, 关键词隧道工程围岩 ANFIs反演分析 1概述在计算隧道重要地段和部位的变形数值以及进行稳定性分析和支护设计时,需要已知围岩的力学参数,如弹性模量、泊松比、围岩侧压力系数等,这些力学参数的确定直接影响着数值分析的结果。对于重要工程,可以通过室内试验和原位试验等方法取得较为符合实际的岩体力学参数。但是,原位试验受时间和资金限制,不可能大量进行;由于天然岩体中普遍存在裂隙、层理、节理等不连续结构面,使得室内试验得出的结果与实际情况有较大的出入。因此,结合围岩变形实测数据,反演围岩的力学参数为解决这一问题提供了十分有前途的手段~。岩体力学参数反演是将外荷载作为输入,结构的弹性位移计算值作为输出,然后通过使弹性位移观测值与数学模型输出值的差异最小化过程来反演岩体力学参数。但是,反演常常是不适定的。不适定性一般可由被反演参数的不存在、不唯一和不稳定来表征。因此,如何保证反演参数的唯一性和稳定性成为围岩力学参数反演最重要的问题l5]。研究表明,将人工神经网络和模糊逻辑推理相结合,所构成的自适应神经模糊推理系统ANFIS具有收敛快、稳定性好、网络训练具有唯一性等特征。这些正是研究和建立收敛速度快、解的稳定性好、优化性能好的位移反分析方法所需要的。 2工程概况中兴隧道位于重庆至长沙高速公路彭水至武隆段C21合同段。中兴2号隧道里程为K11+267~K11+730,长463m;隧道围岩主要为Ⅲ、Ⅳ类围岩,埋深3o~50m,I]1类围岩最大开挖宽度 15m,最大开挖高度9m。隧道采用锚喷联合支护作为初期支护, 锚杆长度3m,纵、环向按1m梅花形布置,Ⅱ级螺纹钢筋,喷射 C20混凝土,厚度为25cm,复合式衬砌。隧道施工监控量测周边位移和拱顶下沉均采用SWJ-ITI型收敛计。根据设计资料及地质勘查资料,隧道里程为K11+438处设计断面如图1,断面测线布置如图2,现场监测位移及实测的力学参数如表1。岳圉1罐道设计断面 3围岩力学参数的反演 、泊松比“、内聚力C、内摩擦角、侧压力系数入等。由于篇幅所限,本文只论述E、的反演过程。综合考虑地质勘察资料及目前国际上流行的经验方法】,反演参数的取值范围及取值水平如表2。 1)围岩力学参数与围岩位移之间映射关系的建立通过正交试验确定模拟计算方案,把模拟计算方案输入隧道FLAC模型进行计算,输出的计算结果如表3所示。表3中的即为拱顶下沉、周边位移。 2)反演弹性模量E的ANFIS模型的建立以拱顶下沉u、周边位移u为输入,弹性模量E为输出,构建数据对。采用25个数据对,对ANFIS进行训练,得到预测弹性模量E的ANFIS模型,如图3所示。误0:1