基于BP神经网络的岩质边坡位移反分析及其应用研究

论文摘要

岩土体的力学参数对岩土工程的设计、施工、分析具有举足轻重的意义,影响到工程的安全、经济和使用。所以,“岩土体参数不准”已成为岩土力学理论分析与数值模拟的“瓶颈”问题。位移反分析可以解决这个问题。但,现有的位移反分析法确定岩土体力学参数存在着这样那样的问题,尤其是未能很好解决优化、效率不高、运用复杂且难于工程普及。因此,研究和建立一个能较好实现优化、效率较高、运用简单且便于工程推广的位移反分析法,是目前亟待解决的问题。本文基于均匀设计、有限差分程序、BP神经网络建立了智能位移反分析方法。首先,根据勘测所获得的岩土体力学参数范围,按照均匀设计要求,把其力学参数设计出不同的水平,从而确定数值模拟方案,解决了方案的优化问题；其次,建立试桩的数值分析模型,再根据均匀设计优化好的方案,通过有限差分程序计算出相应的神经网络训练样本；然后,基于MATLAB编制程序建立BP神经网络反分析模型,进行BP神经网络的训练,用试桩的桩体实测位移进行岩土体力学参数反分析,从而获得岩土体力学参数；最后,把反分析获得的岩土力学参数应用于边坡,从而进行试桩和抗滑桩的数值模拟,并与桩体实测位移、弯矩作比较,得出反分析方法获得的参数比较可靠的结论,从而证明了此种数值反分析方法是可行且可靠的,同时也提供了一种能够很好实现优化、效率较高、运用简单且便于工程普及的智能位移反分析方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景及问题的提出
• 1.3 国内外研究现状
• 1.3.1 国外位移反分析研究现状
• 1.3.2 国内位移反分析研究现状
• 1.3.3 神经网络在岩土工程中的应用研究现状
• 1.4 本论文的主要研究内容及思路
• 第2章 人工神经网络
• 2.1 人工神经网络概述
• 2.1.1 人工神经网络研究简史
• 2.1.2 人工神经网络研究的基本内容
• 2.1.3 人工神经网络分类
• 2.2 BP神经网络
• 2.2.1 基于BP算法的多层前馈网络模型
• 2.2.2 标准BP算法的数学描述
• 2.2.3 标准BP算法的改进
• 2.2.4 多层前馈网络的主要能力
• 2.2.5 基于BP算法的多层前馈网络设计
• 第3章 基于MATLAB的BP神经网络程序设计
• 3.1 MATLAB简介
• 3.2 MATLAB神经网络工具箱中的BP神经网络
• 3.2.1 MATLAB神经网络工具箱简介
• 3.2.2 MATLAB中有关BP网络的重要函数
• 3.3 基于MATLAB的BP网络设计分析
• 第4章 基于BP神经网络的位移反分析及工程应用
• 4.1 工程简介
• 4.1.1 滑坡概况
• 4.1.2 现场静载试验
• 4.1.3 边坡整治
• 4.2 均匀试验设计
• 4.2.1 均匀设计简介
• 4.2.2 均匀设计的基本特点
• 4.2.3 均匀设计表的构造
• 4.3 基于参数均匀设计的FLAC3D试桩数值模拟
• 4.3.1 FLAC3D数值分析软件
• 4.3.2 物理力学参数及计算模型
• 4.3.3 计算单元及本构关系
• 4.3.4 参数试验均匀设计
• 4.3.5 基于FLAC3D试桩数值模拟的试验结果及其分析
• 4.4 基于BP神经网络的边坡位移反分析
• 4.4.1 BP神经网络设计
• 4.4.2 基于BP神经网络的参数反分析
• 4.5 基于反分析参数的边坡试桩工程应用研究
• 4.5.1 基于FLAC3D的边坡试桩模型建立
• 4.5.2 计算单元及本构关系
• 4.5.3 基于FLAC3D的边坡试桩数值模拟结果及其分析
• 4.6 基于反分析参数的边坡抗滑桩工程应用研究
• 3D的边坡抗滑桩模型建立'>4.6.1 基于ANSYS&FLAC^3D的边坡抗滑桩模型建立
• 4.6.2 物理力学参数及计算模型
• 4.6.3 计算单元及本构关系
• 4.6.4 基于FLAC3D的边坡抗滑桩数值模拟结果及其分析
• 结论
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文及参加的科研项目