《基坑土体参数优化反分析及其变形预测》由会员分享，可在线阅读，更多相关《基坑土体参数优化反分析及其变形预测（78页珍藏版）》请在金锄头文库上搜索。
1、南京航空航天大学硕士学位论文摘要本文采用有限元分析软件 ANSYS 的优化技术对基坑土体参数进行了优化反分析。采用平面有限元理论及“生死”单元对基坑进行开挖模拟，利用基坑的开挖模型及基坑实测位移值反分析基坑土体的力学参数，利用这些参数可以对实际工况进行模拟。将人工神经网络应用于基坑变形预测，并通过软件 MATLAB 编程加以实现。由于 BP 神经网络和径向基神经网络在预测中各有优缺点，本文利用两种方法对实际基坑工程变形分别进行网络训练预测，并根据预测结果比较分析，选择一种较适合本基坑变形预测的方法。针对基本 BP 网络收敛速度慢及易陷入局部极小的特点，本文就以下两点对基本 BP 网络进行了改进
2、。（1）根据实际工程结合经验公式法先确定了隐含层点数的大致范围，再通过试验法对网络训练试算，得出输出精度较高的隐含层点数。（2）利用传统数值优化方法中的 L-M 算法和动量梯度下降法对 BP 网络进行训练。在径向基 RBF 网络和广义回归（GRNN）网络对基坑变形预测的过程中，结合训练样本的输入，通过调整分布密度的数值得到最佳网络。关键词：基坑，变形，预测，优化反分析，ANSYS，人工神经网络i基坑土体参数优化反分析和沉降预测的 MATLAB 实现ABSTRACTThe Optimization back analysis of foundation pit soil bodys parame
3、ter isstudied in software ANSYS. The method of the simulation of the excavationfoundation pit is the using of “the life and death” element and the plane finiteelement theory. According to the simulation Excavates model of foundation pit andactual displacement value, we can obtain the dynamical param
4、eter of foundationpit soil body。We can use these parameters to simulate the actual working conditions.The artificial nerve network is used in the deformation forecast of foundationpit in this article, and performs through software MATLAB 7.0 to realize. Because theBP nerve network and the radial dir
5、ection base nerve network respectively has thegood and bad points in the forecast, this article uses two methods separately to buildnetwork training to forecast subsidence to the actual foundation pit project, andaccording to the result to chooses one kind comparatively to suit this foundation pitde
6、formation forecasts method.For the basic BP networks rapidity of convergence is slow and it is easy to fallinto the partial minimum, two main application methods are advanced.（1）According to the actual project and empirical formula, we first determine theapproximate scope of the hidden level points,
7、 then train the network through thetesting method, at last obtain the output precision higher concealed level points.（2）Using the L-M algorithm and the momentum gradient drop method to train theBP network.We can obtain the best network through the adjustment density of distribution valuein the found
8、ation pit deformation forecasts process through the radial direction baseRBF network and the generalized return network (GRNN).Keywords: foundation pit，deformation，forecast ，Optimization back analysis，ANSYS，Artificial nerve network，ii基坑土体参数优化反分析和沉降预测的 MATLAB 实现图表清单i i序号 图 3.1图 3.2图 3.3图 3.4图 3.5图 3.
9、6图 4.1图 4.2图 4.3图 4.4图 4.5图 4.6图 4.7图 4.8图 4.9图 4.10图 5.1图 5.2图 5.3图 5.4图 5.5图 5.6图 5.7图 5.8图 5.9 序号表 3.1表 3.2表 3.3表 3.4表 3.5表 3.6表 4.1图名 主应力空间 Drucker-Prager 屈服面主应力空间 Drucker-Prager 屈服面优化数据流向有限元网络图目标函数迭代变化曲线节点位移比较曲线BP 网络结构图茶南高层住宅基坑周边道路沉降观测点平面布置图L-M 算法训练误差曲线（隐单元数：9）L-M 算法训练误差曲线（隐单元数：12）L-M 算法训练误差曲线（
10、隐单元数：15）动量自适应算法训练误差曲线（隐单元数：9）动量自适应算法训练误差曲线（隐单元数：12）动量自适应算法训练误差曲线（隐单元数：15）L-M 算法 BP 网络预测误差对比曲线动量自适应算法 BP 网络预测误差对比曲线径向基函数网络结构图径向基神经元模型结构径向基函数图形RBF 网络的逼近误差曲线RBF 网络的逼近误差曲线 RBF 网络的预测误差GRNN 网络的逼近误差曲线(SPREAD=1,2,3,4,5)GRNN 网络的逼近误差曲线(SPREAD=0.1,0.2,0.3,0.4,0.5)GRNN 网络的预测误差表名土层物理学性质土层划分各土层参数的物理参数实测桩身 X 向位移土体
11、弹性模量优化反分析结果桩身 X 向计算位移测点 1 随时间变化的沉降监测值页码 2021263133343646484949505051525354555662636365656629 303132333346承诺书本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采
12、用影印、缩印或其他复制手段保存论文。(保密的学位论文在解密后适用本承诺书)作者签名：日期：南京航空航天大学硕士学位论文第一章 绪论1.1 引言岩土体的形成是一个极其复杂的过程,致使其存在大量节理、裂隙、孔隙、地下水等,而使岩体成为一种由多介质构成的不连续体。由于岩土材料物理特性如力学特性非常复杂,要想用解析手段预测地下洞室、隧道、大坝与桥梁基础等多种地下结构物的力学动态,就必须建立精度很高的本构关系式。本构关系越复杂,要输入的参数就越多,且不论这些参数在室内或现场测试多么困难,相应于诸多的力学参数,其中的人为因素也必然很大。因此,20 世纪 70 年代初人们开始注意由现场量测信息确定各类计算参
13、数的研究。自 Kavanagh 和 Clough 发表反演弹性固体的弹性模量的有限元法之后,1976 年在约翰内斯堡的岩土工程勘测研讨会上 Kirsta 提出了量测沉降反分析法，经 Maier,Gioda,Sakura 等许多学者的发展,反分析方法已成为目前解决复杂岩土问题的主要方法之一1。而岩土体是一种复杂的天然地质体,其本身就是一个不确定及不确知的系统,人们对其认识尚存在一定的模糊性2,其物性参数、本构模型及计算边界条件(地应力等) 等均无法准确确定,而且测量位移等也是一个含误差的不定值,因而企图对岩土工程问题进行确定性反分析是不现实的。考虑到岩土体的不确定性,另一类随机反分析应运而生。随
14、机反分析考虑了岩土工程问题的一些先验信息, 采用处理非确定性问题的相应方法,使反分析更能反应实际情况。基坑工程的结构比较复杂,土与结构共同作用、施工过程影响、结构及土体的空间受力特性和土体的非线性行为等都对结构的沉降和受力有着显著的影响。而部分结构参数的不确定,使得结构最终变形和受力情况都变得更加复杂。因此,进行模拟施工过程的土与结构共同作用的非线性空间有限元分析,并对关键参数加以讨论和反分析,是十分必要的。另外基坑工程引起的环境土工问题也十分突出。如何在保证工程自身安全的同时,有效地控制基坑周围土体移动以减小对周围环境的影响,已成为岩土工程界共同关注的问题。由于基坑开挖及围护结构设计的影响因
15、素众多,加上施工过程中的种种不确定因素,在现有的设计水平下很难对基坑的变形进行精确的计算。近年来,人们已经逐渐把神经网络、遗传算法等一些信息科学中的计算方法1围岩位移量的量测受到了极大的关注。 自从 Kavanagh 和 Clough 在 1972 年提Kirsten 在约翰尼斯堡(Johannesburg)的岩土工程勘测研讨会上提出了量测沉降分析法;紧接着 G.Maier 于 1977 年提出了岩石力学中的模型辨识问题，Kovad 则提出了反算地层压力参数的方法;1980 年，Gioda 采用单纯形等优化析中的适用性。1981 年中国科学院地质研究所杨志法 等提出了地层综合弹性模1983 年
16、 Arai 采用二次梯度法求解弹性模量和泊松比;1979 年、1983 年根重应力场产生的围岩位移差值，反算岩体的均布构造应力;郭怀志、马启超基坑土体参数优化反分析和沉降预测的 MATLAB 实现用于基坑的变形预测分析中,并取得了不错的成果。1.2 工程反分析研究历史与现状70 年代起，依据位移量反演确定初始地应力和地层材料特性参数的研究开始受到重视，并逐步取得了成果。其原因，首先是有限单元法等数值计算法的发展，使研究人员增多了进行分析计算的手段；其次是新奥法施工技术的出现，使洞室3出了反算弹性模量的有限元法后，极大的促进了反分析方法的发展;1976 年456 7方法求解岩体的弹性及弹塑性力学参数，并讨论了不同优化方法在岩土工程反分8量 E、作用在衬砌结构上的水平向地层荷载 P 值反演确定平面应变问题有限元图解反分析和图表反分析，利用事先建立的图谱反演围岩地应力分量及弹性模量。9Sakurai10-11分别提出了反算隧洞围岩地应力及岩体弹性模量的逆解法。1983 年冯紫良
