ANFIS在中兴隧道围岩力学参数反演中的应用
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, 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[1~4]。
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, 反问题常常是不适定的。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[5~8]。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30~50m, Ⅲ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×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-Ⅲ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。
3 围岩力学参数的反演
3.1 反演参数及其取值范围的确定
围岩待反演的力学参数主要有弹性模量E、泊松比μ、内聚力C、内摩擦角φ、侧压力系数λ等。由于篇幅所限, 本文只论述C、φ、λ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[9~12], 反演参数的取值范围及取值水平如表2。
3.2 围岩力学参数的反演
3.2.1 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FLAC3D模型进行计算, 输出的计算结果如表3所示。表3中的uy、ux即为拱顶下沉、周边位移。
3.2.2 反演内聚力C的ANFIS模型的建立
以拱顶下沉uy、周边位移ux为输入, 内聚力C为输出, 构建数据对。采用25个数据对, 对ANFIS进行训练, 得到预测内聚力C的ANFIS模型, 如图3所示。
ANFIS模型训练误差的变化过程如图4所示, 经25步训练误差基本收敛。采用所建立的ANFIS模型, 输入表1中实际测得的拱顶位移及周边位移, 得到内聚力C=0.5587Mpa, 与实测值0.603Mpa的相对误差为7.35%。
3.2.3 反演内摩擦角φ的ANFIS模型的建立
以拱顶下沉uy、周边位移ux为输入, 内摩擦角φ为输出, 构建数据对。采用25个数据对, 对ANFIS进行训练, 得到预测内摩擦角φ的ANFIS模型, 如图5所示。
ANFIS模型训练误差的变化过程如图6所示, 经30步训练误差基本收敛。采用所建立的ANFIS模型, 输入表1中实际测得的拱顶位移及周边位移, 得到内摩擦角φ=39.822°, 与实测值44°的相对误差为9.50%。
3.2.4 反演侧压力系数λ的ANFIS模型的建立
以拱顶下沉uy、周边位移ux为输入, 侧压力系数λ为输出, 构建数据对。采用25个数据对, 对ANFIS进行训练, 得到预测侧压力系数λ的ANFIS模型, 如图7所示。
ANFIS模型训练误差的变化过程如图8所示, 经150步训练误差基本收敛。采用所建立的ANFIS模型, 输入表1中实际测得的拱顶位移及周边位移, 得到侧压力系数λ=0.7325, 与实测值0.68的相对误差为7.72%。
4 结论
本文采用自适应神经模糊推理系统对中兴隧道围岩力学参数进行了反演, 并结合隧道里程为K11+438处的现场监测位移及实测的力学参数, 检验了反演结果。经检验表明, 围岩内聚力相对误差为7.35%, 内摩擦角相对误差为9.50%, 侧压力系数相对误差为7.72%, 满足工程需要, 且ANFIS收敛速度快, 解的稳定性好, 为隧道围岩力学参数的确定提供了一种高效的途径。
摘要：本文采用自适应神经模糊推理系统 (ANFIS) 对公路隧道施工过程中围岩的内聚力、内摩擦角、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FLAC3D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, 模拟计算结果与实测数据吻合良好, 说明该反演分析方法具有良好的工程适用性, 可在工程实践中推广应用。
关键词：隧道工程,围岩,ANFIS,反演分析
参考文献
[1] 楼顺天, 胡昌华.基于MATLAB的系统分析与设计:模糊系统[M].西安电子科技大学出版社, 2001.
[2] 杨志法.关于位移反分析的某些考虑[J].岩石力学与工程学报, 1995, 14 (1) :11-15.
[3] 李立新.神经网络模型在非线性位移反分析中的应用.岩土力学, 1997, 18 (2) :62-66.
[4] 樊琨.基于人工神经网络的岩土工程力学参数反分析.河海大学学报, 1998, 26 (4) :98-102.
[5] 冯夏庭.智能岩石力学 (2) :参数与模型的智能辨识.岩石力学与工程学报, 1999, 18 (3) :350-353.
[6] 冯夏庭.位移反分析的进化神经网络方法研究.岩石力学与工程学报, 1999, 18 (5) :529-533.
[7] 冯夏庭.智能岩石力学[M].科学出版社, 2000.
[8] 周建春, 魏琴.采用BP神经网络反演隧道围岩力学参数.岩石力学与工程学报, 2004, 23 (6) :941-945.
[9] Brown E T.Rock characterization, testing and monitoring:ISRM suggested methods.Pergamon, Oxford, 1981.
[10] Hoke E.Strength of rock and rock mass.ISRM News Journal, 1994.
[11] Hoke E, Brown E T.Practical estimates of rock mass strength.Int.J.Rock Mech.Min.Sci.&G Abstr.1997, 34 (8) .
[12] 丁德馨.弹塑性位移反分析的智能化方法及其在地下工程中的应用[D].上海:同济大学, 2000.
点击下载文档文档为doc格式