基于BP神经网络方法和有限差分法的边坡稳定反馈分析

发布时间：2017-06-01 07:00

  本文关键词：基于BP神经网络方法和有限差分法的边坡稳定反馈分析，，由笔耕文化传播整理发布。

【摘要】：随着计算机及智能化的发展,在进行边坡工程布局及方案设计和施工方案选择中,研究学者们热衷于选择数值模拟作为分析手段,而数值模拟的真实性很大程度上取决于岩体材料参数是否正确,使得边坡工程稳定性分析的关键就在于获取岩土体的力学参数。本文基于有限元差分数值计算方法,结合正交试验设计对边坡的变形及稳定性进行力学参数敏感性分析,确定主要影响因素和次要影响因素。采用基于Matlab编程的误差反向BP神经网络分析方法,以边坡实际监测点位移为依据,对边坡岩体主要力学参数进行反演。在实际监测值的基础上,旨在研究对边坡变形及稳定性影响大的力学参数,进而将数值模拟分析成果运用到实际边坡工程中,对该边坡施工过程中稳定性和位移进行分析、对该边坡今后运行进行预测分析,以及对拟建边坡施工、设计提供指导分析。(1)结合某经典均质边坡,采用正交试验进行设计因素组合,对容重、黏聚力、抗拉强度、内摩擦角、泊松比和弹性模量6因素进行关于边坡变形及稳定性的敏感性分析。再结合非均质边坡进行敏感性分析验证,确定了影响边坡稳定性及变形的主要因素为容重、黏聚力、内摩擦角、弹性模量。(2)选择了能够完成任意精度的非线性函数映射的BP神经网络作为反演训练方法,设计3层网络模型,采用Matlab语言实现BP神经网络反演编程。(3)以锦屏一级电站左岸拱肩槽边坡4-4剖面为对象,根据待反演参数的取值范围,基于均匀设计试验方法设计不同的力学参数组合;采用FLAC3D分别计算不同力学参数组合下监测点位移,将监测点位移作为网络输入,参数组合作为网络输出,得到BP神经网络的训练样本;通过输入样本进行网络训练获得位移与各反演参数之间的函数关系;最后将实际监测位移输入训练好的网络反演出9个主要岩体力学参数,并将反演计算位移与监测位移进行对比,监测点位移的相对误差均小于5%,证明反演成果的合理性。(4)基于反演获得的力学参数,对锦屏一级电站左岸拱肩槽边坡4-4剖面,分别进行无支护和边开挖边支护过程的数值模拟分析计算,分析开挖过程中边坡稳定性及位移的变化规律,对边坡施工过程中稳定性和位移变化进行预测分析,为其安全支护设计、施工提供理论依据,为其他拟建边坡工程设计、施工提供参考指导。
【关键词】：边坡工程 敏感性分析 BP网络 岩体参数反演 边坡位移分析
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU43
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-18
• 1.1 选题背景及研究意义9-10
• 1.2 国内外研究现状10-12
• 1.2.1 国外研究现状10-11
• 1.2.2 国内研究现状11-12
• 1.2.3 存在的主要问题12
• 1.3 反馈分析方法12-14
• 1.3.1 正分析方法12-13
• 1.3.2 反分析方法13-14
• 1.4 主要研究内容及技术路线14-17
• 1.4.1 主要研究内容14-16
• 1.4.2 主要技术路线16-17
• 1.5 本章小结17-18
• 2 力学参数对边坡稳定的敏感性分析18-32
• 2.1 敏感性计算方法18-19
• 2.1.1 单因素敏感性计算方法18-19
• 2.1.2 多因素敏感性计算方法19
• 2.2 均质边坡力学参数敏感性分析19-26
• 2.2.1 网格模型及计算条件19-20
• 2.2.2 敏感性计算分析20-26
• 2.3 非均质边坡力学参数敏感性验证分析26-31
• 2.3.1 网格模型和计算条件26-27
• 2.3.2 敏感性计算分析27-31
• 2.4 本章小结31-32
• 3 基于BP神经网络方法的边坡力学参数反演32-47
• 3.1 BP神经网络方法32-34
• 3.1.1 BP神经网络的激活函数32
• 3.1.2 BP神经网络的学习步骤32-34
• 3.1.3 神经网络工作示意图34
• 3.2 均匀设计34-35
• 3.3 边坡岩体主要力学参数反分析35-46
• 3.3.1 工程概况35
• 3.3.2 边坡计算模型建立35
• 3.3.3 力学参数取值范围及均匀试验设计35-38
• 3.3.4 训练样本计算38-39
• 3.3.5 BP神经网络设计及岩体参数反演分析39-46
• 3.4 本章小结46-47
• 4 基于反演参数的边坡开挖支护稳定性分析47-62
• 4.1 计算模型及参数47-48
• 4.2 开挖计算方法及模拟步骤48
• 4.3 无支护措施下计算结果及分析48-57
• 4.3.1 竖向变形分析48-51
• 4.3.2 水平变形分析51-54
• 4.3.3 剪切区域变化分析54-57
• 4.4 有支护措施下计算结果及分析57-59
• 4.4.1 支护措施及模拟计算过程57
• 4.4.2 计算结果分析57-59
• 4.5 动态监测位移分析59-61
• 4.6 本章小结61-62
• 5 结论与展望62-65
• 5.1 结论62-63
• 5.2 展望63-65
• 参考文献65-68
• 攻读硕士学位期间发表论文68-69
• 致谢69-70

【相似文献】

中国期刊全文数据库 前10条

1 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期

2 钟义信;;神经网络:成就、问题与前景[J];科学;1992年02期

3 莫恭佑;;神经网络及其在英国的应用[J];国际科技交流;1992年03期

4 闵志;;神经网络:使计算机具有快速学习功能[J];国际科技交流;1992年03期

5 冯建峰,钱敏平;神经网络中的退火——非时齐情形[J];北京大学学报(自然科学版);1993年03期

6 唐功友;离散Hopfield神经网络的稳定性[J];青岛海洋大学学报;1994年S2期

7 靳蕃;;中国神经网络学术大会在西南交通大学隆重召开[J];学术动态报道;1996年04期

8 彭宏,张素;带有时滞的神经网络的稳定性[J];杭州大学学报(自然科学版);1997年04期

9 陈新,孙道恒,黄洪钟;结构分析有限元系统与神经网络[J];起重运输机械;1999年06期

10 成宇;神经网络是怎么搭建的?[J];百科知识;2005年16期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于BP神经网络方法和有限差分法的边坡稳定反馈分析，由笔耕文化传播整理发布。

本文编号：411933