基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

doi:10.3973/j.issn.2096-4498.2019.S1.031

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2019, Vol. 39 ›› Issue (S1): 220-226.DOI: 10.3973/j.issn.2096-4498.2019.S1.031

基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

赵俊杰¹，贾斌²，张东²，曹明星¹，李德武^{1， *}

（1. 兰州交通大学土木工程学院，甘肃兰州 730070； 2. 中铁七局集团有限公司，河南郑州 450000）

收稿日期:2019-03-26 出版日期:2019-08-30 发布日期:2019-09-12
作者简介:赵俊杰（1993—），男，甘肃甘谷人，兰州交通大学桥梁与隧道工程专业在读硕士，研究方向为隧道工程爆坡振动及支护受力分析。Email： 1336219071@qq.com。*通信作者：李德武， Email： lidewu1965@163.com。
基金资助:
中铁七局2018年科技发展计划项目

Inverse Analysis of Physical and Mechanical Parameters of Alataoshan Tunnel Surrounding Rock Based on BP Neural Network

ZHAO Junjie¹, JIA Bin², ZHANG Dong², CAO Mingxing¹, LI Dewu^{1， *}

（1. School of Civil Engineering, Lanzhou Jiaotong University, Lanzhou 730070, Gansu, China; 2. China Railway Seventh Bureau Group Co., Ltd., Zhengzhou 450000, Henan, China）

Received:2019-03-26 Online:2019-08-30 Published:2019-09-12

摘要/Abstract

摘要：

为研究高寒地区设置中心深埋水沟单线铁路隧道的围岩力学参数问题，以兰新铁路新建博州支线阿拉套山隧道为工程背景，基于FLAC3D数值模拟软件联合MATLAB中的神经网络工具箱构建BP神经网络算法，建立隧道开挖位移正演和反演模型，对围岩物理力学参数作反演分析。通过对中心水沟开挖前的拱顶和拱腰监测数据做拟合分析，发现隧道变形已趋于稳定，反演过程不需考虑中心水沟开挖对围岩的二次扰动。以水沟开挖前的拱顶沉降值和拱腰收敛值作为输入函数，以围岩的体积弹性模量K、剪切弹性模量G、黏聚力c、内摩擦角φ、重度γ作为输出函数训练神经网络模型，利用训练好的模型进行所需参数的反演分析。将反演参数代入FLAC3D正演模型计算后，提取中心水沟开挖前的拱顶沉降值和拱腰收敛值，与中心深埋水沟开挖前的实际监控量测值相比较为接近。结果证明，围岩物理力学参数的反演较为合理，对于变形的预测较为准确，可为隧道后期工程的施工和优化设计提供参考。

关键词: 隧道, 围岩位移, BP神经网络, 中心深埋水沟, 反演分析, 物理力学参数

Abstract:

In order to study the surrounding rock mechanical parameters of the singletrack railway tunnel in the alpine region with central deepburied ditch. Taking Alatao Mountain Tunnel of the newly built Bozhou branch line as the engineering background, based on BP neural network algorithm combined with the FLAC3D numerical simulation software and neural network toolbox in MATLAB. BP neural network algorithm is used to establish forward and inversion models of tunnel excavation displacement, and the inversion analysis of the physical and mechanical parameters of the surrounding rock is carried out. By fitting the tunnel vault and the tunnel arch monitoring data before excavation of the central deepburied ditch, it is found that the tunnel deformation has become stable, and inversion process does not need to consider the secondary disturbance of the surrounding rock in the excavation of center deepburied ditch. The vault settlement value and the arch convergence value before the excavation are taken as input function, and the bulk elastic modulus (K), shear elastic modulus (G), cohesion (c), internal friction of the surrounding rock angle (φ) and the severity (γ) are used as output functions to train the neural network model, and the trained model is used to perform the inverse analysis of the required parameters. After substituting the inversion parameters into the FLAC3D forward model, the settlement value and the arch convergence value of the vault before excavation are extracted, which is close to the actual monitoring value before the excavation of the central deepburied ditch. The results show that the inversion of physical and mechanical parameters of surrounding rock is reasonable, and the prediction of deformation is accurate, which provide reference for the construction and optimization design of subsequent works.

Key words: surrounding rock displacement, BP neural network, central deepburied ditch, inversion analysis, tunnel physical and mechanical parameters

中图分类号:

U 45

赵俊杰，贾斌，张东，曹明星，李德武. 基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析[J]. 隧道建设, 2019, 39(S1): 220-226.

ZHAO Junjie, JIA Bin, ZHANG Dong, CAO Mingxing, LI Dewu. Inverse Analysis of Physical and Mechanical Parameters of Alataoshan Tunnel Surrounding Rock Based on BP Neural Network[J]. Tunnel Construction, 2019, 39(S1): 220-226.

[1]	陈健, 薛峰, 苏秀婷, 陆瑶, 刘涛. 高水压大直径盾构隧道刀盘配置与刀具更换关键技术[J]. 隧道建设, 2020, 40(7): 1057-1065.
[2]	李慎奎. 武汉地区沙漏型岩溶塌陷数值分析与模型试验研究[J]. 隧道建设, 2020, 40(7): 981-987.
[3]	展超. 基于BP神经网络的富水砂层渣土改良试验效果预测[J]. 隧道建设, 2020, 40(7): 988-0996.
[4]	张力, 苏芮, 何川, 封坤, 方若全, 徐培凯. 纯压弯受力下大断面盾构隧道管片接头抗弯足尺试验研究[J]. 隧道建设, 2020, 40(7): 997-1003.
[5]	王若晨, 朱勇, 邸成, 黄华. 成兰铁路云屯堡隧道紧急救援站设计优化研究[J]. 隧道建设, 2020, 40(7): 1029-1034.
[6]	章龙管, 李志刚, 谭江. 白城隧道工程大断面马蹄形盾构始发与接收技术[J]. 隧道建设, 2020, 40(7): 1041-1048.
[7]	韩贇. 水下盾构隧道管片钻穿引起的涌水突泥治理技术研究[J]. 隧道建设, 2020, 40(7): 1049-1056.
[8]	李志军, 郭新新, 马振旺, 杨铁轮, 徐建强. Research Status and Highstrength Prestressed Primary (type)（挤压大变形隧道研究现状及高强预应力一次（型）支护体系）[J]. 隧道建设, 2020, 40(6): 769-782.
[9]	孙振川, 钱彤途, 任颖莹, 褚长海, 周振建. 隧道掘进机工程大数据管理平台关键技术及应用研究[J]. 隧道建设, 2020, 40(6): 783-792.
[10]	陈子全, 寇昊, 杨文波, 何川, 李永林. 我国西南部山区隧道施工期支护结构力学行为特征案例分析[J]. 隧道建设, 2020, 40(6): 800-812.
[11]	韩华轩. Study on Selection of Tunnel Design Standard for Jakarta Bandung High speed Railway Project in Indonesia(印尼雅万高铁隧道设计技术标准的选择研究）[J]. 隧道建设, 2020, 40(6): 845-858.
[12]	黄伟. 大断面矩形顶管隧道管节结构优化设计[J]. 隧道建设, 2020, 40(6): 859-867.
[13]	李亚博, 李荆. L型接头混凝土衬砌模板台车设计[J]. 隧道建设, 2020, 40(6): 898-904.
[14]	罗都颢, 蒋思, 刘建友. 大跨隧道预应力锚索承载力提升技术研究——以京张高铁八达岭长城站为例[J]. 隧道建设, 2020, 40(6): 873-879.
[15]	陶亮亮, 张逸敏, 刘振撼, 付孝康, 周小涵, 曾艳华. 无纵向风下环境压强对拱顶最高温度影响数值研究[J]. 隧道建设, 2020, 40(6): 827-832.

基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析

Inverse Analysis of Physical and Mechanical Parameters of Alataoshan Tunnel Surrounding Rock Based on BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价