第41卷第5期2023年5月水电能源科学WaterResourcesandPowerVol.41No.5May2023DOI:10.20040/j.cnki.1000-7709.2023.20222610基于BSA-BP神经网络方法的引水隧洞围岩参数反演模型及应用张忠义(中铁十一局集团第四工程有限公司,湖北武汉430074)摘要:针对地下工程围岩参数取值,提出将回溯搜索优化算法(BSA)与BP神经网络相结合的混合网络(BSA-BP)方法,对隧道围岩参数进行反演研究。通过建立隧道有限元开挖模型,利用反演参数计算监测断面的位移并与现场实测值进行对比,最终对围岩稳定性进行分析预测。结果表明,经BSA算法优化的BP神经网络相对于GA-BP神经网络,具有更快的反演速度与计算效率。利用BSA-BP神经网络反演参数得到的位移计算值与现场实测值相对误差均在5%以内,表明该模型具有较高的反演精度,合理性可行,为地下工程参数反演提供了一种新方法。关键词:断层破碎带;参数反演;BP神经网络;回溯搜索技术中图分类号:TV672+.1;TU457文献标志码:A文章编号:1000-7709(2023)05-0113-04收稿日期:2022-12-19,修回日期:2023-01-24作者简介:张忠义(1973-),男,高级工程师,研究方向为隧道工程,E-mail:2656639797@qq.com1引言围岩参数取值是隧道设计和施工阶段不可或缺的一部分。通过勘察获取的围岩参数直接用于支护设计具有一定的局限性,特别是对埋深大、断面大、结构破碎的地下工程影响尤为显著[1-3]。为此,快速有效地获取符合实际的围岩力学参数对于支护设计和优化尤为重要,也是岩土工程研究的热点和难点问题[4]。围岩参数取值通常较为复杂,采用传统的反分析方法难以有效解决位移与围岩参数之间的非线性关系。随着人工智能的不断发展,可借助计算机及机器学习来间接获取更加符合实际的围岩参数,其中比较典型的是BP神经网络[5]。根据现有对围岩参数的研究[6-8],利用BP神经网络对围岩物理性质的研究已得到广泛应用,但BP神经网络存在权值阈值变幅大等技术缺陷[9]。因此,本文将回溯搜索优化算法(BSA)与传统BP神经网络相结合,构建了一种全新的混合神经网络(BSA-BP)方法。实例应用表明,所提算法具有更强的全局寻优能力和更快的收敛速度,同时可将断层等特殊地质体参数纳入反演范畴,合理有效。2基本方法回溯搜索优化算法(BSA)在整体框架上与差分进化算法类似,对混合与扰动策略加以优化创新,在计算速度与全局搜索能力上得到了极大的提高。该算法由初始化种群、选择Ⅰ、变异、交叉、选择Ⅱ[10]五部分组成。根据模型输入和输出参数确定BP神经网络结构,从而确定BSA算法中的个体...
