基于BP神经网络的岩土体细观力学参数研究

详细信息   

• 责任者：周喻^c北京科技大学^d1985^e博士研究生 ; 吴顺川^c北京科技大学金属矿山高效开采与安全教育部重点实验室 ; 焦建津 ; 张晓平^c中国科学院地质与地球物理研究所
• 刊名：岩土力学
• 出版年：2011
• 卷期：32^b12总197
• 关键词：BP神经网络系统 ; 岩体力学20^a数学模型 ; 力学性质 ; 抗压强度 ; 弹性常数
• 页码：3821～3826
• 索书号：P479.06/357
• 图表：^c表4参16插图
• 分类号：1600
• 文摘期号：2012/06

摘要

目前颗粒流计算方法中所采用的细观力学参数，均需根据岩土体宏观力学参数试验结果反复调试获取，调试效率很低且有较大的盲目性，因此，急需引入一种新方法，建立岩土体宏观力学参数与细观力学参数的关系。基于PFC3D程序，采用BP(back propagation)神经网络方法，建立宏观力学参数与细观力学参数的非线性模型，通过输入宏观力学参数，即可快速、准确地反演岩土体细观力学参数。研究结果表明:(1)根据BP神经网络模型反演确定的细观力学参数，输入数值模型计算其宏观力学参数，结果与试验值相比，精度一般高于90%;(2)当模型最小尺度上的颗粒数RES=10、隐含层含6个神经元时，BP神经网络模型的反演性能最佳。实例计算表明，BP神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能，该方法为颗粒流理论的推广应用提供了新的技术手段。