基于神经网络和遗传算法的岩体参数辨识研究

详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文

英文篇名：The Research of Parameter Identification of Rock Mass Based on Artificial Neural Network and Genetic Algorithm 中文刊名：常州工学院学报 英文刊名：Journal of Changzhou Institute of Technology 作者：李巍尉 ; 陈永辉 ; 吴继敏 英文作者：LI Wei-wei CHEN Yong-hui WU Ji-min Geotechnical Research Institute of Hohai University ; Nanjing 210098 College of Civil Engineering ; Hohai University ; Nanjing 210098 中文关键词：参数辨识 ; 神经网络 ; 遗传算法 ; 后验差 英文关键词：parameter identification ; neural network ; genetic algorithm ; back test 出版日期：2005-12-30 机构：河海大学岩土工程研究所,河海大学岩土工程研究所,河海大学土木工程学院 江苏 南京,210098,江苏 南京,210098,江苏 南京 210098 年：2005 期：S1 出版单位：常州工学院学报

摘要

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。
In the solution of Geotechnical,it is intractable to ascertain constitution model and parameter of rock and soil exactly. Nowdays, Artificial Neural Networks enable us to avoid the complex constitution model to resolve the problem in Geotechnical. The different Artificial Neural Networks,however,are influential to the ability of model in study and extension. Therefore, it is very important to constitute a satisfactory Artificial Neural Network. Genetic Algorithm is used to search most appropriate BP neural network structure. Back test is used to test the result. Finite Element Method substituted with BP Neural Networks to back-analyze parameter of rock and soil. Finally,the feasibility is proved by an example.

引文

[1]杨林德等．岩土工程问题的反演理论与工程实践[M]．北京: 科学出版社,1999．
    [2]杨志法,王思敬等．岩土工程反分析原理及应用[M]．北京: 地震出版社,2002．
    [3]王旭,王宏等．人工神经元网络原理及应用[M]．沈阳:东北 大学出版社,2000．
    [4]杨志法,王思敬．岩石力学位移反演分析回顾及进展[J]．力 学进展,1998,28(4):488-498．
    [5]刘世君．岩石力学反演分析研究及工程应用[D]．南京:河海 大学,2003．
    [6]云庆夏．进化算法[M]．北京:冶金工业出版社,2000．
    [7]周萍．基于神经网络和遗传算法的岩体参数反分析研究[D]． 南京:河海大学,2003．
    [8]高玮,郑颖人．基于生态竞争模型的岩土本构模型辨识新算 法[J]．岩土工程学报,2002,24(1):93-97．