论文部分内容阅读
采用现有的人工神经网络理论和灰色系统理论，运用调研、理论分析、应用分析和软件编程相结合的研究方法，对少样本、贫信息的隧道围岩稳定性的分析方法进行研究，并通过实际工程隧道对所研究的方法进行检验。主要工作包括： 首先，从隧道围岩位移角度分析隧道围岩稳定性，提出隧道围岩位移长时预测的BP神经网络模型。在构建模型的过程中，采用对比多种网络模型预测结果的方法来确定最优模型。当神经网络模型的隐含层神经单元数不同时，模型预测结果误差和所用时间不同，经过反复试验得到当隐含层神经单元数为6时模型得出的预测值平均误差较小，训练时间较短，综合考虑建立了预测隧道岩体位移的BP神经网络长时预测模型。 其次，通过对隧道围岩稳定性影响因素的分析，确定了隧道围岩稳定性的分析指标。主要从岩石性质及岩体结构、地应力因素、地下水因素、地质构造、时间因素以及工程因素共六个方面出发，全面系统的分析了这六个个因素对隧道围岩稳定性的影响，为客观实际的进行围岩分级提供依据，以便采取相应的维护隧道围岩稳定的措施。 再者，从多因素角度分析隧道围岩稳定性，建立 BP神经网络模型。利用人工神经网络自组织、自学习、自适应性及并行式处理、容错性等的特性，结合隧道围岩稳定性影响因素建立BP神经网络模型，并利用MATLAB软件中的神经网络工具箱实现，依据公路隧道设计规范和实际工程情况构造样本数据，然后用构造的数据样本对地下隧道围岩稳定性进行分析。 最后，建立了适用于小样本、贫信息工程中的隧道围岩稳定性分析的GA-GNN模型。通过对灰色系统理论和神经网络算法的理论分析，建立灰色系统理论和神经网络想结合的灰色神经网络模型；并用遗传算法对其进行优化，得到最终的分析模型—GA-GNN模型；然后利用MATLAB软件编程实现该模型；最后，利用已建立好的GA-GNN模型对实际工程隧道围岩的稳定性进行分析，检验所建模型的实际应用效果，结果表明检验结果良好，所建模型可以用于小样本、贫信息的工程实际。