[an error occurred while processing this directive]
 
       首 页  |  期刊介绍  |  编委会  |  投稿指南  |  期刊订阅  |  广告合作  |  留言板  |  联系我们 |  English
现代隧道技术 2018, Vol. 55 Issue (1) :107-113    DOI:
分析与计算 最新目录 | 下期目录 | 过刊浏览 | 高级检索 << [an error occurred while processing this directive] | [an error occurred while processing this directive] >>
基于遗传算法的BP神经网络在隧道围岩参数反演和变形预测中的应用
（1 中国铁建大桥工程局集团有限公司，天津 300300；2铜陵学院建筑工程学院，铜陵 244000；3东北大学资源与土木工程学院，沈阳 110819）
Application of Genetic Algorithm Based BP Neural Network to Parameter Inversion of Surrounding Rock and Deformation Prediction
(1 China Railway Construction Bridge Engineering Bureau Group Co. Ltd., Tianjin 300300; 2 College of Engineering and Architecture Tongling University, Tongling 244000; 3 College of Resources and Civil Engineering, Northeastern University, Shenyang 110819)
Download: PDF (3711KB)   HTML (1KB)   Export: BibTeX or EndNote (RIS)      Supporting Info
摘要 隧道变形的准确预测需要以可靠的围岩力学参数为前提。文章通过构建基于遗传算法的BP神经网络智能反分析系统（GA-BP），实现了遗传算法自动搜索BP网络参数，大大提高了反演分析的效率，并将构建的GABP智能反分析系统应用到下穿沈丹高速公路的大顶山隧道围岩参数反演和变形预测中。分析结果表明，GA-BP反分析系统收敛速度较快，围岩参数反演和变形预测较为准确。
Service
把本文推荐给朋友
加入我的书架
加入引用管理器
Email Alert
RSS
作者相关文章
关键词：   
Abstract： Reliable mechanical parameters of surrounding rock are imperative for the accurate prediction of tunnel deformation. A GA-BP based neural network back analysis system is proposed and automatic searching for BP network parameters can be realized, with the efficiency of inversion analysis increasing greatly. This GA-BP intelligent back analysis system is applied to the inversion of rock mass parameters and deformation prediction for the Dadingshan tunnel passing underneath the Shenyang-Dandong expressway. The results show that the convergence speed of the GA-BP back analysis system is fast and the parameter inversion of the surrounding rock and deformation prediction is accurate.
Keywords： Genetic algorithm method,   BP neural network,   CD construction method,   Tunnel,   Mechanical parame? ters of surrounding rock,   Deformation prediction     
基金资助:

基金项目：安徽省教育厅自然科学研究重点项目 (KJ2015A176).
作者简介: 作者简介：周冠南（1982-），男，博士（后），高级工程师，主要从事岩土及隧道工程方面的研究和工程实践工作，E-mail：zhgn2001@163.com.
引用本文:   
.基于遗传算法的BP神经网络在隧道围岩参数反演和变形预测中的应用[J]  现代隧道技术, 2018,V55(1): 107-113
.Application of Genetic Algorithm Based BP Neural Network to Parameter Inversion of Surrounding Rock and Deformation Prediction[J]  MODERN TUNNELLING TECHNOLOGY, 2018,V55(1): 107-113
链接本文:  
http://www.xdsdjs.com/CN/      或     http://www.xdsdjs.com/CN/Y2018/V55/I1/107
　
没有本文参考文献
[1] 刘飞香 1,2.SCDZ133智能型隧道多功能作业台车及其施工技术[J]. 现代隧道技术, 2019,56(4): 1-7
[2] 周文波 吴惠明 赵 峻.泥岩地层常压刀盘盾构的掘进策略与分析[J]. 现代隧道技术, 2019,56(4): 8-15
[3] 陈卓立 1,2 朱训国 1,2 赵德深 1,2 王云平 1,2.深埋隧洞让压支护结构的锚固机理探究[J]. 现代隧道技术, 2019,56(4): 16-22
[4] 王全胜.矩形盾构法隧道管片分块案例分析及分块原则[J]. 现代隧道技术, 2019,56(4): 23-29
[5] 张 恒 1 朱亦墨 1 林 放 1 陈寿根 1 杨家松 2.基于Q系统的地下洞库中台阶最佳开挖高度研究[J]. 现代隧道技术, 2019,56(4): 30-37
[6] 李 好.大断面岩溶隧道贯通段地质情况的无线电波透视试验探测[J]. 现代隧道技术, 2019,56(4): 38-42
[7] 岑培山 1 田坤云 2 王喜民 3.蒙华铁路阳山隧道瓦斯危害性评估研究[J]. 现代隧道技术, 2019,56(4): 43-49
[8] 朱建峰 1 宫全美 2.软土地层盾构隧道长期沉降离心试验研究[J]. 现代隧道技术, 2019,56(4): 49-55
[9] 陈柚州 1 任 涛 2 邓 朋 2 王 斌 3.基于人工蜂群优化小波神经网络的隧道沉降预测[J]. 现代隧道技术, 2019,56(4): 56-61
[10] 王登茂 滕振楠 田志宇 陈志学.桃园至巴中高速公路八庙隧道非常规岩爆段病害处治与设计反思[J]. 现代隧道技术, 2019,56(4): 62-68
[11] 吴树元 1 程 勇 1 谢全敏 2 刘继国 1 陈必光 1.西藏米拉山隧道围岩大变形成因分析[J]. 现代隧道技术, 2019,56(4): 69-73
[12] 王 睢 1,2,3 钟祖良 3 刘新荣 3 吴 波 1,2,4 赵勇博 1,2 李占涛 1,2.基于D-P准则有压圆形衬砌隧洞弹塑性解[J]. 现代隧道技术, 2019,56(4): 74-80
[13] 李 明 严松宏 潘春阳 张旭斌.富水大断面黄土隧道开挖流固耦合效应分析[J]. 现代隧道技术, 2019,56(4): 81-88
[14] 张 凯 1 陈寿根 2 霍晓龙 3 谭信荣 4.岩溶地区隧道涌水风险的可拓评价模型及应用[J]. 现代隧道技术, 2019,56(4): 89-96
[15] 李 杰 1 张 斌 1 付 柯 1 马 超 1 郭京波 1 牛得草 2.基于现场掘进数据的复合地层盾构掘进性能预测方法研究[J]. 现代隧道技术, 2019,56(4): 97-104
Copyright 2010 by 现代隧道技术