基于数值实验的隧道全程围岩稳定性智能评价研究

发布时间：2017-08-22 03:20

  本文关键词：基于数值实验的隧道全程围岩稳定性智能评价研究

  更多相关文章： 隧道 全程围岩稳定 FLAC3D 神经网络 ARCGIS

【摘要】：随着国家西部大开发战略的实施,国家对公路和铁路建设重点西移,西部崇山峻岭地形地貌造就了许多地质情况复杂的超长隧道。“新奥法”因其具有支护结构可靠、隧道造价低廉、施工工艺简单等特点被广泛应用于隧道工程建设中,“新奥法”的核心是利用围岩的自承载能力对隧道支护结构进行设计、施工。本文通过均匀设计法、有限差分理论、强度折减方法、神经网络理论和GIS等,以及白市驿隧道的地质调查资料对白市驿隧道全程的围岩稳定性作出评价,并在GIS中进行了可视化的表达,对GIS结合神经网络实现隧道全程围岩稳定性评价研究作出了探索,得到的隧道全程围岩稳定性评价图对“新奥法”建设的隧道有一定的参考价值,本文完成的工作和主要进展如下:(1)通过对隧道围岩稳定性的理论研究,得到了影响隧道围岩稳定性的影响因素,选取7个参数作为影响因素的表达,这7个参数将作为神经网络的输入,这7个参数是:弹性模量、泊松比、内摩擦角、粘聚力、孔隙率、渗透系数和隧道埋深。经过研究选取隧道围岩的安全系数作为围岩稳定性的评价指标,并作为神经网络的输出。(2)基于均匀设计法将7个参数的范围进行30个水平的均匀划分,查询U30*(3013)使用表选取的列为1、2、3、4、6、12、13,通过查找U30*(3013)设计表得到影响因子的实验样本表,均匀设计的误差符合要求。(3)运用FLAC3D建立了白市驿隧道的平面应变模型,根据每一组实验样本表的数据输入到FLAC3D的相关参数中,利用二分法实现围岩的强度折减理论,在FLAC3D中计算出在渗流作用下30组隧道模型的围岩稳定性安全系数,得到了神经网络实验样本表。考虑到渗流对隧道围岩的稳定性的影响,计算了渗流和非渗流情况下隧道的性能状态,得出渗流作用对隧道拱顶的位移有较大的影响。(4)对BP神经网络的算法进行研究,建立了三层BP神经网络结构,设计隐含层节点数为7个的神经网络结构,利用MATLAB实现神经网络的算法,将训练样本归一化处理后导入神经网络进行计算,建立了合理的映射规则。回归拟合曲线说明仿真结果理想,误差符合要求。(5)在ARCGIS中建立了研究区7个影响因子的栅格数据图层,并重新分类后形成稳定性区划图,通过GIS的空间分析功能在研究区建立了52272个鱼网点,每个点代表了研究区的位置,利用点文件提取7个影响因子的值,提取的结果导出,数据处理后导入设计好的BP神经网络进行围岩稳定性的预测,预测的安全系数值导入GIS中将预测的值属性连接到点文件,将点文件矢量图层的安全系数属性转为栅格图层重分类后即可得到研究区围岩稳定性评价图。最后通过栅格裁剪命令可以得到隧道全程的围岩稳定性评价图。(6)运用模糊层次综合评判法对隧道穿越煤层处的围岩稳定性进行评判,得到的结果与智能评价的结果一致,论证了智能评价结果的可靠性。通过本文的研究,将GIS与神经网络结合研究隧道围岩的稳定性有较大的优势,得到的隧道全程稳定性评价图能使工程技术人员对围岩的稳定性情况一目了然,对采用“新奥法”隧道的设计、施工有一定的指导意义。
【关键词】：隧道 全程围岩稳定 FLAC3D 神经网络 ARCGIS
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U451.2
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 1 绪论9-15
• 1.1 引言9-10
• 1.2 隧道围岩稳定性区域评价的研究现状10-13
• 1.2.1 国外研究动态10-11
• 1.2.2 国内研究动态11-13
• 1.3 本文的主要研究内容和技术路线13-14
• 1.3.1 研究内容13-14
• 1.3.2 技术路线14
• 1.4 本章小结14-15
• 2 隧道围岩稳定性的研究及数值实验样本库的建立15-29
• 2.1 隧道围岩稳定性的理论研究15-20
• 2.1.1 隧道围岩稳定性研究常用方法简述15-18
• 2.1.2 影响隧道围岩稳定性的因素18-20
• 2.2 研究区的概况及影响围岩稳定性的特征20-21
• 2.2.1 工程概况20
• 2.2.2 各段基本地质条件20-21
• 2.3 基于均匀设计的隧道围岩稳定性分析数值模拟方法实验样本库的建立21-24
• 2.3.1 隧道围岩稳定性影响因子范围确定及评价指标的确定21-23
• 2.3.2 隧道围岩稳定性数值实验样本库的建立23-24
• 2.4 本章小结24-29
• 3 FLAC3D流固耦合分析及基于数值实验样本的隧道围岩稳定性的数值模拟29-43
• 3.1 FLAC3D流固耦合分析及材料本构理论研究29-31
• 3.1.1 软件简介29
• 3.1.2 流固耦合原理29-31
• 3.1.3 材料的本构理论31
• 3.2 隧道围岩稳定性的数值模拟分析31-33
• 3.2.1 分离式隧道模型的建立31-33
• 3.2.2 模型边界条件及计算参数的选取33
• 3.3 数据模拟结果及分析33-41
• 3.3.1 渗流对隧道围岩稳定性的影响33-36
• 3.3.2 隧道围岩稳定性安全系数36-41
• 3.4 本章小结41-43
• 4 基于BP神经网格的隧道围岩稳定性区域评估方法的设计43-57
• 4.1 多因素影响下隧道围岩稳定性的神经网络评估系统设计43-49
• 4.1.1 BP神经网络的基本结构43-46
• 4.1.2 BP神经网络的算法实现46-49
• 4.2 利用BP神经网络对隧道围岩稳定性安全系数的预测49-56
• 4.2.1 BP神经网络结构设计49-53
• 4.2.2 基于MATLAB的神经网络预测系统的实现53-56
• 4.3 本章小结56-57
• 5 基于GIS的隧道围岩稳定性智能评价系统研究57-79
• 5.1 基于GIS的隧道围岩稳定性智能评价系统设计准备57-65
• 5.1.1 隧道围岩智能评价系统实现的方法57
• 5.1.2 研究区单元格划分及隧道围岩稳定性影响因子图层的建立57-65
• 5.2 隧道围岩稳定性智能评价系统的实现65-78
• 5.2.1 基于GIS的智能评价系统操作过程65-71
• 5.2.2 隧道围岩稳定性区域评价合理性分析71-73
• 5.2.3 基于模糊层次综合评判法的验证73-78
• 5.3 本章小结78-79
• 6 结论与展望79-83
• 6.1 全文总结79-80
• 6.2 本文的创新点80
• 6.3 存在问题及今后的研究展望80-83
• 致谢83-85
• 参考文献85-88

【参考文献】

中国期刊全文数据库 前10条

1 窦宝松;陈秀军;;边界元法及其在岩土工程中的应用[J];水利水电技术;2013年10期

2 周盛全;吴基文;;基于人工神经网络的隧道围岩稳定性分类[J];安徽理工大学学报(自然科学版);2012年03期

3 孙琦;张向东;韩彭;;渗流对高崖头隧道围岩稳定性影响的数值模拟研究[J];水资源与水工程学报;2011年01期

4 李地元;李夕兵;张伟;宫凤强;黄炳仁;;基于流固耦合理论的连拱隧道围岩稳定性分析[J];岩石力学与工程学报;2007年05期

5 杜华英;赵跃龙;;人工神经网络典型模型的比较研究[J];计算机技术与发展;2006年05期

6 左双英,程欣宇,梁风,李景阳;基于GIS的贵阳市地质灾害危险性评价[J];地球与环境;2005年04期

7 李晓红,王宏图,贾剑青,杨春和,胡国忠,薛占新;隧道及地下工程围岩稳定性及可靠性分析的极限位移判别[J];岩土力学;2005年06期

8 黄其芳;人工神经网络对隧道围岩进行分类的应用研究[J];西部探矿工程;2004年05期

9 吴梦军,陈彰贵,许锡宾,赵明阶;公路隧道围岩稳定性研究现状与展望[J];重庆交通学院学报;2003年02期

10 习小华;分析影响隧道围岩稳定性因素[J];西部探矿工程;2003年05期

中国博士学位论文全文数据库 前3条

1 李鹏飞;海底隧道围岩稳定性分析与控制研究[D];北京交通大学;2011年

2 秦胜伍;基于GIS的隧道施工超前地质预报[D];吉林大学;2009年

3 王心飞;深埋隧道稳定性分析的智能化及非线性研究[D];重庆大学;2006年

中国硕士学位论文全文数据库 前5条

1 胡东萍;基于地理空间数据的地震诱发滑坡易感性统计模型研究[D];重庆大学;2014年

2 段国凡;基于GIS的降雨情况下高边坡稳定性智能区域评估研究[D];重庆大学;2014年

3 黄磊;公路隧道穿煤矿采空区段围岩稳定性分析[D];重庆大学;2013年

4 董路钰;复杂地质条件下轨道交通隧道施工风险评估研究[D];重庆大学;2012年

5 祝末;富水地层中的破碎带对隧道围岩稳定性影响数值分析[D];浙江大学;2010年

，

本文编号：716752