基于RF-PSO混合算法的边坡软弱夹层力学参数反演应用研究

胡 斌 汤 琦 李 京 丁 静 刘 霁

(1.武汉科技大学资源与环境工程学院,湖北 武汉 430081;2.冶金矿产资源高效利用与造块湖北省重点实验室,湖北 武汉 430081)

岩体的数值分析和计算方法已广泛应用于岩土 工程问题分析中。但由于地质条件的不确定性、施工的多变性和模拟实验存在取样困难、尺寸效应等问题,获取现场岩体的力学参数较为困难,使得构建好的数值计算模型,因力学参数选取的不合理而导致数值计算结果与工程实际存在较大差距。

Kavanagh等[1]最早提出了基于有限元法的弹性固体弹性模量反演方法,用来解决上述不足。而后伴随着人工智能技术的发展,优化方法出现了智能化的趋势,众多学者将各种智能算法与优化方法相结合起来,如人工神经网络、遗传算法、粒子群优化算法等被引入反分析中。冯夏庭等[2]通过遗传算法优化人工神经网络结构,并通过弹性问题的反分析,验证了方法的有效性。漆祖芳等[3]通过对传统粒子群算法的改进,提出了V-SVP-MVPSO算法,并成功地应用于大岗山水电站右岸边坡岩体参数反演分析中。王开禾等[4]通过将模拟退火算法(SA)很强的局部寻优能力与遗传算法(GA)相结合,用以提高算法的收敛速度及全局寻优能力。

以往的研究往往集中在对类神经网络算法的改进以及控制参数的优化来实现对工程现场的正确模拟反馈,通过不同算法性能的相互补充来解决早熟问题、局部最优以及鲁棒性等问题,从而实现精度上的提升,而往往忽视了算法选择的重要性。……