基于粒子群优化-高斯过程回归的智能岩土体参数快速反演方法

HUANG Wei ¹黄伟 ²LIU Hua ¹刘华²

扫码查看

作者信息

1. China Railway Siyuan Survey And Design Group CO.,LTD.Urban Rail Transit and Underground Engineering Design Research Institute Wuhan 430063, China
2. 中铁第四勘察设计院集团有限公司武汉430063
折叠

摘要

针对盾构隧道结构设计中勘察报告提供各土层c、φ值不准确或缺失,岩土勘察结论不明确等问题,提出了一种粒子群优化(PSO)与高斯过程回归(GPR)机器学习方法的协同优化算法(PSO-GPR)应用于岩土力学参数反分析方法.该算法在寻优过程中采用GPR模型来构建决策变量与适应度函数值之间的映射关系,以GPR模型作为适应度评价工具对PSO算法进行局部加速,减少适应度函数评价次数.通过对南京地铁轨道交通5号线(七桥翁站到小天堂站区间)下穿宁铜铁路工程实例验证了反演方法的可行性,研究结果表明,与基本PSO算法相比,该方法可显著减少参数反演过程中的有限元分析次数,计算效率明显较高,且具有不依赖于预设训练样本的优点,对高计算代价的岩土体参数反演问题具有良好的适应性.

关键词

盾构隧道/岩土工程/参数反演/粒子群优化/高斯过程

引用本文复制引用

主办单位

江苏省土木建筑学会

会议名称

2015年度江苏省城市轨道交通建设学术年会

会议时间

2016-01-19

会议地点

徐州

会议母体文献

2015年度江苏省城市轨道交通建设学术年会论文集

页码

185-191

出版时间

2016

段落导航