论文部分内容阅读
基坑工程设计、施工及监测同被列为深基坑工程质量保证的三大基本要素。各种实际工程的理论分析方法,都必须以合理的土体物性参数为基础。而通常土体的物性参数是由室内试验确定的。然而,由于土样在取土、运输过程中的扰动,现场和试验两者边界条件的差异,实验仪器的精度等各种因素的影响,由室内试验测定的参数往往与实际值存在较大的差异。在各种实际工程中不确定的因素更多,用这样的参数进行分析计算,必然影响计算结果的可靠度。如何利用基坑工程施工中的各项监测数据对基坑施工活动进行动态控制成为目前研究的重点,动态设计、信息化施工理念越来越深入人心。其中利用前期工程监测数据进行后期预测是该技术重要的环节。而传统的预测方法由于其自身的局限性以及施工过程中不确定的因素较多,往往无法得到准确的数值解。神经网络具有良好的非线性映射能力,特别适合于处理各种非线性问题。
本文采用人工神经网络BP算法对深基坑开挖过程中多层土体的物性参数进行辨识。将某些现场实测值作为网络的输入,土层物性参数作为网络的输出,通过建立平面应变状态下的基坑有限元正分析模型取得学习样本来训练网络,从而达到对深基坑开挖过程中的多层土体的物性参数进行辨识的目的,并利用BP优选的物性参数预测后一阶段基坑开挖过程中挡土结构的变形,并将新得到的实际监测信息反馈到学习样本中,如此循环,使物性参数得到优化。正演方法采用有限元计算软件ANSYS实现了对土体的非线性弹性模型的计算。
最后,本文利用优选的土体物性参数分别在二维及三维状态下对该基坑挡土结构的最终变形情况进行了计算,计算结果表明此种反演方法是可靠的。