岩土工程中岩土体力学指标十分重要,选择合理与否,对岩土工程的设计施工影响很大。工程中岩土力学参数指标的获取主要是通过现场测试和室内试验。由于岩土介质的复杂性、非线性、不确定性和模糊性等特点,传统的方法有时会有一定的局限性,难以达到满意的结果。随着科学技术的发展,各种智能方法开始崭露头角,比如神经网络、遗传算法及支持向量机法等。其中基于支持向量机(SVM)的位移反分析是较新出现的一种岩土工程参数反演方法,由于具有较完备的理论基础和较好的学习性能,能很好地解决小样本、非线性、高维数和局部极小点等实际问题,使它成为继神经网络之后新的研究热点。尽管方法的性能在很多实际应用中得到了验证,但在计算上仍存在一些问题,包括训练速度慢、算法复杂而难以实现及算法效率低等。为了提高岩土工程参数反演的计算精度和效率,通过分析支持向量机在参数反演中存在的主要问题——支持向量机罚参数C、核宽度g、不敏感参数?对最终计算结果影响较大,正确选择支持向量机参数是计算准确与否的关键。通过引入群智能算法来优化支持向量机参数。群智能算法是模拟自然界种群觅食等活动设计出的寻优方法,有着搜索效率高,收敛速度快,逻辑简单等特点。本文研究灰狼、人工蜂群、差分进化灰狼三种群智能算法从提高搜索效率和模型计算精度的角度对支持向量机模型参数选择进行改进研究,并在岩土工程领域应用中有所创新。主要研究内容概况如下:(1)本文创新提出采用极大似然方法优化正态分布的样本构造方法,用于支持向量机参数反演研究。支持向量机是一种基于统计学理论的机器学习方法,需要构造学习样本进行训练,学习样本的好坏直接影响模型计算性能。(2)研究将差分进化算法与灰狼算法相融合,得到一种新的差分进化灰狼混合算法。并首次对灰狼算法、人工蜂群算法、差分进化灰狼混合算法的性能进行系统性的对比。通过编制Matlab程序将灰狼算法、人工蜂群算法、差分进化灰狼混合算法与支持向量机结合,通过实际工程对上面三种支持向量机模型的回归预测性能进行分析。分析表明,相比于灰狼算法、人工蜂群算法,差分进化灰狼混合算法明显提高了参数搜索效率和支持向量机模型的预测精度。(3)以前期工作为基础,结合昆明某地铁隧道项目,开展工程应用研究。采用Midas/GTS有限元构建了模拟隧道施工过程的三维仿真模型,研究不同施工阶段的位移变形作为反演依据推算出另一施工阶段的位移变化量的方法。以某隧道路段的地表实测变形为依据,用差分进化灰狼混合算法优化后的支持向量机模型反演岩体力学参数,最后利用反演参数对该隧道路段管片上浮的位移变化量进行预测计算,并与实际管片变形监测值进行对比分析,结果表明预测准确,方法可行。为岩土力学参数的获取、校核以及变形预测提供新的途径。