基于仿生計算智能的地下工程反分析：理論與應用

1 緒論
1.1 反分析的不同描述法
1.1.1 數學描述法
1.1.2 力學描述法
1.1.3 信息描述法
1.1.4 系統(tǒng)描述法
1.2 地下工程反分析研究現狀
1.2.1 參數反分析研究
1.2.2 模型反分析研究
1.3 反分析的仿生計算智能研究
1.3.1 基于人工神經網絡的反分析研究
1.3.2 基于進化計算的反分析研究
1.3.3 其他仿生計算智能反分析研究
1.4 本書主要內容
參考文獻
2 仿生計算智能原理及方法
2.1 人工神經網絡(ANN)
2.1.1 多層前向神經網絡
2.1.2 進化神經網絡(ENN)
2.2 進化計算(EC)
2.2.1 遺傳算法(GA)
2.2.2 進化規(guī)劃(EP)
2.3 人工免疫算法
2.3.1 生物免疫系統(tǒng)
2.3.2 人工免疫算法
2.4 蟻群算法
2.4.1 蟻群算法的生物基礎
2.4.2 蟻群優(yōu)化算法的實現
2.5 粒子群優(yōu)化算法
2.5.1 粒子群優(yōu)化算法的提出
2.5.2 粒子群優(yōu)化算法的實現
2.5.3 粒子群優(yōu)化算法同進化算法的比較
2.5.4 粒子群優(yōu)化算法的仿真實驗
2.6 其他算法簡介
2.6.1 模擬退火算法
2.6.2 混沌優(yōu)化算法
2.6.3 DNA分子計算
參考文獻
3 地下工程圍巖物性參數反分析研究
3.1 進化神經網絡逆反分析
3.1.1 神經網絡反分析的必要性
3.1.2 進化神經網絡的訓練樣本獲取
3.1.3 進化神經網絡算法
3.1.4 逆反分析的進化神經網絡研究
3.2 仿生優(yōu)化反分析研究
3.2.1 仿生優(yōu)化反分析的必要性
3.2.2 改進的快速遺傳算法及其在反分析中的應用
3.2.3 進化規(guī)劃及其在反分析中的應用
3.2.4 免疫連續(xù)蟻群算法反分析研究
3.2.5 粒子群優(yōu)化反分析研究
3.3 基于仿生優(yōu)化算法的巖體滲流參數反分析研究
3.3.1 巖體滲透系數反演的基本模型
3.3.2 巖體滲透系數反演的仿生算法實現
3.3.3 算例分析
參考文獻
4 地下工程圍巖本構模型反分析研究
4.1 圍巖彈塑性本構模型類內辨識研究
4.2.1 屈服函數模型反分析研究1
4.1.2 屈服函數模型反分析研究2
4.2 圍巖彈黏塑性本構模型類內辨識研究
4.2.1 理論研究
4.2.2 圍巖彈黏塑性模型的反分析研究
4.2.3 工程實例
4.3 圍巖本構模型類問辨識與力學參數同時反分析研究
4.3.1 模擬生態(tài)競爭模型的提出
4.3.2 圍巖本構模型類問辨識及參數同時反演的模擬生態(tài)競爭模型
4.3.3 實例分析
4.4 地下工程圍巖本構模型反分析的其他可能研究
4.4.1 巖土材料本構模型識別的神經網絡研究
4.4.2 本構模型識別的遺傳程序設計研究
參考文獻
5 工程應用研究
5.1 地下工程圍巖參數逆反分析的工程應用研究
5.1.1 龍灘隧道工程簡介
5.1.2 龍灘隧道工程圍巖監(jiān)測情況
5.1.3 圍巖力學性質試驗情況
5.1.4 隧道區(qū)地應力場實測情況
5.1.5 圍巖參數及地應力場逆反分析研究
5.2 地下工程圍巖參數優(yōu)化反分析的工程應用研究
5.2.1 天生橋一級電站工程現場監(jiān)測試驗概況
5.3.2 試驗洞圍巖參數的優(yōu)化反分析
5.3 地下工程圍巖本構模型辨識的工程應用研究
5.3.1 某抽水蓄能電站現場位移監(jiān)測試驗概況
5.3.2 試驗洞圍巖體本構模型的辨識
參考文獻
6 結論及展望
6.1 結論
6.2 展望
參考文獻