基于SGD算法优化的BP神经网络围岩参数反演模型研究

摘要：

为充分利用现场监测数据所反馈的围岩变形信息,对岩体力学参数进行反演,以贵州省剑河至黎平高速公路TJ-1 标段牛练塘隧道为工程背景,选择围岩弹性模量、黏聚力、泊松比及内摩擦角为影响因素,通过设计正交试验及有限元模拟,获取 25 组围岩物理力学参数组合及其对应的拱顶沉降值和拱腰收敛模拟值.基于随机梯度下降算法(stochastic gradient descent algorithm,简称SGD算法)对传统BP神经网络模型进行改进,建立以拱顶沉降值和拱腰收敛值为输入参数,以围岩弹性模量、黏聚力、泊松比及内摩擦角为输出值的基于SGD算法优化的BP神经网络模型,实现围岩参数的反演分析.将反演所得的围岩参数代入有限元模型,验证优化BP神经网络模型的可行性和准确性.最后,分析围岩变形及初期支护受力特性并给出施工建议.结果表明:1)基于SGD算法优化的 BP 神经网络模型计算得出的拱顶沉降值、拱腰收敛值、拱肩收敛值与现场实测值的相对误差率在 2.50%～24.01%,均低于传统BP神经网络模型计算得出的误差率(11.51%～93.71%),验证优化BP神经网络模型的可行性和优越性;2)上、下台阶拱脚处的喷层和锚杆有应力集中现象,有破坏风险,建议施工中加强拱脚支护,防止发生工程事故.

关键词：隧道工程、围岩参数反演、随机梯度下降算法、神经网络、正交试验法、数值模拟

所属期刊栏目：43

分类号：U45(隧道工程)

资助基金：国家自然科学基金;陕西省创新能力支撑计划项目

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2066-2076