基于位移增量的高地应力下硐室群围岩蠕变参数的智能反分析

作     者：陈静 江权 冯夏庭 胡嫣然 CHEN Jing;JIANG Quan;FENG Xiating;HU Yanran

作者机构：铜陵学院建筑工程学院安徽铜陵244061 中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室湖北武汉430071 

出 版 物：《煤炭学报》 (Journal of China Coal Society)

年 卷 期：2019年第44卷第5期

页      面：1446-1455页

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家重点研发计划资助项目(2016YFC0600707) 安徽省自然科学基金资助项目(1508085QE101) 铜陵学院人才科研启动基金资助项目(2013tlxyrc06) 

主　　题：高地应力 蠕变参数 智能反分析 位移增量 深部开采 

摘      要：深部高地应力下硐室围岩蠕变力学参数不准已成为制约岩体工程理论分析和数值计算发展的“瓶颈问题,因而确定可靠的岩体蠕变参数服务于工程实际成为重点关注的课题,为此提出基于位移增量敏感性分析的高地应力下硐室群围岩蠕变参数的智能反分析方法。该方法基于描述深部高地应力条件下围岩蠕变随时间破坏特征的分数阶微积分的蠕变本构模型,取较为典型的主硐室顶拱位移、拱肩位移和边墙位移作为表征围岩的特性指标,从参数敏感性分析着手,确定模型中对位移较为敏感的5个蠕变参数(瞬时剪切模量、黏性系数、黏弹性剪切模量、黏弹性系数、分数阶系数β),并遵循“大值原则和“敏感性原则提取位移增量数据,输入主厂房和主变室等不同位置的现场位移增量监测信息建立多数据融合的适应度函数,采用均匀设计方法构造各参数不同水平组合的学习样本和训练样本,通过遗传算法与神经网络相结合的智能优化算法在解的全局空间进行搜索,确定反演蠕变参数值,最终通过灰色关联度和后验差法联合校核位移增量实测值与计算值。实例分析结果不仅表明智能优化算法获得的硐室围岩蠕变参数可靠性高,也验证了该法的有效性和合理性,同时为深部高地应力大型硐室长期稳定性评价时参数确定提供一个新手段。