基于BP神经网络隧道围岩参数反演分析

2021-01-25黄武林

四川建筑 2020年6期

黄武林

(中铁(贵州)市政工程有限公司，贵州贵阳 550003)

在隧道工程施工过程中，围岩的支护参数非常关键。倘若初期支护参数不足，会导致隧道开挖过程中出现喷射混凝土开裂、初支侵限、甚至塌方等现象；倘若支护参数强度过高，会增加成本，造成材料的浪费[1]。如何能够正确地确定围岩的支护参数，主要取决于围岩的参数，因此获取围岩的物理力学参数是隧道施工和设计不可或缺的一部分。

隧道工程地质条件复杂多变，在实际调查过程中难以准确掌握地质情况。现场试验测试围岩物理力学参数，会耗费大量的时间和资金，同时实测的围岩力学参数与实际工程相比也有较大的出入，因此，运用一种经济合理的手段获取围岩力学参数是今后隧道工程的一个主要研究方向。

近年来，随着计算机技术的快速发展，许多国内外的学者运用隧道开挖后产生的变形反分析计算围岩的物理力学参数。K.T.Kavanagh等[2]利用变分法及最小势能的原理，提出了根据现场隧道位移量测值和理论推导计算材料参数的方法；G.Gioda等[3]总结了适用于岩土工程线性和非线性问题的反分析方法；文辉等[4]根据现场监测的围岩变形数据，采用回归方法进行预测最终位移，并结合BP神经网络对围岩力学参数进行了反演分析；马非等[5]采用现场监测数据，对某矿区围岩体力学参数算进行反分析，同时利用反演得到的围岩参数进行正分析，最后预测了围岩变形稳定值。吕志涛、张海洋等[6]根据隧道开挖后的实际变形数据，通过BP神经网络对软岩的蠕变参数进行了反演分析，并取得了较好的结果，弥补了室内试验的不足。由上所述，数值分析结合神经网络反分析计算围岩的物理力学参数的方法，已经得到了广泛运用，并取得了业内认可，能够满足工程上的应用。

本文以都匀至安顺公路左山寨隧道为工程背景，根据现场实测隧道拱顶变形和周边收敛位移，采用BP神经网络方法，反演计算隧道围岩的物理力学参数，并采用FLAC3D数值软件进行模拟正分析，验证反分析计算结果，为同类工程围岩力学参数的计算提供借鉴。

1 工程概况

左山寨隧道是两座分离式双车道隧道，隧道间距100～130m，隧道净高9.5m，净宽11.8m，左线全长520m，右线全长630m，断面形式见图1。隧道上覆土厚10～70m，属于大跨度浅埋隧道。隧道穿越变质岩地层、围岩碎裂呈片状构造，岩体节理发育，裂隙纵横交错，开挖后易掉块，围岩的稳定性较差，以Ⅳ、Ⅴ级为主，围岩分布比例见表1。

图1 隧道开挖断面(单位：mm)

表1 围岩级别比例 %

隧道埋深较浅，围岩松散破碎，为了保障隧道施工安全，坚持采用新奥法“短进尺、弱爆破、少扰动、早封闭”的原则，开挖方法采用台阶法施工。

2 BP神经网络反演分析原理

反分析计算是把需要反演的物理量当作被优化的指标，然后用一些的好的方式对其计算一直到满足条件为止[7]。模型计算的流程如图2所示。

BP神经网络结构如图3所示。X1,X2,…Xn为神经网络的输入值，Y1,Y2,…Ym为BP神经网络的预测值，wij和wjk是其权计算值。BP神经网络计算的原理是一个函数，输入量和所预测量是其函数相应的自变量和因变量。

图2 模型计算流程

图3 三层BP神经网络结构

BP神经网络计算的过程如下：

(1)网络初始化。

(2)隐含层输出。

式中：f为传递函数；Hj为传递函数；aj为第j个隐含层节点的阈值；l为传递函数。

(3)输出层输出值。

式中：bk为第j个隐含层节点输出值。

(4)误差计算

Ek=Yk-Okk=1,2,…,m

式中：Ek为第k个输出节点的预测误差；Yk为第k个输出节点的期望输出；Ok为第k个输出节点的预测输出。

(5)权值和阈值更新。

wjk=wjk+ηHjEkj=1,2,…,l;k=1,2,…,m

bk=bk+Ekk=1,2,…,m

式中：η为学习的速率。

(6)根据指标判断计算是否结束。

(7)计算的函数采用S型函数。

S型函数把输入值转化为0～1间的数。函数为双曲线函数，表达式如下，计算过程如图4所示。

图4 神经网络计算

3 反分析计算模型

3.1 正交试验

神经网络样本的构造通过正交试验获得，反演围岩的物理力学参数E、μ、C、φ。采用数理统计的方法对试验数据进行处理[8-9]。

公路隧道设计规范围岩参数值见表2。

表2 规范参考值的范围

Ⅳ级围岩的正交试验各因素水平的划分见表3。

表3 Ⅳ级围岩正交试验因素水平划分

根据正交试验表，Ⅳ级围岩构建试验方案见表4所示。

表4 Ⅳ级围岩正交试验方案

Ⅴ级围岩正交试验各因素水平的划分见表5。

表5 Ⅴ级围岩正交设计各因素水平划分

Ⅴ级围岩试验见表6。

表6 Ⅴ级围岩正交试验方案

3.2 神经网络学习样本构造

采用FLAC3D三维数值软件计算进行构造位移反分析正交试验学习样本[9]。建立模型如图5所示。

图5 三维计算模型

在数值模拟时，采用Mohr-Coulomb本构模型。根据每组围岩的力学参数数值分析计算两条水平测线的收敛和拱顶沉降值，构造位移反分析计算学习样本(表7)。本文仅论述Ⅳ级围岩力学参数反分析的计算过程，Ⅴ级围岩计算同上。

表7 Ⅳ级围岩神经网络样本

3.3 反分析计算结果

通过计算构建的BP神经网络学习样本用Matlab计算方法反演计算。采用的围岩变形指标有拱顶下沉、测线收敛，反分析计算的围岩力学参数有变形模量、泊松比、粘聚力和内摩擦角四个变量。采用Matlab变梯度算法进行编程计算[10]，当神经网络训练到2 500步时，误差为7.00×10-5，此时相关度R为0.986并且接近于1。如图6～图7所示。