亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于支持向量回歸的盾構(gòu)隧道巖土參數(shù)反演方法

        2024-12-31 00:00:00胡大歡
        西部交通科技 2024年8期
        關(guān)鍵詞:代理巖土盾構(gòu)

        數(shù)值模擬技術(shù)特別是有限元模擬是預(yù)測地表沉降的重要工具。為了提高數(shù)值模擬的有效性,文章提出了一種基于支持向量回歸代理模型的盾構(gòu)隧道巖土參數(shù)反演方法,使用該支持向量回歸代理模型替代有限元模型,可提高計算效率;基于代理模型與現(xiàn)場監(jiān)測數(shù)據(jù)構(gòu)建控制方程,使用優(yōu)化算法PSO求解最佳巖土參數(shù),并通過算例驗證了所提方法的有效性。

        盾構(gòu)掘進(jìn);參數(shù)反演;沉降預(yù)測;支持向量回歸

        U455.43A361174

        作者簡介:

        胡大歡(1994—),助理工程師,主要從事工程建設(shè)管理工作。

        0" 引言

        盾構(gòu)法是修建地鐵隧道最常見的施工方法,在城市區(qū)域修建地鐵隧道時,會經(jīng)常遇見下穿既有建構(gòu)筑物的情形。由于盾構(gòu)施工會引起地表沉降,這會給既有建構(gòu)筑物帶來很大的風(fēng)險,因此,預(yù)測盾構(gòu)施工引起的地表沉降是盾構(gòu)力學(xué)中非常重要的步驟。

        傳統(tǒng)的盾構(gòu)掘進(jìn)地表沉降預(yù)測方法包括Peck公式[1-2]經(jīng)驗法和解析方法[3]。但是這些方法不能考慮復(fù)雜的盾構(gòu)施工過程,也不能考慮巖土介質(zhì)的非線性等特性。隨著計算技術(shù)的發(fā)展,數(shù)值方法特別是有限元方法已成為預(yù)測盾構(gòu)隧道地表沉降的重要方法,例如,Xie等[4]基于Flac 3D軟件研究了大直徑盾構(gòu)隧道在上海軟土地區(qū)掘進(jìn)引起的地表沉降規(guī)律,并分析了注漿壓力、掌子面支撐壓力等施工參數(shù)對地表沉降的影響。Zhang等[5]基于ABAQUS軟件分析了雙線盾構(gòu)隧道掘進(jìn)引起的地表沉降規(guī)律。徐干成等[6]以北京地鐵14號線馬永區(qū)間盾構(gòu)隧道為背景,研究了盾構(gòu)下穿對高速鐵路的影響,并提出了注漿可以有效控制盾構(gòu)掘進(jìn)引起的鐵路不均勻沉降的觀點(diǎn)。陶連金等[7]基于數(shù)值模擬方法分析了新建盾構(gòu)隧道對已有盾構(gòu)隧道的影響,發(fā)現(xiàn)緊鄰盾構(gòu)施工會對已有隧道產(chǎn)生縱向效應(yīng)。上述研究都驗證了數(shù)值模擬方法是研究盾構(gòu)隧道力學(xué)的重要工具,可以用來預(yù)測盾構(gòu)掘進(jìn)引起的地表沉降力學(xué)問題。

        然而,由于巖土介質(zhì)具有隨機(jī)性,直接基于勘測資料開展的數(shù)值計算分析結(jié)果一般難以與現(xiàn)場的監(jiān)測數(shù)據(jù)相匹配,因此,基于現(xiàn)場的監(jiān)測數(shù)據(jù)進(jìn)行巖土參數(shù)的反演分析并不斷更新巖土參數(shù)是提高數(shù)值結(jié)果可靠性的重要方法。在這方面,Kavanagh等[8]、Sakura等[9]提出了基于現(xiàn)場觀測的巖土參數(shù)更新方法。此外,鄭亞飛等[10]、劉杰等[11]、賈善坡等[12]都提出了基于有限元的巖土參數(shù)反演方法。但是,這些方法并不能直接應(yīng)用于盾構(gòu)隧道掘進(jìn)過程的參數(shù)反演,仍然存在著計算繁瑣、計算精度不高的問題。

        巖土參數(shù)反演問題可以視為一類反分析問題,往往需要不斷地調(diào)用有限元數(shù)值模型進(jìn)行前向數(shù)值計算。為了提高計算效率,本文提出了一種基于支持向量回歸的盾構(gòu)隧道巖土參數(shù)反演分析方法。該方法具體包含了以下三個部分:(1)基于有限元程序構(gòu)建隨機(jī)輸入/輸出樣本;(2)利用輸入/輸出樣本訓(xùn)練代理模型,代理模型的構(gòu)建基于支持向量回歸算法實(shí)現(xiàn);(3)在獲取監(jiān)測數(shù)據(jù)的基礎(chǔ)上,利用粒子群優(yōu)化算法求解控制方法,獲取最佳巖土參數(shù)。本文通過一個數(shù)值算例驗證所提方法的有效性。

        1" 基于SVR代理模型的巖土參數(shù)反演分析框架

        為了提高盾構(gòu)掘進(jìn)引起地表沉降預(yù)測結(jié)果的有效性,使用現(xiàn)場監(jiān)測數(shù)據(jù)反演巖土參數(shù)是提高數(shù)值計算結(jié)果有效性的常見方法。參數(shù)反演可以表示為式(1)所示的優(yōu)化問題:

        m(θ)=argminx(‖fpred(x)-fmea‖)(1)

        式中:x——待反演的巖土參數(shù);

        fpred(x)——數(shù)值計算的預(yù)測值;

        fmea——現(xiàn)場監(jiān)測的測量值,一般使用地表位移作為反演的數(shù)據(jù)來源;

        ‖·‖——向量的距離范數(shù)。

        在式(1)所示的優(yōu)化問題中,需要頻繁調(diào)用數(shù)值模型進(jìn)行正演計算,這會帶來很大的計算成本。為了提高計算效率,在本文中采用代理模型替代計算成本高昂的有限元模型進(jìn)行前向分析計算。代理模型的本質(zhì)是數(shù)據(jù)驅(qū)動算法,其可在給定輸入?yún)?shù)的前提下快速獲得巖土系統(tǒng)的響應(yīng)值。為了訓(xùn)練代理模型,需要通過采樣方法(例如超立方拉丁采樣)在給定的巖土參數(shù)空間中生成輸入?yún)?shù)樣本,樣本的數(shù)量取決于所需的元模型精度和元模型的規(guī)模,然后通過有限元模擬獲得相應(yīng)的輸出值。在本文中使用支持向量回歸(Support Vector Regression,以下簡稱SVR)算法構(gòu)建代理模型。

        1.1" SVR算法

        對于一組訓(xùn)練樣本{(x(1),y(1)),…,(x(l),y(l))},SVR定義了如式(2)所示的優(yōu)化問題:

        Minimise J(w,e)=12wTw+C2∑li=1e(i)2

        Subject to y(i)=wTφ(x(i))+b+e(i)2,e(i)gt;0,i=1,2,…,l(2)

        式中:w——參數(shù)向量;

        b——偏置參數(shù);

        C——正則化參數(shù);

        e(i)——第i個訓(xùn)練樣本的誤差;

        φ(x(i))——非線性映射函數(shù)。

        引入拉格朗日乘子向量α,可以得到式(3)所示的拉格朗日函數(shù):

        L(w,b,e,α)=J(w,e)-∑li=1α(i)[wTφ(x(i))+b+e(i)-y(i)](3)

        根據(jù)KKT條件,可以得到L關(guān)于w、b、e、α的偏導(dǎo)數(shù)并得到如下所示的方程組:

        0" 1T1" Q+C-1Ibα=0y(4)

        式中:1=[1,1,…,1]T,I——單位矩陣,維度為l。y=[y(1),y(2),…,y(l)]T,Q=[qij]l×l,qij=K(x(i),x(j))。

        K(x(i),x(j))——核函數(shù)。

        核函數(shù)的選擇有很多種,包括:徑向基核函數(shù)(rbf)、線性核函數(shù)(linear)、多項式核函數(shù)(polynomial),如式(5)所示:

        K(x(i),x(j))=〈x(i),x(j)〉linear

        K(x(i),x(j))=(γ〈x(i),x(j)〉+r)dpolynomial

        K(x(i),x(j))=exp(-γ‖x(i)-x(j)‖2)rbf(5)

        式中:〈·,·〉——向量內(nèi)積;

        r——系數(shù);

        d——核函數(shù)維度;

        γ——>0的超參數(shù)。

        將式(4)進(jìn)一步擴(kuò)展可以得到:

        0""" 1" """"""1""" …""" 1

        1K(x(1),x(1))+1C" K(x(1),x(1))" …" K(x(1),x(l))

        1" K(x(2),x(1))" K(x(2),x(2))+1C…" K(x(2),x(l))

        """""" ""

        1" K(x(l),x(1))" K(x(l),x(2))" …K(x(l),x(l))+1C

        b

        α(1)

        α(2)

        α(l)=

        0

        y(1)

        y(2)

        y(l)

        (6)

        令ξ=(Q+C-1I)-1,則b和α可以通過求解線性方程組得到,結(jié)果為:

        b=1Tξy1Tξ1(7)

        α=ξ(y-11Tξy1Tξ1)(8)

        因此,SVR的預(yù)測結(jié)果可以表示為:

        f(x)=∑li=1α(i)K(x(i),x)+b(9)

        基于支持向量回歸的盾構(gòu)隧道巖土參數(shù)反演方法/胡大歡

        1.2" 控制方程的建立與求解

        在完成代理模型的構(gòu)建后,控制方程式(1)可以轉(zhuǎn)化為如下形式:

        m(x)=argminx∑ni=1(fi(x)-fmeai)2(10)

        式中:n——地表監(jiān)測點(diǎn)的數(shù)量。

        為了求解式(10),需要使用優(yōu)化算法,在本文中采用粒子群優(yōu)化算法(PSO)。該算法的核心思想是模擬鳥類的搜索食物的行為,初始化一群粒子,每個搜索粒子都代表了解空間的一組候選解,根據(jù)每個粒子的當(dāng)前位置和當(dāng)前速度,計算每個粒子的函數(shù)值,并基于所有粒子的全局最優(yōu)位置和個體最優(yōu)位置更新,直至滿足迭代次數(shù)或者搜索條件。粒子的速度和位置更新公式為:

        v(t+1)ij=wv(t)ij+c1r1(pij-x(t)ij)+c2r2(pgj-x(t)ij)

        x(t+1)ij=x(t)ij+v(t+1)ij(11)

        式中:v(t+1)ij——第i個粒子在第(t+1)次迭代時的第j維度的速度;

        x(t)ij——第i個粒子在第(t)次迭代時的第j個維度的位置;

        pij——第i個粒子的個體最優(yōu)位置;

        pgj——所有粒子的全局最優(yōu)位置;

        w——慣性權(quán)重;

        c1和c2——加速因子;

        r1和r2——隨機(jī)數(shù)。

        1.3" 參數(shù)反演框架

        本文提出基于SVR代理模型的反演框架,所提參數(shù)反演算法基于Python編程語言實(shí)現(xiàn)。該框架具體包含了三個模塊:

        1.3.1" 模塊1:基于ABAQUS的隨機(jī)有限元模型的建立

        為了訓(xùn)練代理模型,需要生成l組輸入/輸出樣本?;诔⒎嚼〔蓸覮HS算法生成l組輸入樣本;建立盾構(gòu)施工的標(biāo)準(zhǔn)有限元模型,并導(dǎo)出standard.inp文件,其中.inp代表ABAQUS的標(biāo)準(zhǔn)輸入文件;通過修改.inp文件的關(guān)鍵字生成l組隨機(jī)有限元模型;運(yùn)行l(wèi)組隨機(jī)有限元模型,并提取對應(yīng)模型的節(jié)點(diǎn)位移,即為輸出數(shù)據(jù)集。

        1.3.2" 模塊2:代理模型的訓(xùn)練與驗證

        在獲取l組訓(xùn)練樣本的基礎(chǔ)上,將這l組訓(xùn)練樣本按8∶2的比例劃分為訓(xùn)練集和測試集。使用訓(xùn)練集的樣本擬合SVR代理模型,計算過程如式(2)~(9)所示。使用測試集的樣本驗證SVR代理模型,代理模型的計算精度通過回歸系數(shù)R表達(dá),如式(12)所示。如果代理模型滿足精度要求,則進(jìn)入下一階段,否則需要增加訓(xùn)練樣本數(shù)量,重新進(jìn)行代理模型的訓(xùn)練與驗證:

        R2=1-∑ni=1∑lj=1(fi(xj)-y(j)i)2∑ni=1∑lj=1(fi(xj)-y-i)2(12)

        1.3.3" 模塊3:參數(shù)反演

        在獲取監(jiān)測數(shù)據(jù)的基礎(chǔ)上,基于式(10)構(gòu)建控制方程,并使用PSO算法[13]求解,然后將求解結(jié)果重新代入有限元數(shù)值模型驗證,并判斷是否滿足精度要求。如果計算結(jié)果滿足精度要求,則反演結(jié)束,否則需要增加訓(xùn)練樣本數(shù)量,重新進(jìn)行代理模型的訓(xùn)練與驗證(圖1)。

        圖1" 基于SVR代理模型的盾構(gòu)掘進(jìn)參數(shù)反演優(yōu)化方法示意圖

        2" 算例驗證

        2.1" 模型簡介

        本文通過一個算例驗證所提方法的有效性。在該算例中,盾構(gòu)隧道直徑D=10 m,隧道埋深H=10 m,土層包含土層1和土層2,兩個土層的厚度分別為3 m和47 m,襯砌厚度為0.35 m,盾構(gòu)掘進(jìn)過程中的注漿壓力和掌子面支撐壓力分別為0.1 MPa、0.1 MPa。建立如圖2所示的有限元數(shù)值模型,數(shù)值模型尺寸為X×Y×Z=100 m×50 m×60 m。土層采用C3D8R單元,襯砌采用C3D8I單元類型。土層和襯砌的六面體單元數(shù)量分別為85 605和9 984。土體和襯砌分別采用摩爾-庫侖和線彈性本構(gòu)。為了提高計算效率,每環(huán)盾構(gòu)掘進(jìn)設(shè)置為5 m,共模擬了盾構(gòu)掘進(jìn)12環(huán)。

        使用地表的監(jiān)測位移反演優(yōu)化巖土參數(shù),考慮到位移反演主要受材料的剛度參數(shù)影響,因此在本問題中,考慮土層1和土層2的彈性模量E和泊松比μ為待反演參數(shù),土層的重度γ、粘聚力c和內(nèi)摩擦角φ視為固定值。參數(shù)的取值范圍如表1所示。

        2.2" 代理模型訓(xùn)練與驗證

        為了訓(xùn)練SVR代理模型,生成了100組隨機(jī)有限元模型,即圖1中的參數(shù)l=100。使用超立方拉丁抽樣算法LHS生成了100組輸入?yún)?shù),E1、μ1、E2和μ2的分布如圖3所示。使用Python語言編寫ABAQUS軟件批量計算腳本并提取地表沉降,生成輸入/輸出數(shù)據(jù)集,將數(shù)據(jù)集按8∶2劃分為訓(xùn)練集和測試集,分別使用徑向基核函數(shù)、線性核函數(shù)和多項式核函數(shù)訓(xùn)練SVR代理模型,所訓(xùn)練代理模型在訓(xùn)練集和測試集上的預(yù)測結(jié)果分別如圖4和下頁圖5~6所示。三個模型的回歸系數(shù)R2分別為0.998、0.971、0.999??梢钥吹剑砟P驮谟?xùn)練集和測試集上的精度非常高,因此可以替代反演需要的有限元模型,提高計算效率。

        2.3" 巖土參數(shù)反演

        在本算例中,使用偽測量值作為參數(shù)反演的地表位移數(shù)據(jù)來源,偽測量值可以通過運(yùn)行一組固定巖土參數(shù)x的有限元模型得到。如圖7所示給出了使用PSO優(yōu)化損失隨迭代周期的變化圖,最終損失cost收斂至1.26e-5,巖土參數(shù)的反演結(jié)果為x=[23.11,0.37,75.80,0.27]T,即E1=23.11 MPa,μ1=0.37,E2=75.80 MPa,μ2=0.27。

        為了驗證參數(shù)反演結(jié)果的有效性,將參數(shù)反演結(jié)果重新代入有限元模型進(jìn)行前向計算,并提取驗證點(diǎn)位的地表沉降,測量值結(jié)果與預(yù)測結(jié)果如圖8所示。由圖8可知,使用反演參數(shù)預(yù)測的地表沉降結(jié)果與監(jiān)測值是非常貼近的。

        3" 結(jié)語

        預(yù)測盾構(gòu)掘進(jìn)引起的地表沉降是盾構(gòu)隧道力學(xué)中的重要問題。數(shù)值方法是預(yù)測盾構(gòu)掘進(jìn)引起的地表沉降的重要工具。為了提高數(shù)值模擬的有效性,本文提出了一種基于支持向量回歸代理模型的盾構(gòu)隧道巖土參數(shù)反演方法。在所提反演框架中,基于LHS采樣生成了一組隨機(jī)輸入?yún)?shù),并生成隨機(jī)有限元模型,用于構(gòu)建輸入輸出數(shù)據(jù)集,然后基于數(shù)據(jù)集訓(xùn)練并驗證SVR代理模型。最后,基于監(jiān)測數(shù)據(jù)和SVR代理模型建立控制方程,并使用PSO算法求解最佳巖土參數(shù)。同時,通過一個算例驗證了所提方法的有效性。得出結(jié)論如下:

        (1)分別使用徑向基核函數(shù)、線性核函數(shù)和多項式核函數(shù)構(gòu)建代理模型,三種代理模型在數(shù)據(jù)集上的回歸系數(shù)R2分別為0.998、0.971、0.999,說明多項式核函數(shù)構(gòu)建的代理模型精度最高,適合作為后續(xù)反演的核函數(shù)。

        (2)使用優(yōu)化后的巖土參數(shù)預(yù)測地表沉降值與監(jiān)測數(shù)據(jù)非常貼近,這說明使用更新優(yōu)化后的參數(shù)進(jìn)行數(shù)值計算可以極大地提高數(shù)值模擬的有效性。

        [1]Peck R B.Advantages and limitations of the observational method in applied soil mechanics[J].Geotechnique,1969,19(2):171-187.

        [2]Peck R B.Deep Excavations and Tunneling in Soft Ground,State of the Art Report[C].Proe.7Int.Conf.on Soil mechanics and Foundation Engineering, mexico City,1969.

        [3]Xie J,Li P,Zhang m,et al.Analytical solutions of ground settlement induced by yaw in a space curved shield tunnel[J].Underground Space,2023(13):86-103.

        [4]Xie X,Yang Y,Ji m.Analysis of ground surface settlement induced by the construction of a large-diameter shield-driven tunnel in Shanghai,China[J].Tunnelling and Underground Space Technology,2016(51):120-132.

        [5]Zhang Z X,Liu C,Huang X,et al.Three-dimensional finite-element analysis on ground responses during twin-tunnel construction using the URUP method[J].Tunnelling and Underground Space Technology,2016(58):133-146.

        [6]徐干成,李成學(xué),王后裕,等.地鐵盾構(gòu)隧道下穿京津城際高速鐵路影響分析[J].巖土力學(xué),2009,30(S2):269-272,276.

        [7]陶連金,孫" 斌,李曉霖.超近距離雙孔并行盾構(gòu)施工的相互影響分析[J].巖石力學(xué)與工程學(xué)報,2009,28(9):1 856-1 862.

        [8]Kavanagh K T,Clough R W.Finite element applications in the characterization of elastic solids[J].International Journal of Solids and Structures,1971,7(1):11-23.

        [9]Sakurai S,Takeuchi K.Back analysis of measured displacements of tunnels[J].Rock mechanics and rock engineering,1983,16(3):173-180.

        [10]鄭亞飛,張璐璐,于永堂,等.基于Pareto最優(yōu)的地基位移多目標(biāo)反分析[J].土木工程學(xué)報,2015(S2):214-219.

        [11]劉" 杰,王" 媛,劉" 寧.巖土工程滲流參數(shù)反問題[J].巖土力學(xué),2002(2):152-161.

        [12]賈善坡,伍國軍,陳衛(wèi)忠.基于粒子群算法與混合罰函數(shù)法的有限元優(yōu)化反演模型及應(yīng)用[J].巖土力學(xué),2011,32(S2):598-603.

        [13]Eberhart R,Kennedy J.A new optimizer using particle swarm theory[C].MHS′95.Proceedings of the Sixth International Symposium on micro machine and Human Science.Ieee,1995.

        20240407

        猜你喜歡
        代理巖土盾構(gòu)
        代理圣誕老人
        代理手金寶 生意特別好
        復(fù)仇代理烏龜君
        盾構(gòu)近距離下穿房屋接收技術(shù)
        復(fù)合盾構(gòu)在縱向錨桿區(qū)的掘進(jìn)分析及實(shí)踐
        《巖土力學(xué)》2014年第9 期被EI 收錄論文(40 篇,收錄率100 %)
        《巖土力學(xué)》2014年第7 期被EI 收錄論文(40 篇,收錄率100 %)
        《巖土力學(xué)》2014年第5 期被EI 收錄論文(41 篇,收錄率100%)
        《巖土力學(xué)》2014年第6期被EI收錄論文(43篇,收錄率100%)
        《盾構(gòu)機(jī)切削刀具》行業(yè)標(biāo)準(zhǔn)頒布
        久草国产视频| 97中文乱码字幕在线| 久久最黄性生活又爽又黄特级片| 成人国产av精品麻豆网址| 91久久偷偷做嫩模影院| 国产精品无码久久综合网| 亚洲成人色区| 久久久久亚洲av无码观看| 亚洲色www无码| 国产精品不卡免费版在线观看 | 中文字幕av高清人妻| 亚洲人成精品久久久久| 精品亚洲一区二区三区在线观看| 一区二区日韩国产精品| 欧美日本国产亚洲网站免费一区二区 | 亚洲国产精品ⅴa在线观看| 亚洲熟女乱色一区二区三区| 久久国产精品不只是精品 | av影片在线免费观看| 国产成人无码av| 久久久久久av无码免费看大片 | 亚洲国产精品成人综合色| 7777奇米四色成人眼影| 午夜性刺激免费视频| 人妻少妇精品视频一区二区三区| 亚洲美女自拍偷拍视频| 色噜噜狠狠综曰曰曰| 中文字幕国产欧美| 日本人妻系列一区二区| 69国产成人精品午夜福中文| 国产特级毛片aaaaaa| 国产精品美女久久久久久大全| 亚洲av影片一区二区三区| 亚洲国产成人久久精品不卡| 闺蜜张开腿让我爽了一夜| 超碰日韩AV在线| 在线精品亚洲一区二区三区 | 日韩久久免费精品视频| 久久精品国产亚洲av天| 99爱在线精品免费观看| 四虎精品成人免费观看|