1. 河北抚宁抽水蓄能有限公司
2. 国网新源控股有限公司抽水蓄能技术经济研究院
3. 河海大学土木与交通学院
Published:2025
移动端阅览
马喜峰, 李冰, 任韬哲, et al. 基于SSA-BP神经网络的抽蓄电站地下厂房围岩参数反演及变形预测[J]. 2025, 43(6): 198-202.
DOI:
马喜峰, 李冰, 任韬哲, et al. 基于SSA-BP神经网络的抽蓄电站地下厂房围岩参数反演及变形预测[J]. 2025, 43(6): 198-202. DOI: 10.20040/j.cnki.1000-7709.2025.20241457.
抽水蓄能电站地下厂房开挖情况复杂,难以寻求合理的开挖围岩参数进行模拟计算并实现变形预测。为此,基于围岩变形监测数据,结合SSA-BP神经网络模型与有限元软件Abaqus
对地下厂房Ⅰ、Ⅱ层模拟开挖中的围岩力学参数进行反演分析,并进一步运用反演得到的结果进行开挖变形预测。结果表明,结合数值模拟方法的SSA-BP神经网络模型对围岩力学参数的反演结果与监测数据相符,且能对地下厂房开挖变形进行合理预测,其性能表现优于传统BP神经网络模型,可为工程设计、施工优化提供参考。
任斌,张帆,李永生,周永健,张卓睿,陈凯,刘云.五岳抽水蓄能电站地下厂房初始地应力反演及围岩稳定性分析[J].水电能源科学,2023(05).
何一纯,丁秀丽,吕风英,王兰普,石艳龙,张雨霆.大型抽水蓄能电站地下厂房围岩变形时效特征和反馈分析[J].长江科学院院报,2020(11).
涂图,王建,张梦迪.基于改进粒子群算法的BP神经网络在初始地应力场反演优化中的应用[J].水电能源科学,2017(12).
张倩,陈新,周武松,魏成勇.GA-BP遗传神经网络在地下厂房变形预测中的应用[J].水电能源科学,2016(06).
王开禾,罗先启,沈辉,张海涛.围岩力学参数反演的GSA-BP神经网络模型及应用[J].岩土力学,2016(S1).
张明,卢裕杰,毕忠伟,陈良,杨强,李仲奎.利用神经网络的反馈分析方法及其在地下厂房中的应用[J].岩石力学与工程学报,2010(11).
张晨明,朱合华,赵海斌.增量位移反分析在水电地下洞室工程中的应用[J].岩土力学,2004(S2).
刘允芳.鲁布革水电站地下厂房模型洞位移反分析计算[J].长江水利水电科学研究院院报,1986(S1).
Jiankai Xue,Bo Shen.A novel swarm intelligence optimization approach: sparrow search algorithm[J].Systems Science & Control Engineering,2020.
S. Sakurai,K. Takeuchi.Back analysis of measured displacements of tunnels[J].Rock Mechanics and Rock Engineering,1983(3).
0
Views
264
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution