智能反分析：高地应力下硐室群围岩蠕变参数的位移增量策略

本文主要探讨的是在深部高地应力环境下，如何通过智能反分析技术精确确定硐室群围岩的蠕变力学参数，以解决岩体工程中的理论分析和数值计算所面临的难题。作者陈静、江权、冯夏庭和胡嫣然针对这一问题提出了创新的方法。他们的研究基于分数阶微积分的蠕变本构模型，这是一种能有效描述围岩随时间破坏特性的数学工具，特别适用于深部高地应力条件。 研究的关键在于选择三个典型的围岩特性指标：主硐室顶拱位移、拱肩位移和边墙位移。通过对这些位移数据的敏感性分析，确定了5个对位移影响较大的蠕变参数，即瞬时剪切模量、黏性系数、黏弹性剪切模量、黏弹性系数以及分数阶系数β。这些参数的准确值对于预测围岩的稳定性和长期行为至关重要。 在实施过程中，他们遵循“大值原则”和“敏感性原则”，收集并处理现场位移增量监测数据，特别是在主厂房和主变室等关键区域。通过多数据融合，构建了一个适应度函数，该函数综合考虑了不同位置的数据。然后，他们运用了均匀设计方法生成不同参数组合的学习样本和训练样本，以便于优化算法的训练。 智能优化算法采用了遗传算法与神经网络的结合策略，在解的全局空间进行搜索，以找到最优的蠕变参数反演值。这种方法具有高效和精准的优势，能够克服传统方法的局限性。最后，研究通过灰色关联度和后验差法双重校核，确保了反演参数的可靠性和计算结果与实测位移增量的一致性。 实例分析结果显示，这种方法成功地提高了围岩蠕变参数的精度，验证了其在深部高地应力大型硐室稳定性评估中的实用性和有效性。这对于岩体工程实践具有重要意义，有助于提升地下工程的设计和施工质量，保障工程的安全性。