智能分析方法及其在巖土工程中的應(yīng)用

郭 健，殷 俊，李 婷，錢勁斗，柯曉峰，何章津

(武漢輕工大學(xué) 土木工程與建筑學(xué)院，湖北 武漢 430023)

智能分析方法及其在巖土工程中的應(yīng)用

郭 健，殷 俊，李 婷，錢勁斗，柯曉峰，何章津

(武漢輕工大學(xué) 土木工程與建筑學(xué)院，湖北 武漢 430023)

隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，以復(fù)雜問(wèn)題為研究對(duì)象的智能學(xué)科出現(xiàn)，為解決復(fù)雜系統(tǒng)提供了一種全新的研究途徑。系統(tǒng)地評(píng)述了智能算法研究現(xiàn)狀，回顧了智能分析方法在巖土工程中的應(yīng)用。面對(duì)復(fù)雜施工條件和外部環(huán)境，巖土工程極具隨機(jī)性、不確定性、模糊性特點(diǎn)，制約著地下工程破壞機(jī)理的準(zhǔn)確分析和安全風(fēng)險(xiǎn)的精確預(yù)測(cè)，如何提高巖土工程施工安全可靠性、防控施工風(fēng)險(xiǎn)、減少工程事故的發(fā)生，已成為亟待解決的問(wèn)題。展望巖土工程智能研究及應(yīng)用前景，運(yùn)用數(shù)據(jù)融合技術(shù)，研發(fā)具有智能分析特點(diǎn)的巖土工程集成專家系統(tǒng)，用以實(shí)現(xiàn)施工信息化，滿足巖土工程風(fēng)險(xiǎn)實(shí)時(shí)預(yù)測(cè)及控制的要求，將是未來(lái)巖土工程智能研究發(fā)展的方向。

智能分析；復(fù)雜系統(tǒng)；巖土工程；施工信息化；預(yù)測(cè)控制

1 引言

近十年以來(lái)，隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和國(guó)家中心城市戰(zhàn)略的實(shí)施，大體量、超大體量的建(構(gòu))筑物層出不窮，與巖土工程相關(guān)的大型工程項(xiàng)目正以前所未有的速度進(jìn)行，大量城市交通設(shè)施如地鐵隧道建設(shè)，在建的城市地下空間、深大基坑工程等，其建設(shè)規(guī)模與難度越來(lái)越大[1-3]，如何實(shí)現(xiàn)巖土工程施工的安全可靠要求，對(duì)工程科研、設(shè)計(jì)及施工提出了嚴(yán)峻的挑戰(zhàn)。

巖土工程是以巖土材料的物理力學(xué)性質(zhì)、巖土力學(xué)的基本理論及巖土工程設(shè)計(jì)施工的理論與方法為研究對(duì)象，通過(guò)分析巖土體工程力學(xué)性質(zhì)并將其應(yīng)用于工程的學(xué)科。由于天然巖土體所賦存的地質(zhì)環(huán)境特殊，受多場(chǎng)(應(yīng)力場(chǎng)、溫度場(chǎng)、滲流場(chǎng))、多相(氣相、液相、固相)等復(fù)雜因素的影響，表現(xiàn)出高度非線性、非均質(zhì)、非連續(xù)性及多相性的復(fù)雜耦合特點(diǎn)[2]。面對(duì)高維、強(qiáng)耦合、時(shí)變性和隨機(jī)性的巖土工程，復(fù)雜條件下的巖體變形破壞機(jī)制難以準(zhǔn)確地理解，致使經(jīng)典的巖土力學(xué)分析很難給出精確的模型和參數(shù)問(wèn)題[3]。因此，如何準(zhǔn)確地確定其力學(xué)參數(shù)和本構(gòu)模型，一直是巖土工程界亟待解決的主要問(wèn)題[4]。

2 巖土工程數(shù)值分析方法的研究

國(guó)內(nèi)外眾多學(xué)者經(jīng)過(guò)幾十年的不斷研究探索與工程實(shí)踐，巖土工程數(shù)值分析方法由經(jīng)驗(yàn)、半經(jīng)驗(yàn)向計(jì)算復(fù)雜、高精度的方向發(fā)展。

經(jīng)典的巖土工程問(wèn)題分析求解方法根據(jù)固體力學(xué)原理，基于假定確定性，通過(guò)數(shù)值分析求解的經(jīng)典力學(xué)問(wèn)題，即根據(jù)巖土體物理參數(shù)、本構(gòu)模型及邊界條件，按照彈塑性力學(xué)計(jì)算巖土體中的應(yīng)力、應(yīng)變及位移等[5]。由于巖土工程的處理對(duì)象為性質(zhì)極其復(fù)雜的天然巖土體，其自身介質(zhì)材料性質(zhì)具有模糊性、不確定性、隨機(jī)性，其物性參數(shù)及本構(gòu)模型不易得到, 其計(jì)算邊界條件難以確定，難以進(jìn)行確定性的正分析，為此非確定性的反分析方法應(yīng)運(yùn)而生[6-7]。

反分析方法是將反演分析獲取的參數(shù)，作為同一模型下正分析的輸入?yún)?shù)，用以提高結(jié)構(gòu)分析的可靠性。其研究涉及：模型與參數(shù)辨識(shí)、參數(shù)靈敏度分析、求解穩(wěn)定性和局部極值點(diǎn)，其中，參數(shù)和模型的正確抉擇是巖土工程研究中的兩大難題[8]。

在20世紀(jì)70年代，兩位學(xué)者Karanagh和Clough首先提出反演彈性固體的彈性模量有限元分析方法[9]，用于指導(dǎo)巖土工程設(shè)計(jì)和施工，這是巖土工程領(lǐng)域出現(xiàn)的一種新的計(jì)算方法——反分析方法(Back Analysis)的出現(xiàn)。

巖土工程的反分析方法是基于巖土工程問(wèn)題的一些先驗(yàn)信息，以現(xiàn)場(chǎng)量測(cè)的、反映系統(tǒng)力學(xué)行為的物理信息(如位移、應(yīng)變、應(yīng)力或荷載等)和圍巖介質(zhì)的特性與參數(shù)，采用處理非確定性問(wèn)題的相應(yīng)方法，通過(guò)反演模型(系統(tǒng)的物理性質(zhì)模型及數(shù)學(xué)描述)推算得到該系統(tǒng)的各項(xiàng)或某些初始參數(shù)(如初始應(yīng)力、本構(gòu)模型參數(shù)、支護(hù)荷載、邊界荷載等)[10-12]，獲取巖土工程系統(tǒng)的分析模型，為數(shù)值分析提供“計(jì)算參數(shù)”，使之用于工程監(jiān)控、預(yù)測(cè)和安全評(píng)價(jià)。它是逆向思維的一次成功應(yīng)用，即以量測(cè)監(jiān)控技術(shù)和現(xiàn)代控制技術(shù)為基礎(chǔ)，發(fā)展現(xiàn)場(chǎng)監(jiān)控量測(cè)信息的反分析方法[13-14]，開辟了巖土參數(shù)和初始地應(yīng)力研究的新途徑，因而對(duì)巖石力學(xué)與工程學(xué)科理論發(fā)展具有劃時(shí)代的意義。

巖土工程“逆問(wèn)題”是相對(duì)“正問(wèn)題”而言的，是根據(jù)現(xiàn)場(chǎng)實(shí)測(cè)值反求巖土體物理力學(xué)性質(zhì)參數(shù)或其本構(gòu)模型的一種手段,它不單純是一種力學(xué)的求解過(guò)程,包含了系統(tǒng)控制及優(yōu)化技術(shù)方法。

巖土工程反分析方法經(jīng)過(guò)多年的發(fā)展，已由線性發(fā)展到非線性，目標(biāo)未知數(shù)由單純的計(jì)算參數(shù)發(fā)展到巖土體的本構(gòu)模型，材料由均質(zhì)發(fā)展到非均質(zhì)，在確定性反分析的基礎(chǔ)上又發(fā)展了非確定性反分析，使得巖土工程反分析的計(jì)算理論日趨成熟。由于反分析法在解決復(fù)雜巖土工程問(wèn)題上的準(zhǔn)確性和可靠性，而備受巖土工程界的重視，并被用于預(yù)測(cè)分析領(lǐng)域，取得了令人矚目的研究成果。

國(guó)內(nèi)外眾多學(xué)者，Gioda[15]、Sakurai[16]、櫻井春浦[17]等，在解決巖土工程中材料的非均質(zhì)性、非線性和不連續(xù)性造成的本構(gòu)模型及力學(xué)參數(shù)等問(wèn)題，取得顯著的科研成效；孫鈞院士[18]、馮夏庭[4-5]、楊志法[19]、楊林德[19]、王芝銀[20]、呂愛鐘[21]和傅鶴林[22]等人，通過(guò)研究解的唯一性、穩(wěn)定性和參數(shù)敏感性等，提出了多種反分析方法，形成了一套完整的“現(xiàn)場(chǎng)監(jiān)測(cè)—反演分析—工程檢驗(yàn)—分析預(yù)測(cè)”分析系統(tǒng)，成功地應(yīng)用于巖土工程領(lǐng)域，獲取了力學(xué)參數(shù)，并對(duì)巖土工程進(jìn)行了合理評(píng)價(jià)與有效預(yù)測(cè)。

3 智能巖土分析方法研究

3.1 智能算法研究

智能的思想源于復(fù)雜適應(yīng)系統(tǒng)理論以及人工生命的研究[23-24]。自然界的自適應(yīng)優(yōu)化現(xiàn)象不斷給計(jì)算機(jī)科學(xué)家們以靈感，使他們通過(guò)模仿自然世界的內(nèi)在機(jī)制獲取解決復(fù)雜計(jì)算問(wèn)題的新方法。

自20世紀(jì)90年代以來(lái)，一些學(xué)者受到自然界生物群體“鳥類聚集飛行行為、螞蟻覓食行為、魚群行為”等所表現(xiàn)出的自組織行為和群體智能現(xiàn)象的啟發(fā)，誕生了以粒子群算法和蟻群算法等為代表的模擬生物群體行為的“群體智能”算法[25]，極大地豐富了智能優(yōu)化技術(shù)，并被公認(rèn)為是繼人工智能之后，2l世紀(jì)計(jì)算技術(shù)中最有影響的關(guān)鍵技術(shù)。美國(guó)學(xué)者Kennedy和Eberhart博士于2001年出版的《Swarm Intelligence》[26]成為群體智能研究與發(fā)展中的一個(gè)重要?dú)v程碑。

智能技術(shù)經(jīng)過(guò)多年的發(fā)展逐步形成了三個(gè)層次[27-28]：第一層生物智能，主要研究智能的產(chǎn)生、形成和工作機(jī)理；第二層人工智能，主要研究應(yīng)用符號(hào)邏輯方法模擬人思考問(wèn)題，具有求解、推理、學(xué)習(xí)等方面的能力，偏重于邏輯推理；第三層計(jì)算智能又稱為智能算法，主要是通過(guò)模擬人、自然及生物種群的結(jié)構(gòu)特點(diǎn)、進(jìn)化規(guī)律、行為方式及思維結(jié)構(gòu)而發(fā)展起來(lái)的，基于數(shù)值計(jì)算和結(jié)構(gòu)演化的智能方法偏重于數(shù)值計(jì)算，主要用來(lái)實(shí)現(xiàn)智能的研究與應(yīng)用。

近年來(lái)不同類型智能算法開始走向融合，形成具有復(fù)合協(xié)同的可模擬生物行為的智能混合算法，這類智能混合技術(shù)在求解一些用傳統(tǒng)方法難以得到滿意解的復(fù)雜困難問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)，為擺脫傳統(tǒng)人工智能所面臨的困境提供的一種新的方向。

3.2 智能仿生算法在巖土工程中的應(yīng)用研究

隨著智能技術(shù)和計(jì)算機(jī)學(xué)科的迅猛發(fā)展，計(jì)算分析能力的提高，大規(guī)模并行處理技術(shù)的產(chǎn)生，以不確定性、非線性、時(shí)間不可逆性為內(nèi)涵，以復(fù)雜問(wèn)題為對(duì)象的新興邊緣交叉學(xué)科的出現(xiàn)[29-31]，新的理論(優(yōu)化理論、灰色理論、突變理論、分形幾何理論、混沌理論、可靠度理論、隨機(jī)過(guò)程理論等)具有隨機(jī)搜索性能的人工智能分析方法逐漸發(fā)展起來(lái)，都為具有時(shí)變特點(diǎn)的巖土工程問(wèn)題解決提供了一種全新研究途徑。

巖土工程界深入研究并運(yùn)用模糊計(jì)算、神經(jīng)網(wǎng)絡(luò)、蟻群算法、粒子群算法、遺傳算法等智能算法，在隧道、巖坡、壩基和基坑等工程領(lǐng)域取得了十分顯著科研成果。

在國(guó)外，Brown等[32]將前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用于復(fù)合材料本構(gòu)模型的識(shí)別。Theocaris[33]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于塑性硬化本構(gòu)模型識(shí)別。Tomonari[34]將粘彈塑性本構(gòu)方程表達(dá)為一階微分方程，提出了一種神經(jīng)網(wǎng)絡(luò)本構(gòu)模型。Ghaboussi等[35]利用自學(xué)習(xí)與自適應(yīng)算法直接從工程實(shí)測(cè)位移中提取所需的學(xué)習(xí)樣本。Daoheng[36]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于彈塑性本構(gòu)模型的識(shí)別。

在國(guó)內(nèi)，20世紀(jì)90年代，孫道恒等[37]提出了力學(xué)反問(wèn)題的神經(jīng)網(wǎng)絡(luò)分析方法。李立新等[38]利用BP網(wǎng)絡(luò)模型，以巖體的粘彈性位移反分析為基礎(chǔ)，反演得到巖體粘彈性力學(xué)參數(shù)。張清[39]將人工神經(jīng)網(wǎng)絡(luò)引入巖石力學(xué)中。李端有等[40]提出了基于人工神經(jīng)網(wǎng)絡(luò)的邊坡位移反分析方法，取得了三峽永久船閘開挖邊坡多介質(zhì)巖體的宏觀等效彈性模量，并利用各層等效模量進(jìn)行了有限元正分析計(jì)算，預(yù)測(cè)三峽永久船閘開挖邊坡下一開挖階段的應(yīng)力及變形發(fā)展趨勢(shì)。樊琨等[41]基于人工神經(jīng)網(wǎng)絡(luò)，建立了非線性力學(xué)反分析模型，求得了巖土工程計(jì)算中鄧肯參數(shù)。楊成祥[42]用神經(jīng)網(wǎng)絡(luò)進(jìn)行模型識(shí)別的關(guān)鍵是獲取學(xué)習(xí)樣本。馮夏庭等[43-44]提出了進(jìn)化神經(jīng)網(wǎng)絡(luò)反分析思想，按正交設(shè)計(jì)方法獲得樣本進(jìn)行學(xué)習(xí)，用遺傳算法搜索最佳網(wǎng)絡(luò)結(jié)構(gòu)，用最佳推廣預(yù)測(cè)學(xué)習(xí)算法訓(xùn)練網(wǎng)絡(luò)，建立了巖土體力學(xué)參數(shù)與位移的非線性關(guān)系，并進(jìn)行巖體力學(xué)參數(shù)最優(yōu)辯識(shí)。

進(jìn)入21世紀(jì)，2000年葛增杰等[45]提出了深基坑開挖工程多層土體物性參數(shù)識(shí)別的BP算法，求得了各層土體的彈性模量。高瑋等[46]采用快速遺傳算法進(jìn)行巖土工程反分析，求得了包括彈性模量、粘塑性參數(shù)在內(nèi)的7個(gè)物性參數(shù)。

2001年，譚云亮等[47]利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)快速提取巖石的本構(gòu)模型，根據(jù)實(shí)測(cè)位移，采用位移反分析方法獲得學(xué)習(xí)樣本。周瑞忠等[48]以模擬深基坑開挖的有限元程序?yàn)檎莨ぞ?，以BP網(wǎng)絡(luò)為反演工具，將正演過(guò)程與反演過(guò)程結(jié)合起來(lái)，根據(jù)反演結(jié)果指導(dǎo)下一步施工，形成一個(gè)良性循環(huán)。李曉紅等[49]運(yùn)用BP網(wǎng)絡(luò)模型對(duì)巖體力學(xué)參數(shù)、工程結(jié)構(gòu)參數(shù)及位移量測(cè)資料的學(xué)習(xí)，得到了隧道圍巖穩(wěn)定性分析所需要的三個(gè)重要參數(shù)(等效彈性模量E、初始地應(yīng)力側(cè)壓力系數(shù)入和鉛垂地應(yīng)力σ)。高瑋等[50]提出了巖土力學(xué)反分析的集成智能思想，綜合運(yùn)用專家系統(tǒng)的推理、決策能力，數(shù)值計(jì)算的定量分析能力及人工神經(jīng)網(wǎng)絡(luò)的直覺思維能力，進(jìn)行位移反分析。

2002年，蔣中明等[51]結(jié)合有限變形理論和人工神經(jīng)網(wǎng)絡(luò)理論，反分析初始地應(yīng)力場(chǎng)。

2004年，趙洪波等[52]運(yùn)用遺傳算法來(lái)搜索支持向量機(jī)的參數(shù)和核函數(shù)，描述變形時(shí)間序列之間的映射關(guān)系，解決了位移反分析的計(jì)算問(wèn)題。姜諳男等[53]綜合應(yīng)用遺傳算法和神經(jīng)網(wǎng)絡(luò)，建立了進(jìn)化神經(jīng)網(wǎng)絡(luò)演化有限元差分方法，該方法解決了大規(guī)模的錨固參數(shù)定量?jī)?yōu)化問(wèn)題。

2005年，張福波等[54]采用神經(jīng)網(wǎng)絡(luò)理論對(duì)基坑坑壁位移進(jìn)行了模擬預(yù)測(cè)，為深基坑工程施工風(fēng)險(xiǎn)控制提供了新的思路。

2006年，吳余生等[55]將自適應(yīng)有限元法與改進(jìn)的遺傳算法與模擬退火算法相結(jié)合，能以較快的速度搜索到邊坡臨界滑動(dòng)面。高瑋[56]將粒子群優(yōu)化算法與有限元數(shù)值分析技術(shù)進(jìn)行融合，用于隧道位移反分析，提高了反分析的計(jì)算性能。許傳華等[57]利用模擬退火算法對(duì)地下洞室?guī)r體的力學(xué)參數(shù)進(jìn)行位移反分析，提高了反演的效率精度。

2007年，馮夏庭[4]等運(yùn)用巖石力學(xué)模型和參數(shù)綜合智能反分析方法，解決了待反演參數(shù)的敏感性、反演的參數(shù)個(gè)數(shù)以及模型參數(shù)反演結(jié)果的適應(yīng)性評(píng)價(jià)等問(wèn)題。余志雄等[58]提出了一種基于改進(jìn)支持向量機(jī)和改進(jìn)遺傳算法的隨機(jī)反分析方法，用于初始地應(yīng)力場(chǎng)位移分析，具有較高的擬合精度和預(yù)測(cè)效果。姜諳男[59]利用粒子群優(yōu)化支持向量機(jī)參數(shù)，建立變形時(shí)間序列模型，用于清江水電站地下廠房圍巖變形預(yù)測(cè)，獲得令人滿意的預(yù)測(cè)精度。

2008年，郭健[60]、梁桂蘭[61]等提出了粒子群優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的隨機(jī)優(yōu)化算法，用于巖土工程應(yīng)力、位移非線性時(shí)間序列的預(yù)測(cè)預(yù)報(bào)，具有較高的收斂速度和預(yù)測(cè)精度。

2011年，黃戡等[62]基于正交試驗(yàn)設(shè)計(jì)和FLAC建立的測(cè)試樣本，用遺傳算法-神經(jīng)網(wǎng)絡(luò)，建立待反演參數(shù)與圍巖位移之間潛在的映射關(guān)系實(shí)現(xiàn)位移反分析，成功將反演結(jié)果應(yīng)用于隧道的信息化施工。

2014年，李珉等[63]采用遺傳進(jìn)化算法與數(shù)值分析方法，建立巖石參數(shù)的智能等效模型，反演煤礦井下巖土參數(shù)，分析結(jié)果與實(shí)測(cè)結(jié)果高度吻合。

2016年，馬春景[64]等運(yùn)用差異進(jìn)化算法，成功地對(duì)滲流穩(wěn)定后圍巖流量變化滲透系數(shù)進(jìn)行了反演。

4 巖土工程智能預(yù)測(cè)控制系統(tǒng)研究

4.1 基于非線性系統(tǒng)智能辨識(shí)與預(yù)測(cè)

非線性系統(tǒng)辨識(shí)過(guò)程中，將時(shí)變對(duì)象看做一個(gè)“黑箱”，采用智能算法建模，利用非線性網(wǎng)絡(luò)的映射能力，通過(guò)內(nèi)部隱含在輸入輸出數(shù)據(jù)特性完成時(shí)變系統(tǒng)的辨識(shí)。該方法可成功地避開傳統(tǒng)意義的、確定數(shù)學(xué)關(guān)系的模型，具有概念簡(jiǎn)單、實(shí)用方便的特點(diǎn)。

巖土工程反分析目的不僅是為了確定工程范圍內(nèi)巖體初始地應(yīng)力的計(jì)算參數(shù)、辨識(shí)力學(xué)特性參數(shù)，更重要的是將現(xiàn)場(chǎng)監(jiān)控技術(shù)與工程穩(wěn)定性分析相結(jié)合，對(duì)不同工況條件下評(píng)價(jià)工程的可靠性并做出符合實(shí)際的預(yù)測(cè)，根據(jù)動(dòng)態(tài)模型對(duì)系統(tǒng)未來(lái)行為進(jìn)行預(yù)測(cè)和優(yōu)化的控制策略，用于解決具有不確定性的時(shí)變系統(tǒng)問(wèn)題，對(duì)施工進(jìn)行有效風(fēng)險(xiǎn)控制。

針對(duì)巖土工程中日益突出的非線性問(wèn)題，基于線性SISO與非線性MIMO系統(tǒng)，存在著難以對(duì)時(shí)變系統(tǒng)進(jìn)行有效地辨識(shí)的問(wèn)題，已無(wú)法滿足巖土工程風(fēng)險(xiǎn)預(yù)測(cè)及控制要求。而智能算法在非線性MIMO系統(tǒng)的數(shù)學(xué)建模與控制方面，具有經(jīng)驗(yàn)類比、回歸分析等傳統(tǒng)方分析法無(wú)法比擬的優(yōu)勢(shì)，并已逐步成為實(shí)現(xiàn)非線性預(yù)測(cè)控制的關(guān)鍵技術(shù)。非線性系統(tǒng)的辨識(shí)與預(yù)測(cè)智能化已成為當(dāng)前巖土工程界的研究熱點(diǎn)之一。

國(guó)內(nèi)外的眾多學(xué)者一直致力于非線性MIMO控制系統(tǒng)智能化的研究，并已在預(yù)測(cè)控制智能化方面取得眾多的研究成果。1992年Su等將遞歸神經(jīng)網(wǎng)絡(luò)用于化工工程多步預(yù)測(cè)[65]；Buescher等提出一種非線性預(yù)測(cè)控制時(shí)間二尺度方案，利用神經(jīng)網(wǎng)絡(luò)建立了預(yù)測(cè)模型[66]；Najim等采用多輸入多輸出的前饋神經(jīng)網(wǎng)絡(luò)控制網(wǎng)絡(luò)，利用遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行了多步預(yù)測(cè)[67]；劉曉華等提出了對(duì)模型誤差具有動(dòng)態(tài)補(bǔ)償能力的預(yù)測(cè)控制算法[68]；丁烈云院士[1]、郭健[2]與周誠(chéng)[3]構(gòu)建具有智能分析處理技術(shù)的隧道工程安全預(yù)警系統(tǒng)，成功地用于武漢長(zhǎng)江隧道盾構(gòu)施工風(fēng)險(xiǎn)分析。

4.2 巖土工程反分析系統(tǒng)

從系統(tǒng)角度來(lái)看，巖土工程研究對(duì)象為復(fù)雜的巨系統(tǒng)，其巖土體的初始應(yīng)力、力學(xué)參數(shù)可看成系統(tǒng)輸入，量測(cè)信息(位移、變形破壞等)均可看成系統(tǒng)對(duì)輸入的反應(yīng)的輸出。由于施工中的位移、應(yīng)力、應(yīng)變等均可觀測(cè)得到，求解的結(jié)果為系統(tǒng)模型、狀態(tài)參數(shù)等，即反分析過(guò)程實(shí)質(zhì)上是一個(gè)系統(tǒng)辨識(shí)問(wèn)題[50]。而巖土工程反分析系統(tǒng)可由一個(gè)灰色系統(tǒng)的輸出到輸入的映射過(guò)程進(jìn)行描述(如圖1所示)，則可根據(jù)現(xiàn)場(chǎng)的實(shí)測(cè)位移、應(yīng)力、應(yīng)變等，可為巖土工程提供與實(shí)際相吻合的巖土體力學(xué)參數(shù)、地層初始地應(yīng)力以及邊界荷載等。

圖1 巖土工程的反分析系統(tǒng)

由于巖土體所處的力學(xué)狀態(tài)不同，采用本構(gòu)關(guān)系不同，反分析得到的力學(xué)特性參數(shù)也是不同[69]。工程現(xiàn)場(chǎng)采集的巖土體量測(cè)參數(shù)，含有豐富的參量信息，是巖土體力學(xué)性質(zhì)及各種因素的綜合反映，其參量可描述為：

u=f(σ,τ,μ,E,c,φ,η,t).

(1)

式中 ：σ、τ為地應(yīng)力分量，μ、E分別為巖體的泊松比、彈性模量，c、φ分別巖體的內(nèi)聚力、內(nèi)摩擦角，η、t分別巖體的粘滯系數(shù)、時(shí)間。

由于位移反分析法是以位移量測(cè)信息為基礎(chǔ)，需對(duì)巖土體的力學(xué)模型及相應(yīng)的邊界條件選擇，建立合適的目標(biāo)函數(shù)，故可采用智能技術(shù)來(lái)反推待求的參數(shù)，其目標(biāo)函數(shù)可描述為：

(2)

根據(jù)反分析原理，巖土反分析過(guò)程實(shí)際上是一個(gè)目標(biāo)函數(shù)的優(yōu)化過(guò)程，即根據(jù)現(xiàn)場(chǎng)量測(cè)信息，結(jié)合數(shù)值分析方法，將初始應(yīng)力和巖體參數(shù)作為待求未知量，建立目標(biāo)函數(shù)關(guān)系式，通過(guò)不斷優(yōu)化尋找目標(biāo)函數(shù)最小值進(jìn)行求解，則該問(wèn)題可描述為：

(3)

如果用F表示可行解區(qū)域，那么F中的任何一個(gè)元素為優(yōu)化問(wèn)題可行解，則有：

(4)

4.3 巖土工程預(yù)測(cè)控制系統(tǒng)

智能預(yù)測(cè)控制是借鑒智能仿生原理，利用智能算法(IA)建立的系統(tǒng)辨識(shí)模型，實(shí)現(xiàn)非線性系統(tǒng)預(yù)測(cè)控制。其系統(tǒng)結(jié)構(gòu)是基于兩個(gè)模型，一個(gè)是預(yù)測(cè)模型，主要通過(guò)動(dòng)態(tài)建模，以獲取預(yù)測(cè)信號(hào)；另一個(gè)是控制模型，主要根據(jù)預(yù)測(cè)目標(biāo)函數(shù)得到的相應(yīng)驅(qū)動(dòng)信號(hào)，以獲得預(yù)測(cè)控制律函數(shù)，其描述為：

y(k)=f[Yk,Uk,Dk]T.

(5)

式中，f(·)為非線性函數(shù)；Yk和Uk分別為網(wǎng)絡(luò)在k時(shí)刻的輸出和輸入向量；Dk為隨機(jī)噪聲向量。

巖土工程時(shí)變系統(tǒng)的預(yù)測(cè)，是通過(guò)性能指標(biāo)J(k)的優(yōu)化來(lái)實(shí)現(xiàn)對(duì)未來(lái)行為進(jìn)行控制，其性能指標(biāo)可描述為：

minJ(k)=min∑Nk=1(y(k)-yp(k))2.

(6)

式中，N為觀測(cè)樣本數(shù)。

圖2 巖土工程時(shí)變系統(tǒng)智能預(yù)測(cè)控制原理圖

巖土工程的預(yù)測(cè)控制系統(tǒng)，可描述為[70]：

x(k+1)=f(x(k),u(k),k).

y(k)=g(x(k),k).

(7)

式中，k=0,1,2……表示當(dāng)前時(shí)刻，x(k)∈Rn為系統(tǒng)k時(shí)刻的狀態(tài)向量，u(k)∈Rr為控制輸入向量，y(k)∈Rm輸出向量。

x(k+i|k)=f(x(k+i-1|k),u(k+i-1)).

yp(k+i|k)=g(x(k+i-1|k)).

(8)

式中，i=0,1,……,np，np為控制時(shí)域。則有，

(9)

由此可實(shí)現(xiàn)巖土工程系統(tǒng)預(yù)測(cè)的目的。

圖3 巖土工程時(shí)變系統(tǒng)滾動(dòng)預(yù)測(cè)控制過(guò)程

5 結(jié)論

隨著計(jì)算機(jī)智能技術(shù)的迅速發(fā)展，大規(guī)模并行處理技術(shù)的產(chǎn)生和理論的成熟，以不確定性、非線性、時(shí)間不可逆性為內(nèi)涵，以復(fù)雜問(wèn)題為對(duì)象的新興智能交叉學(xué)科的出現(xiàn)，為解決大規(guī)模、復(fù)雜系統(tǒng)工程，提供一種全新的研究思路。

筆者以復(fù)雜系統(tǒng)為對(duì)象，總結(jié)和回顧了智能分析方法的研究與現(xiàn)狀，以及研究巖土工程超復(fù)雜系統(tǒng)智能化的意義。

面對(duì)復(fù)雜施工環(huán)境和外部環(huán)境的影響，大型巖土工程通過(guò)引入現(xiàn)代智能分析方法，將智能分析與虛擬技術(shù)進(jìn)行融合，研發(fā)具有大數(shù)據(jù)信息融合技術(shù)的智能分析及風(fēng)險(xiǎn)預(yù)測(cè)控制系統(tǒng)，解決巖土工程中大量的非線性、時(shí)變問(wèn)題，滿足快速分析、實(shí)時(shí)預(yù)測(cè)控制要求，實(shí)現(xiàn)“設(shè)計(jì)-施工”信息化，具有很高的工程應(yīng)用前景。

[1]DingLY,WangF,LuoHB,etal.Feed-forwardanalysisforshield-groundsystem[J].ASCEJournalofComputinginCivilEngineering. 2013, 27(3):231-242.

[2]JianGuo,LieyunDing,HanbinLuo,etal.WaveletPredictionMethodforGroundDeformationInducedbyTunneling[J]..TunnelingandUndergroundSpaceTechnology, 2014, 41 (3): 137-151.

[3]ZhouC,DingLY,HeR.PSO-basedElmanneuralnetworkmodelforpredictivecontrolofairchamberpressureinslurryshieldtunnelingunderYangtzeRiver[J].AutomationinConstruction. 2013, 36: 208-217.

[4] 馮夏庭,周輝,李邵軍,等.巖石力學(xué)與工程綜合集成智能反饋分析方法及應(yīng)用[J].巖石力學(xué)與工程學(xué)報(bào).2007, 26(9):1737-1744.

[5] 馮夏庭. 智能巖石力學(xué)導(dǎo)論[M]. 北京: 科學(xué)出版社, 2000.

[6] 孫鈞, 蔣樹屏, 袁勇，等. 巖土力學(xué)反演問(wèn)題的隨機(jī)理論與方法[M]. 汕頭: 汕頭大學(xué)出版社, 1996.

[7] 高瑋,鄭穎人. 巖土工程非確定性反分析研究動(dòng)態(tài)[J]. 地下空間.2000, 20(2):81-85.

[8] 孫鈞. 巖土力學(xué)與地下工程結(jié)構(gòu)分析計(jì)算的若干進(jìn)展.力學(xué)季刊[J].2005, 26(3):329-338.

[9]KavanaghKT,CloughRW.Finiteelementapplicationinthecharacterizationofelasticsolids[J].InternationalJournalofSolidsStructures, 1971, 7(1): 11-13.

[10]AraiK,OhtaH,YasuiT.Simpleoptimizationtechniqueforevaluationdeformationmodulifromfieldobservations[J].SoilandFoundations, 1983, 23(1): 107-113.

[11]YangL,SterlingRL.Backanalysisofrocktunnelusingboundaryelementmethod.JournalofGeotechnicsEngineering[J], 1989,115(8): 1163-1169.

[12]HonjoY,LiuWT,SakajoS.ApplicationofAkaikeinformationcriterionstatisticstogeotechnicalinverseanalysis:theBayesianmethod[J].StructuralSafety, 1994, 14(11): 5-29.

[13]KavanaghKT,CloughRW.Finiteelementapplicationinthecharacterizationofelasticsolids[J].InternationalJournalofSolidsStructures, 1971, 7(1): 11-13.

[14]GiodaG,MaierG.Directsearchsolutionofaninverseprobleminelastic-plastic:identificationofcohesion,frictionangleandin-situstressbypressuretunneltests[J].InternationalJournalforNumericalMethodsinEngineering, 1980, 15(11): 1823-1848.

[15]GiodaG,PandolfiA,CividiniA.Acomparativeevaluationofsomebackanalysisalgorithmsandtheirapplicationtoin-situloadtests[J].Proceedingsof2ndInternationalSymposiumonFieldMeasurementinGeom.Kobe, 1987, 1131-1144.

[16]SakuraiS,TakeuchiK.Backanalysisofmeasureddisplacementoftunnel[J].RockMechanicsandRockEngineering, 1983, 16(3): 173-180.

[17] 櫻井春輔. 地下洞室設(shè)計(jì)和監(jiān)控的一種途徑[J]. 隧道譯叢, 1986, 4: 13-25楊林德. 巖土工程問(wèn)題的反演理論與工程實(shí)踐. 北京: 科學(xué)出版社, 1996.

[18] 楊志法, 王思敬, 馮紫良，等. 巖土工程反分析原理及應(yīng)用[M]. 北京: 地震出版社, 2002.

[19] 楊林德, 黃偉, 王聿. 初始地應(yīng)力位移反分析計(jì)算的有限單元法. 同濟(jì)大學(xué)學(xué)報(bào), 1985, 13(4): 370-373.

[20] 王芝銀, 楊志法, 王思敬. 巖石力學(xué)位移反演分析回顧及進(jìn)展[J]. 力學(xué)進(jìn)展, 1998, 28(4): 488-498.

[21] 呂愛鐘, 蔣斌松. 巖石力學(xué)反問(wèn)題[M]. 北京: 煤炭工業(yè)出版社, 1998.

[22] 傅鶴林, 彭思甜, 韓汝才等. 巖土工程數(shù)值分析新方法[M]. 長(zhǎng)沙: 中南大學(xué)出版社, 2005.

[23] 米歇爾·沃爾德羅. 復(fù)雜-誕生于秩序與混沌邊緣的科學(xué)[M]. 北京: 三聯(lián)書店, 1997.

[24] 許國(guó)志, 顧基發(fā), 車宏安. 系統(tǒng)科學(xué).上海: 上海科技教育出版社, 2000.

[25]KennedyJ,EberhartRC.Particleswarmoptimization[C].In:Proc.IEEEInternationalConferenceonNeuralNetworks.Piscataway,NJ:IEEEServiceCenter, 1995, 1942-1948.

[26]KennedyJ,EberhartRC.SwarmIntelligence[M].SanFrancisco:MorganKaufmannPublishers, 2001.

[27]LangtonCG.ArtificialLife.VolumeVIofSFIStudiesofComplexity[M].AddisonWesley, 1989.

[28]Fhat-Torbraghan,Madjid.HildebrandLars.ComplexSystemAnalysisUsingCl-mehtods[C].ProceedingsofSPIE-TheInternationalSocietyforOpticalEngineering, 1999, 300-341.

[29] 戴汝為. 科學(xué)的前沿與未來(lái)[M]. 北京: 科學(xué)出版社, 1998.

[30]WaldropMM.Complexity:TheEmergingScienceattheEdgeofOrderandChaos[M].NewYork:TouchstoneBooks, 1993.

[31] 宋學(xué)鋒. 復(fù)雜性、復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)[M]. 中國(guó)科學(xué)基金, 2003, 17(5): 262-269.

[32]BrownDA.MurthyPLN.Computationalsimulationofcompositeplaymicromechanicsusingartificialneuralnetworks[J].MicrocomputersinCivilEngineering.1991, 6(2): 87-97.

[33]TheoearisPS,PanagiotopoulosPD.Generalizedhardeningplasticityapproximatedviaanisotropicelasticity:aneuralnetworkapproach[J].ComputerMethodsinAppliedMechanicsandEngineering, 1995, 125(2): 123-139.

[34]TomonariDA.Implicitconstitutivemodellingforvisco-plasticityusingneuralnetworks[J].InternationalJournalforNumericalMethodsEngineering, 1998, 43(3): 195-219.

[35]GhaoboussiJ,SidartaDE.Newnestedadaptiveneuralnetworks(NANN)forconstitutivemodeling[J].ComputersandGeotechnics, 1998, 22(1): 29-51.

[36]DaohengS,QiaoH,HaoX.Aneuro-computingmodelfortheelastic-plasticity[J].ComputerMethodsinAppliedMechanicsandEngineering, 2000, 18(2): 177-186.

[37] 孫道恒, 胡俏, 徐灝. 力學(xué)反問(wèn)題的神經(jīng)網(wǎng)絡(luò)分析法[J]. 計(jì)算結(jié)構(gòu)力學(xué)及其應(yīng)用, 1996, 13(3): 308-312.

[38] 李立新, 王建黨, 李造鼎. 神經(jīng)網(wǎng)絡(luò)模型在非線性位移反分析中的應(yīng)用[J]. 巖土力學(xué), 1997, 18(2): 62-64.

[39]ZhangQ,YangY.TheapplicationofneuralnetworktoRockEngineeringSystems(RES) [J].InternationalJournalofRockMechanicsandMiningSciences, 1998, 35(6): 727-745.

[40] 李端有, 李迪, 馬水山. 三峽永久船閘開挖邊坡巖體力學(xué)參數(shù)反分析[J]. 長(zhǎng)江科學(xué)院報(bào), 1998, 15(2): 10-13.

[41] 樊琨, 劉宇敏, 張艷華. 基于人工神經(jīng)網(wǎng)絡(luò)的巖土工程參數(shù)反分析 [J]. 河海大學(xué)學(xué)報(bào), 1998, 26(4): 98-102.

[42] 楊成祥. 材料本構(gòu)模型自適應(yīng)識(shí)別的初步研究[D]. 沈陽(yáng): 東北大學(xué), 1998.

[43] 馮夏庭, 習(xí)心宏. 智能巖石力學(xué) (1)-導(dǎo)論[J].. 巖石力學(xué)與工程學(xué)報(bào), 1999, 18(2): 222-226.

[44] 馮夏庭, 楊成祥. 智能巖石力學(xué)(2)-參數(shù)與模型的智能辨識(shí)[J].. 巖石力學(xué)與工程學(xué)報(bào), 1999, 18(3): 350-353.

[45] 葛增杰, 李錫菱. 深基坑開挖工程多層土體物性參數(shù)識(shí)別的BP法 [J]. 大連理工大學(xué)學(xué)報(bào), 2000, 40(3): 271-275.

[46] 高瑋, 鄭穎人. 采用快速遺傳算法進(jìn)行巖土工程反分析[J]. 巖土工程學(xué)報(bào), 2001, 23(1): 120-122.

[47] 譚云亮, 王春秋.巖石本構(gòu)關(guān)系的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)快速逼近模型[J].巖土工程學(xué)報(bào), 2001, 23(1): 14-17.

[48] 周瑞忠, 邱高翔. 基于BP網(wǎng)絡(luò)的深基坑支護(hù)位移反分析[J]. 土木工程學(xué)報(bào), 2001, 34(6): 60-62.

[49] 李曉紅, 靳小光, 亢會(huì)明. 隧道位移智能化反分析及其應(yīng)用[J]. 地下空間, 2001, 21(4): 299-304.

[50] 高瑋, 鄭穎人. 巖土力學(xué)反分析及其集成智能研究[J]. 巖土力學(xué), 2001, 22(1): 114-116.

[51] 蔣中明, 徐衛(wèi)亞, 邵建富. 基于人工神經(jīng)網(wǎng)絡(luò)的初始場(chǎng)應(yīng)力三維反分析[J]. 河海大學(xué)學(xué)報(bào), 2002, 30(3): 52-56.

[52] 趙洪波, 馮夏庭. 非線性位移時(shí)間序列預(yù)測(cè)的進(jìn)化-支持向量機(jī)方法及應(yīng)用[J]. 巖土工程學(xué)報(bào), 2003, 25(4): 468-471.

[53] 姜諳男, 馮夏庭, 劉健，等. 基于三維數(shù)值模擬的地下大型洞室錨固參數(shù)智能優(yōu)化[J]. 巖石力學(xué)與工程學(xué)報(bào), 2004, 23(10): 1700-1705.

[54] 張福波, 陳有亮. 基于BP神經(jīng)網(wǎng)絡(luò)與模糊控制的深基坑開挖側(cè)向變形分析[J].. 巖土力學(xué), 2005, 26(7): 1148-1152.

[55] 吳余生, 陳勝宏. 并行組合模擬退火算法在邊坡穩(wěn)定分析中的應(yīng)用[J]. 巖土力學(xué), 2006, 27(9): 1554-1558.

[56] 高瑋. 基于粒子群優(yōu)化的巖土工程反分析研究[J]. 巖土工程學(xué)報(bào), 2006, 27(5): 795-798.

[57] 許傳華, 任青文, 鄭治，等.索風(fēng)營(yíng)水電站地下洞室?guī)r體力學(xué)參數(shù)的位移反分析[J]. 巖土工程學(xué)報(bào), 2006, 28(11): 1981-1985.

[58] 余志雄, 周創(chuàng)兵, 陳益峰，等. 基于V-SVR和GA的初始地應(yīng)力場(chǎng)位移反分析方法研究[J]. 巖土力學(xué), 2007, 28(1): 151-156.

[59] 姜諳男. 基于PSO-SVM非線性時(shí)序模型的隧洞圍巖變形預(yù)報(bào)[J]. 巖土力學(xué), 2007, 28(6): 1176-1180.

[60] 郭健, 王元漢, 苗雨，等. 樁筏(箱)基礎(chǔ)沉降多步預(yù)測(cè)控制的IPSO-Elman算法[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008, 36(6): 96-99.

[61] 梁桂蘭, 徐衛(wèi)亞, 何育智，等,PSO-RBFNN模型及其在巖土工程非線性時(shí)間序列預(yù)測(cè)中的應(yīng)用[J]. 巖土力學(xué), 2008, 29(14): 995-1000.

[62] 黃戡,劉寶琛,彭建國(guó)，等.基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的隧道圍巖位移智能反分析 [J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版).2011,42(11): 213-219.

[63] 李珉, 張敏, 孟杰. 基于數(shù)學(xué)優(yōu)化算法的煤礦井下巖體參數(shù)識(shí)別技術(shù)研究[J]. 煤炭技術(shù).2014, 33(02):168-170.

[64] 馬春景, 姜諳男, 王軍祥，等. 基于差異進(jìn)化算法的隧道滲流反分析與工程應(yīng)用[J]. 鐵道科學(xué)與工程學(xué)報(bào). 2016.13(5):898-905.

[65] Su H T,McAvoy T J, Werbos P J. Long-Term Predictive Chemical Processes Using Recurrent Neural Networks [J]. Industrial Application of Chemical Engineering Research, 1992, 31(8): 1338-1352

[66] Buescher K L, Baum C C.A Two-Timescale Approach to Nonlinear Model Predictive Control [J]. Proceedings of American Control Conference. Seatle, 1995: 2250-2256

[67] Najim K, Rusnak A, Meszaros A. Constrained Long-Range Predictive Control Based on Artificial Neural Networks [J]. System Science, 1997, 28(2): 1211-1226.

[68] 劉曉華, 楊振光. 基于動(dòng)態(tài)BP網(wǎng)絡(luò)誤差修正的廣義預(yù)測(cè)控制[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2002, 32(3): 445-449.

[69] 蔡美峰. 巖石力學(xué)與工程[M]. 北京: 科學(xué)出版社. 2002

[70] 錢積新, 趙均, 徐祖華. 預(yù)測(cè)控制[M]. 北京: 化學(xué)工業(yè)出版社, 2007.

Intelligent Analysis Method and Its Applications in Geotechnical Engineering

GUOJian,YINJun,LITing,QIANJin-dou,KEXiao-Feng,HEZang-Jing

(School of Civil Engineering and Architecture,Wuhan Polytechnic University, Wuhan 430079, China)

With computer technology drastically developing, the intellectual discipline emerged for studying complex problems in order to provide a new approach solving complex system. The research statuses of intelligence algorithm and its applications in geotechnical engineering have been systematically reviewed in this paper. The geotechnical engineering has randomicity, uncertainly and fuzziness due to complex construction condition and external environment. It is almost impossible to accurately analyze failure mechanism and predict security risk in underground engineering. There is an urgent problem to be solved of how to improve the safe reliability, prevent the construction risk and decrease the accident-happening rate in geotechnical engineering. Looking into the future direction of intelligent development and the application prospect in geotechnical engineering, the data fusion technology will be used to develop integrated expert system based on intelligent analysis. It is the inevitable requirement for construction information to predict and control real-time risk.

intelligent analysis; complex system; geotechnical engineering; construction information; prediction control

2017-02-12.

郭健(1968-), 男, 教授, 工學(xué)博士, E-mail:guojianxh@163.com.

住建部科學(xué)技術(shù)項(xiàng)目計(jì)劃(2015-K3-04).

2095-7386(2017)01-0001-08

10.3969/j.issn.2095-7386.2017.01.001

TU

A