STUDY OF STABILITY AND OPTIMIZATION OF LARGE CAVERN GROUP USING SYNTHETIC INTEGRATED INTELLIGENT METHOD
大型洞室群稳定性与优化的综合集成智能方法研究

大型地下洞室群的稳定性分析及优化研究是当前水电开发中亟待解决的重大课题。由于地下洞室群的布局和所处的地质环境的复杂性，导致许多优化问题都是复杂的非线性问题，通常有多个决策变量，且其结构布置和施工顺序的全局最优解通常难以快速获得。以有限元分析为基础，综合应用遗传算法、人工智能、神经网络理论以及并行计算方法，提出综合集成智能优化方法，并用于水布垭地下厂房软岩置换方案优化和软岩力学参数对洞室群稳定性的影响分析，完成了以下工作：（1)根据大型洞室群具有多因素影响和多指标评价的特点，提出了多因素综合指标的洞室结构布置和施工顺序的适应性判别准则。(2)鉴于大型洞室群的开挖优化是多种方案的组合优化问题，提出了改进的进化．神经网络的智能化学习算法，解决了神经网络的隐含层结构和学习参数(如学习率和动量项)的最优确定。(3)将有限元方法嵌入智能化搜索算法，提出了大型洞室群优化的二维或三维进化．有限元方法，从而解决了大规模优化问题。(4)将上述的进化．有限元方法和神经网络、并行计算有机结合，提出了大型洞室群优化的并行进化神经网络有限元方法。该方法使得大规模软岩置换方案优化问题在PC机群上实现了并行求解，提高了计算速度、规模和精度，并具有快速收敛到全局最优解的优势。(5)将提出的进化．有限元方法应用于水布垭地下厂房软岩置换的优化和稳定性分析研究，得到了最优的软岩置换范围。(6)将并行进化神经网络有限元方法应用于水布垭地下厂房周围软岩置换范围和置换顺序的优化研究，获得了最优解。通过对最优解的有限元计算结果分析，表明该方法得到的最优方案是合理的。(7)在工程设计单位给定的范围内，采用并行进化神经网络有限元方法对水布垭地下厂房周围软岩的力学参数对厂房的稳定性影响进行了分析，搜索了对围岩稳定性最不利的一组参数组合，并对软岩的力学参数进行了敏感性分析，确定出关键岩层和重点支护部位。