基于bp神经网络的岩土体细观力学参数研究

目前颗粒流计算方法中所采用的细观力学参数，均需根据岩土体宏观力学参数试验结果反复调试获取，调试效率很低且有较大的盲目性，因此，急需引入一种新方法，建立岩土体宏观力学参数与细观力学参数的关系。基于pfc3d程序，采用bp(backpropagation)神经网络方法，建立宏观力学参数与细观力学参数的非线性模型，通过输入宏观力学参数，即可快速、准确地反演岩土体细观力学参数。研究结果表明：(1)根据bp神经网络模型反演确定的细观力学参数，输入数值模型计算其宏观力学参数，结果与试验值相比，精度一般高于90%；(2)当模型最小尺度上的颗粒数res=10、隐含层含6个神经元时，bp神经网络模型的反演性能最佳。实例计算表明，bp神经网络模型对于岩土体细观力学参数的确定具有良好的反演性能，该方法为颗粒流理论的推广应用提供了新的技术手段。