基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究

广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于bp神经元网络，且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值，采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后，采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测，预测值与实测值吻合较好，表明所提出的这种反分析方法在工程上是可行的，可以推广使用。