基于改进GA-PSO的双线隧道开挖地表沉降的智能反分析法
申庆梦1
杨玉坤2
李越2
李涛3
王晓龙2
李峰4
1.中国矿业大学(北京)应急管理与安全工程学院,北京 100083;中国矿业大学(北京)力学与土木工程学院,北京 100083;北京城建设计发展集团股份有限公司,北京 1000342.中国矿业大学(北京)力学与土木工程学院,北京 1000833.中国矿业大学(北京)力学与土木工程学院,北京 100083;中国矿业大学(北京)隧道工程灾变防控与智能建养全国重点实验室,北京 1000834.中国矿业大学(北京)应急管理与安全工程学院,北京 100083
摘要：为解决随机介质理论在双线隧道沉降研究中ΔA1、ΔA2(先行隧道和后行隧道的断面收敛面积)和tanβ1、tanβ2(先行隧道和后行隧道的主要影响角的正切值)取值准确性的问题,提出一种基于改进遗传算法-粒子群算法(GA-PSO)的智能位移反分析方法.该方法利用拉丁超立方采样法在多维参数空间内获取初始样本,并采用实数编码和君主选择交叉策略对标准遗传算法(GA)进行改进,进而通过粒子群算法(PSO)对改进GA进化筛选出的优良个体进行进一步的全局搜索和局部搜索,保证高效地搜索最优参数.在北京地铁12号线西坝河站—三元桥站区间断面实例反分析中,比较计算值和实测值,获取合适参数取值,并对后续开挖的隧道沉降进行预测.结果表明:双线隧道多参数更符合工程实际情况,通过对比计算沉降值和实测沉降值,发现其相对误差为1.36％～12.28％.同时,改进GA-PSO混合算法相较于单一改进GA、PSO算法精度有所提高.该研究结果扩大了随机介质理论的适用范围,丰富了双线隧道随机介质理论参数取值方法.
关键词：双线隧道智能算法随机介质理论位移反分析
分类号：U45(隧道工程)
资助基金：国家自然科学基金(51508556)中央高校基本科研业务费专项资金项目(2020YJSLJ14)越崎青年学者资助项目(800015z1166)
论文发表日期：2024-12-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：12( 69-80 )
英文信息