自从新奥法问世并崭露头角以来,在岩土工程界引起了极大的重视,在新奥法支护结构的设计问题上,许多人在寻求数值解法。但是我们所面对和处理的岩土工程是天然材料和结构组成的工程岩土体,岩土体具有很大的随机性、模糊性、不确定性和信息不完整性,因而决定岩土工程不可能是“精确解”工程。地下洞室围岩变形时间序列数据中蕴含着系统演化的信息,我们可以从这些数据中找出其蕴含的规律性。神经网络方法从模拟人脑的形象思维入手,对于处理具有强噪声、模糊性、非线性的地下工程地质信息,它具有广阔的应用前景。由于岩土材料物理特性如力学特性非常复杂,要想用解析手段预测地下洞室、隧道、大坝与桥梁基础等多种地下结构物的力学动态,就必须建立精度很高的本构关系式。本构关系越复杂,要输入的参数就越多,且不论这些参数在室内或现场测试多么困难,相应于诸多的力学参数,其中的人为因素也必然很大。地下洞室开挖后的初始变形监测需要进行仪器预埋,施工难度和工程造价都较大,以现场量测信息为基础,运用进化神经网络较强的非线性映射能力,可以有效解决这一问题;地层的力学性态应以弹塑性理论作为计算依据,确定各类计算参数的弹塑性优化反分析方法可以用于解决复杂的岩土工程问题且具有相当的经济价值。 主要内容可总结为如下几点: 1、采用遗传进化算法搜索最优的Elman网络结构参数,该网络较常用前馈网络表现出更好的时间动态特征,通过样本学习预测起始位移监测值前方一定范围内某测点的位移,补充由于施工影响而在施工开挖后未能即时监测的位移值,并更准确地确定最终位移值。 2、利用FLAC~3D软件建立分析模型,分析模型用于计算围岩变形的应力和应变,进行地下洞室位移的计算模拟。 3、利用地下洞室中少数几个控制点的实际位移量,应用用弹塑性理论,采用黄金分割坐标轮换优化反演法反演岩体的弹性模量E和作用于计算模型侧边界的水平地应力分量P。 4、对反演的结果结合工程地质,施工开挖情况及监测数据等进行分析。