[发明专利]一种建立明挖基坑工程勘察与模拟参数关系的方法

权利要求书

1.一种建立明挖基坑工程勘察与模拟参数关系的方法，其特征在于，包括以下步骤：

步骤1、采集基坑工程的监测数据，根据其变化规律对其进行拟合，作为反演计算的基础数据；

步骤2、建立标准的数值计算模型，选取合适的土体本构模型；提取土层的原始勘察参数，以此转换为数值计算的初始土体计算参数；以初始土体计算参数为基础，扩展为数值计算的样本参数和测试样本参数；将样本参数和测试样本参数分别进行数值计算；

步骤3、将样本参数和数值计算结果代入遗传算法优化的BP神经网络进行训练，建立土体参数和数值计算结果之间的映射关系，并用测试样本参数来测试神经网络模型；将实际监测数据代入土体参数和计算结果的关系求得实测位移对应的土体参数；对多个基坑工程案例分别进行计算，将多个基坑工程案例的勘察参数与反演得到的实测位移对应的模拟的土体参数代入遗传算法优化的BP神经网络，建立明挖基坑工程勘察与模拟参数的关系；

步骤3具体包括以下步骤：

步骤3.1：将步骤2得到的计算结果代入神经网络模型，将土体样本参数(N_ai…N_fi)作为输入层，其对应的模拟计算结果(S_ai…S_fi)作为输出层，隐含层节点数可取其中，n和m分别为输入和输出层节点数，采用2n+1个初始隐层节点数，设置遗传算法种群规模、迭代次数、交叉和变异概率，然后运行神经网络模型，建立土体样本参数和模拟计算结果之间的映射关系；

步骤3.2：将测试样本参数(n_ai…n_fi)代入步骤3.1建立的土体样本参数和模拟计算结果之间的映射关系，运行步骤3.1保存的神经网络模型进行计算，得出测试样本对应的神经网络计算结果(L_ai…L_fi)，对比分析测试样本参数(n_ai…n_fi)对应的数值模拟计算结果(s_ai…s_fi)和神经网络计算结果(L_ai…L_fi)的误差，满足要求，则进行下一步骤；

步骤3.3：将实际监测数据(S_a1…S_f1)代入步骤3.1建立神经网络模型，运行并进行计算，进而得出由实测数据对应的模拟的土体参数(M_a1…M_f1)，每个明挖基坑工程均按照步骤3.1、3.2分别进行计算；所有基坑工程案例的勘察参数为(a_i…f_i)，由实测数据按照步骤3.1、3.2的反演过程计算得到的模拟的土体参数(M_ai…M_fi)；

步骤3.4：将勘察参数(a_i…f_i)作为神经网络的输入层，由实测数据反演计算得到的模拟的土体参数(M_ai…M_fi)作为神经网络的输出层，按照步骤3.1设置神经网络和遗传算法的相关计算参数，运行神经网络模型进行计算，进而得出明挖基坑工程勘察与模拟参数之间的映射的关系。

2.如权利要求1所述的建立明挖基坑工程勘察与模拟参数关系的方法，其特征在于，步骤1中的监测数据包括：桩顶沉降、地表沉降、桩顶水平位移、桩体水平位移。

3.如权利要求1所述的建立明挖基坑工程勘察与模拟参数关系的方法，其特征在于，步骤2中的原始勘察参数包括：粘聚力、内摩擦角、压缩模量、泊松比、天然密度、天然含水量、比重、孔隙比、液限、塑性指数、压缩指数、回弹指数。