隧道软弱围岩大变形监控及免疫智能反分析
|
摘要
在新奥法(New Austrian Tunnelling Method-NATM)施工过程中对大埋深长隧道围岩开挖进行动态监测，根据监测信息较为准确地反演分析围岩物理力学参数和初始应力场，以及对围岩类别、岩体的变形和受力状态进行分析，是围岩稳定性分析的关键。智能算法在该研究领域表现出强大的功能，成为近些年岩土工程反分析以及相关研究的重点。
免疫算法(Immune algorithm，简称IA)作为一种新的智能计算方法，其在岩土工程的应用尚处于摸索阶段，然而生物免疫系统和地下工程的特点是具有很大可类比性的，因此，在反演算法中引入了生物免疫系统信息处理机制，在地下工程分析中有着更为广阔的应用前景。本文立足工程实用性，在以下方面进行了研究：
1、由于地质勘探单位给予设计、施工单位的都是综合围岩分类的结果，导致设计施工单位在最不利条件下的围岩来进行设计施工，造成很大的浪费。本文对两郧断裂带的特点及其对云岭隧道施工的影响进行了分析，模拟行业专家在判断设计过程的动态思考方式，形成了基于自组织竞争神经网络及模糊推理的评判系统，根据不同地质条件，快速提出围岩分类及不同的设计方案，符合现代动态设计理念，体现了新奥法的思想精髓。
2、在高应力软弱围岩中构筑长大隧道，围岩大变形必然是一个突出的问题。通过合理布置监测点，对云岭隧道围岩进行监控量测，并对数据进行处理分析。考虑到监测数据误差对分析结果将造成不利的影响，将未确知数学理论引入到位移观测数据的误差分析中，使用改进的未确知滤波法对数据进行处理。
3、对围岩监测数据的分析和变形预测方法进行了介绍，通过监测数据处理，对云岭隧道围岩的收敛变形特点和软弱围岩的流变特性进行分析；并通过数据建模，对围岩进行超前预报，获取收敛趋于稳定的值和趋于稳定的时间，并在实际测量中得到验证。
4、对生物免疫系统的工作机理进行介绍，分析了人工免疫算法与生物免疫系统的对应关系。设计了人工免疫算法的智能计算框架及计算流程，将所求解问题特征的相关因素，相应的计算模型，设计的智能算法进行综合考虑，得到智能化的信息处理效果，并将效果进行适当评估总结。
5、考虑到隧道工程的特点和目前免疫算法的研究方向，有针对性地分析研究了免疫遗传算法、自适应免疫算法设计方法以及实现方式，引入了相似性的矢量距的抗体选择机制和自适应免疫策略；把围岩破坏模式作为一个复杂的非线性系统的辨识问题进行识别分析，结合免疫网络识别自己、非己和抗体的多样性以及处理抗原的机理，神经网络优化、聚类的特点，提出了通过免疫算法对神经网络进行优化的分析模型，研究了免疫神经网络的算法设计步骤及实现方法。
6、研究了围岩物理力学参数的正演反分析的实现过程，提出模块化的基于自适应免疫神经网络的算法；形成基于FLAC~(3D)的正向计算—参数智能反分析—反分析结果验证的智能分析方法。在算法的实现过程中研究了如何用聚类算法确定网络的初始权值集合，如何进行免疫选择以及如何构造免疫算子的方法；通过对云岭隧道Ⅲ类围岩物理力学参数分析，反演得到的围岩物理力学参数改进了初勘资料的建议值，这对隧道围岩稳定性评价、信息化设计具用实际意义。
In the construction for deep and long tunnel with New Austrian Tunneling Method(NATM),it is important to monitor dynamically the surrounding rock mass.According tothe monitor information,the physical and mechanical parameters and the initial stress fieldof rock mass can be obtained by the back analysis.Then the rock type,rock deformationand state of stress could be analyzed.This is the key step for the analysis of the stability ofthe surrounding rock mass.In the analysis the intelligent algorithm (IA)has shown itsstrong role and has become an important field of the back-analysis and related studies ofgeotechnical engineering.
Immune algorithm (Immune algorithm,referred to as IA)as a new intelligent methodof calculating its application in geotechnical engineering is still in the exploratory stage,However,the biological immune system and underground works are characterized by agreat analogy can be.Therefore,the introduction of anti-algorithms biological immunesystem information-processing mechanism has a more wide application prospect inunderground engineering analysis.This dissertation based on practical projects,in thefollowing areas was studied:
1.As the geological prospecting unit offers the results of a comprehensiveclassification of rock mass to design and construction,it may led to design andconstruction in the most unfavorable conditions of the surrounding rock mass and result ina great waste.In the studies,the influence of the fault zone of Yunxi and Yunxia on thecharacteristics of Yunling Tunnel construction is analyzed.Set up the judge system offuzzy inference (JSFI)based on the Self-Organizing-Feature-Map and fuzzy math to dealwith the uncertain information.The classification of the surrounding rock mass and thesupport program can be pointed out according to the geologic conditions.It coordinateswith the dynamic design of the tunnel construction and represents the soul of NATM.
2.In the high geo-stress of weak rock,the large rock deformation is an obviousproblem to build the long tunnel.In the process of Yunling Tunnel construction,it needsto arrange the measuring points,monitor the measurement of the surrounding rock mass,and analyze the data processing.In the analysis of the monitoring data,the gross error ofanalysis is taken into account to the results.The unascertained mathematics is introducedinto the error analysis of the displacement measurement data,and the improved filteringmethod is used in the data processing.
3.The methods of monitoring data analysis and deformation prediction of rock massare introduced.By monitoring the data processing,the convergence of the surroundingrock of the deformation characteristics and rheological behavior of the soft rock are studied.Based on the data analysis,the rock mass prediction is carried out,and theconvergence time and values are determined.The results can be verified by the practicalmeasurement.
4.The biological immune system mechanism is introduced.The relationship betweenthe artificial and biological immune system are studied.The relevant factors of thecharacteristics with solving problem,the computing model and the design of intelligentalgorithms,the designed computing framework of artificial immune algorithm intelligentand calculation process are considered.The intelligent information treatment is obtainedand the effects are evaluated.
5.Taking into account the characteristics of the tunnel project and the current trend ofthe immunization research,the targeted analysis of the immune genetic algorithm,theadaptive immune algorithm design as well as the way to achieve are studied.The antibodyselection mechanism of the similarity of the vector and adaptive immune mechanismsstrategy are introduced.The immune network ability of identify themselves and non-self,antibody diversity and the mechanism to deal with antigen,neural network optimizationand clustering features are combined.Through the immune algorithm for neural networkoptimization model,the immune neural network algorithm design and implementationsteps are studied.
6.The intelligent direct back analysis of physical and mechanical parameters of thetunnel surrounding rock mass is studied based on the adaptive immunity algorithm and BPneural network.An intelligent analytic method based on the process of FLAC~(3D)directcomputation-parameter intelligent direct analysis-back analysis results verification isproposed.In the process of the realization of algorithm,a series of problems,such as howto use the clustering algorithm to determine the weight of the initial collection of network,and how to choose the immune and structure the immunity operator,have been solved.Applying the intelligent analysis to the analysis of Yunling Tunnel rock mass,the resultshave been improved for the proposed values from the preliminary investigation.It showsthat the proposed methods have important role for stability evaluation of the tunnelsurrounding rock mass and information design.
免疫算法(Immune algorithm，简称IA)作为一种新的智能计算方法，其在岩土工程的应用尚处于摸索阶段，然而生物免疫系统和地下工程的特点是具有很大可类比性的，因此，在反演算法中引入了生物免疫系统信息处理机制，在地下工程分析中有着更为广阔的应用前景。本文立足工程实用性，在以下方面进行了研究：
1、由于地质勘探单位给予设计、施工单位的都是综合围岩分类的结果，导致设计施工单位在最不利条件下的围岩来进行设计施工，造成很大的浪费。本文对两郧断裂带的特点及其对云岭隧道施工的影响进行了分析，模拟行业专家在判断设计过程的动态思考方式，形成了基于自组织竞争神经网络及模糊推理的评判系统，根据不同地质条件，快速提出围岩分类及不同的设计方案，符合现代动态设计理念，体现了新奥法的思想精髓。
2、在高应力软弱围岩中构筑长大隧道，围岩大变形必然是一个突出的问题。通过合理布置监测点，对云岭隧道围岩进行监控量测，并对数据进行处理分析。考虑到监测数据误差对分析结果将造成不利的影响，将未确知数学理论引入到位移观测数据的误差分析中，使用改进的未确知滤波法对数据进行处理。
3、对围岩监测数据的分析和变形预测方法进行了介绍，通过监测数据处理，对云岭隧道围岩的收敛变形特点和软弱围岩的流变特性进行分析；并通过数据建模，对围岩进行超前预报，获取收敛趋于稳定的值和趋于稳定的时间，并在实际测量中得到验证。
4、对生物免疫系统的工作机理进行介绍，分析了人工免疫算法与生物免疫系统的对应关系。设计了人工免疫算法的智能计算框架及计算流程，将所求解问题特征的相关因素，相应的计算模型，设计的智能算法进行综合考虑，得到智能化的信息处理效果，并将效果进行适当评估总结。
5、考虑到隧道工程的特点和目前免疫算法的研究方向，有针对性地分析研究了免疫遗传算法、自适应免疫算法设计方法以及实现方式，引入了相似性的矢量距的抗体选择机制和自适应免疫策略；把围岩破坏模式作为一个复杂的非线性系统的辨识问题进行识别分析，结合免疫网络识别自己、非己和抗体的多样性以及处理抗原的机理，神经网络优化、聚类的特点，提出了通过免疫算法对神经网络进行优化的分析模型，研究了免疫神经网络的算法设计步骤及实现方法。
6、研究了围岩物理力学参数的正演反分析的实现过程，提出模块化的基于自适应免疫神经网络的算法；形成基于FLAC~(3D)的正向计算—参数智能反分析—反分析结果验证的智能分析方法。在算法的实现过程中研究了如何用聚类算法确定网络的初始权值集合，如何进行免疫选择以及如何构造免疫算子的方法；通过对云岭隧道Ⅲ类围岩物理力学参数分析，反演得到的围岩物理力学参数改进了初勘资料的建议值，这对隧道围岩稳定性评价、信息化设计具用实际意义。
In the construction for deep and long tunnel with New Austrian Tunneling Method(NATM),it is important to monitor dynamically the surrounding rock mass.According tothe monitor information,the physical and mechanical parameters and the initial stress fieldof rock mass can be obtained by the back analysis.Then the rock type,rock deformationand state of stress could be analyzed.This is the key step for the analysis of the stability ofthe surrounding rock mass.In the analysis the intelligent algorithm (IA)has shown itsstrong role and has become an important field of the back-analysis and related studies ofgeotechnical engineering.
Immune algorithm (Immune algorithm,referred to as IA)as a new intelligent methodof calculating its application in geotechnical engineering is still in the exploratory stage,However,the biological immune system and underground works are characterized by agreat analogy can be.Therefore,the introduction of anti-algorithms biological immunesystem information-processing mechanism has a more wide application prospect inunderground engineering analysis.This dissertation based on practical projects,in thefollowing areas was studied:
1.As the geological prospecting unit offers the results of a comprehensiveclassification of rock mass to design and construction,it may led to design andconstruction in the most unfavorable conditions of the surrounding rock mass and result ina great waste.In the studies,the influence of the fault zone of Yunxi and Yunxia on thecharacteristics of Yunling Tunnel construction is analyzed.Set up the judge system offuzzy inference (JSFI)based on the Self-Organizing-Feature-Map and fuzzy math to dealwith the uncertain information.The classification of the surrounding rock mass and thesupport program can be pointed out according to the geologic conditions.It coordinateswith the dynamic design of the tunnel construction and represents the soul of NATM.
2.In the high geo-stress of weak rock,the large rock deformation is an obviousproblem to build the long tunnel.In the process of Yunling Tunnel construction,it needsto arrange the measuring points,monitor the measurement of the surrounding rock mass,and analyze the data processing.In the analysis of the monitoring data,the gross error ofanalysis is taken into account to the results.The unascertained mathematics is introducedinto the error analysis of the displacement measurement data,and the improved filteringmethod is used in the data processing.
3.The methods of monitoring data analysis and deformation prediction of rock massare introduced.By monitoring the data processing,the convergence of the surroundingrock of the deformation characteristics and rheological behavior of the soft rock are studied.Based on the data analysis,the rock mass prediction is carried out,and theconvergence time and values are determined.The results can be verified by the practicalmeasurement.
4.The biological immune system mechanism is introduced.The relationship betweenthe artificial and biological immune system are studied.The relevant factors of thecharacteristics with solving problem,the computing model and the design of intelligentalgorithms,the designed computing framework of artificial immune algorithm intelligentand calculation process are considered.The intelligent information treatment is obtainedand the effects are evaluated.
5.Taking into account the characteristics of the tunnel project and the current trend ofthe immunization research,the targeted analysis of the immune genetic algorithm,theadaptive immune algorithm design as well as the way to achieve are studied.The antibodyselection mechanism of the similarity of the vector and adaptive immune mechanismsstrategy are introduced.The immune network ability of identify themselves and non-self,antibody diversity and the mechanism to deal with antigen,neural network optimizationand clustering features are combined.Through the immune algorithm for neural networkoptimization model,the immune neural network algorithm design and implementationsteps are studied.
6.The intelligent direct back analysis of physical and mechanical parameters of thetunnel surrounding rock mass is studied based on the adaptive immunity algorithm and BPneural network.An intelligent analytic method based on the process of FLAC~(3D)directcomputation-parameter intelligent direct analysis-back analysis results verification isproposed.In the process of the realization of algorithm,a series of problems,such as howto use the clustering algorithm to determine the weight of the initial collection of network,and how to choose the immune and structure the immunity operator,have been solved.Applying the intelligent analysis to the analysis of Yunling Tunnel rock mass,the resultshave been improved for the proposed values from the preliminary investigation.It showsthat the proposed methods have important role for stability evaluation of the tunnelsurrounding rock mass and information design.
引文
[1]徐则民，黄润秋．深埋理特长隧道及其施工地质灾害．成都：西南交通大学出版社，2000
[2]蒋树屏．我国公路隧道建设技术的现状及展望．交通世界，2003(z1)：22-27
[3]Christoph H,Herbert H E.Updating the decision aids for tunneling.Journal of Construction Engineering and Management,2002,128(1):40-48
[4]Kavangh K,Clough R W.Finite element applications in the characterization of elastic solids.Int.J.Solids Structure,1971,7:11-23
[5]陆培炎．岩石力学数值分析与解析方法．广州：广东科技出版社，1998，1-15
[6]韩瑞庚．地下工程新奥法．北京：科学出版社，1987
[7]Muller L.The Analysis of Time Series:An Introduction.3th end,Chapman and Hall,1984
[8]Kaike H A.AR modle fitting for control Ann,Inst,Statist,Math,1970,4(23):163-180
[9]Kane R P.Maximun entropy Spectral analysis of some artificial samples.Journal'of Geophysical Research,1979.84
[10]Marple S L.A new autoregressive spectrum analysis algorihmIEE Trans.Assp.1980,28:441-454
[11]Yoshimura H．铁路隧道采用新奥法施工的分析和监测．隧道译丛，1988，(7)：38-45
[12]孙钧．岩土力学反演问题的随机理论与方法．汕头：汕头大学出版社，1996
[13]横木章．采用新奥法开挖时现场量侧的施工管理方法．隧道译丛，1988，(4)：38-50
[14]袁勇，孙钧．岩体本构模型反演识别理论及其工程应用．岩石力学与工程学报，1993，11(3)：232-239
[15]Swoboda G,Ichikawa Y,Dong Q.Back analysisof large geotechnical models.International Journal for Numerical and Analytical Methods in Geomechanics,1999,23(12):1455-1472
[16]Arai K,Ohta H,Yasui T.Simple optimization technique for evaluation deformation moduli from field observations.Soils and Foundations,1983,23(1):107-113
[17]Maier G,Jurina L,Podolak K.On model identincation problems in rock mechanics.In:Proc.Symp.on the Geotechnics of Structurally Complex Formations,Capri,1977:257-261
[18]Gioda G..Indirect identification of the average elastic characteristics of rock masses.In:Proc.Int.Conf.on structural Foundations on Rock,Sydney,1980:65-73
[19]朱永全，景诗庭，张清．隧道支护结构荷载作用的随机反演．岩土力学，1996，17(2)：57-63
[20]Kirsten H A D.Determination of rock mass elastic moduli by back analysis of deformation measurement .Proceedings of Symposium on Exploration for Rock Engineerings.Johannesbuerg,1976:1154-1160
[21]Maier G.,Jurina L,Podolak K.On model indetification problem in rock mechanics.Proceedings of Symposium on the Geotechnics of Structurally Complex Formations,Capri,1977:257-261
[22]Sakurai S.Determination of initial stresses and mechanical properties of viscoelastic underground medium.Proc,3rd ISRM Cong,Denver 1974,1(13):1169-1174
[23]Gioda G..Indirect identification of the average elastic characterization of rock masses.In:Proc Int Conf on Structural Foundation on Rock.Sydney,1980,1:65-73
[24]Gioda G..Some remarks on back analysis and characterization problems.In:Proc 5th Int Confon Num Meth in Geom.Nagoya,1985,1:47-61
[25]Maier G.Gioda G,Optimization methods for parametric of geotechnical system.In:Maitins J Bed.Num Methods in Geom.Boston,1980:431-436
[26]杨志法，刘竹华．位移反分析法在地下工程设计中的初步应用．地下工程(2)．重庆：科学技术文献出版社重庆分社，1981
[27]Yang Zhifa，Liu Zhuhua，Wang Sijing．A ractical back～analysis method from displacements to estimate some parameters of a rock mass for design of an underground opening．Proceedings of International Symopsium on Field Measurements in Geomechanics，Zurich，1983：1267-1276
[28]陈子荫．由位移测定值反算流变岩体变形性质参数及地应力．煤炭学报．1982，(4)：45～51
[29]冯紫良，杨志法．关于弹塑性位移反分析的若干研究．中国科学院地质研究所工程地质力学开放研究实验室年年报．北京：地震出版社，1989
[30]杨林德．初始地应力位移反分析的有限单元法．同济大学学报，1985，(4)：15-20
[31]郑颖人，张德微，高效伟．弹塑性问题反演计算的边界元法．见：中国土木学会第三届年会论文集．上海：同济大学出版社，1986：377-386
[32]Zheng Y R,Wang C and Zhang D H.Back anasys from measured displacements based on elasto-plastic theory in strain space .Proc .Int .Symp .on Geom .Bridge Strc .Ianzhou,1987:505-508
[33]李宁，尹森菁．边坡安全监测的仿真反分析．岩石力学与工程学报，1996，15(1)：9-18
[34]李宁，辛有良，韩 恒，G．Swoboda．华盛顿地铁福特—图特站的仿真反分析．西安理工大学学报，1996，12(4)：324-329
[35]蒋树屏．扩张卡尔曼滤波器有限元法耦合算法及其隧道工程应用．岩土工程学报，1996，18(4)：11-19
[36]李晓红，靳晓光，亢会明等．隧道位移智能化反分析及其应用．地下空间．2001，21(4)：299-304
[37]郝 哲．韩家岭隧道围岩物理力学参数反分析．东北大学学报，2005，26(3)：300-303
[38]朱维申，何满潮．复杂条件下围岩稳定性与岩体动态施工力学．北京：科学出版社．1995
[39]薛琳，方保金．模型识别与参数反演解析方法在隧道工程中的应用．水利学报，1 997(5)：49-53
[40]冯夏庭，刁心宏．智能岩石力学(1)—导论．岩石力学与工程学报，2002，18(2)：222-226
[41]Feigenbaum E A.Some challenges and grand challenges for computational intelligence.Journal of the ACM,2003.50(1):32-40
[42]何翔，李守巨，刘迎曦，周圆．基于遗传神经网络的坝基岩体渗透系数识别．岩土力学与工程学报，2004，23(5)：751-757
[43]王登刚，刘迎曦，李守巨．最优化问题全局寻优的混合遗传算法．力学学报，2002，34(3)：469-474
[44]向 衍，苏怀智，吴中如．基于大坝安全监测资料的物理力学参数反演．水利学报，2004，(8)：98-1 02
[45]丁德馨，张志军，孙 钧．弹塑性位移反分析的遗传算法研究．工程力学，2003，20(6)：1-5
[46]韩 华，章梓茂，魏培君．流体饱和多孔介质参数反演的遗传算法．岩石力学与工程学报，2003，22(9)：1458-1462
[47]戴晓晖．人工免疫系统及建模研究[硕士学位论文]．杭州：浙江大学，2001
[48]Ivan Roitt．四川医学院微生物学教研组泽．免疫学纲要．北京：人民卫生出版社．1980
[49]于善谦，王洪海，朱乃硕等．免疫学导论．北京：高等教育出版社．1999，5-9
[50]De Castro,et al.The clonal selection algorithm with engineering applications.GECCO:36-37,Workshop on Artificial Immune Systems,Las Vegas,2000
[51]Farmer J D,Packard N.H.,Perelson A S.The Immune System,Adaptation,and Machine Learning Physica 22D.1986,187-204
[52]Perelson A.S.Immune Network Theory.Immunological Reviews,1989,110,5-36
[53]Gilbert C J,Routen T W.Associative Memory in an Immune-Based System.Proceeding of the 12th National Conference on Artificial Intelligence.Seattle,USA.1994,852-857
[54]Kalmanje Krishnakumar et al.,Immunised Neurocontrol,Expert Systems With pplication,1997,13(3):201-214
[55]刘克胜，张军，曹先彬等．一种基于免疫原理的自律机器人行为控制算法．计算机工程与应用，2000，36(5)：30-320
[56]罗攀，唐新蓬．基于面向对象的人工免疫系统模型的多传感器融合．机器人技术与应用，2002，1：22-270
[57]焦李成，杜海峰，刘 芳等．免疫优化计算、学习与识别．北京：科学出版社，2006
[58]王煦法，张显俊，曹先彬．一种基于免疫原理的遗传算法．小型微型计算机系统，1999，20(2)：17-20
[59]莫宏伟．人工免疫系统原理与应用．哈尔滨：哈尔滨工业大学出版社，2002
[60]郑俊杰，郭 嘉，李福豪．基于免疫算法的岩土工程可靠度分析．岩土工程学报，2007，29(5)：785-788
[61]郑俊杰，郭 嘉，刘 勇．多元复合地基承载力可靠度计算．华中科技大学学报(自然科学版)，2007，35(10)：119-121
[62]蔡美峰，何满潮，刘东燕．岩石力学与工程，北京：科学出版社，2002
[63]付正飞．山区隧道围岩分类与洞口边坡稳定性研究[硕士论文]．华中科技大学，2006
[64]Mamdani E H,Assilian S.An experiment in linguistic synthesis with a fuzzy logic contronller.International Journal of Man-Machine Studies,1975,7(1):1-13.
[65]Zadeh L A.Similarity relations and fuzzy ordering.Information Sciences,1997,(3):177-206.
[66]杨纶标，高英仪．模糊数学原理及应用(第三版)．广州：华南理工大学出版，2003
[67]李 围．模糊理论在公路隧道围岩分类中的应用研究．公路交通科技，2004，21(11)：63-65
[68]张翔；肖小玲；徐光祐．模糊支持向量机中隶属度的确定与分析．中国图象图形学报，2006，11(8)：1188-1192
[69]朱汉华，陈跃军．新奥法在山岭隧道建设中的应用研究．华东公路，2002(5)：63-65
[70]李晓红．隧道新奥法及其量测技术．北京：科学出版社，2002
[71]沙定国．实用误差理论与数据处理．北京：北京理工大学出版社，1993
[72]王光远．未确知信息及其数学处理．哈尔滨建筑工程学院学报，1990(4)：1-10
[73]刘开弟，吴和琴，庞彦军等．不确定性信息数学处理及应用．北京：科学出版社，1999
[74]贝茨，沃茨，韦博城．非线性回归分析及其应用．北京：中国统计出版社，1997
[75]Kane R P.Maximuw entropy Spectral analysis of some artificial samples,Journal of Geophysical Research,1979,(1):84
[76]杨会军，胡春林，谌文武等．断层及其破碎带隧道信息化施工．岩石力学与工 程学报，2004，23(22)：3917-3922
[77]郝 哲．公路隧道岩体分级、位移预测及其反分析方法研究[博士后研究工作报告]．沈阳：东北大学，2003
[78]叶宗裕．皮尔曲线模型的推广及其应用．数学的实践与认识，2004，34(11)：72-75
[79]邓聚龙．灰色系统工程．武汉：华中工学院出版社，1990．
[80]赵胜利．基于计算智能方法的岩土工程与工程网络计划的应用研究[博士论文]．天津大学，2004．
[81]谈英姿，沈 炯等．免疫优化算法及其前景展望．信息与控制，2002,31(5)：385-390．
[82]Dasgupta D,Attoh Okine N.Immunity based system.A survey In Proc.IEEE International Conference on Systems.Man Cyberneticas,Orlando,Florida ,1997,369-374.
[83]曹先彬，刘克胜，王煦法．基于免疫遗传算法的装箱问题求解．小型微型计算机系统，2000,4：361-363．
[84]罗文坚，曹先彬，王煦法．用一种免疫遗传算法求解频率分配问题．电子学报,2003，31(6)：915-917．
[85]李 蔚，刘长东等．基于免疫算法的机组负荷优化分配研究．中国电机工程学报，2004，24(7)：24 1-245．
[86]王磊，潘余，焦李成．免疫算法．电子学报，2000，28(7)：74-78
[87]王磊，潘余，焦李成．免疫规划．计算机学报，2000，23(8)：806-8 12
[88]高玮，郑颖人．一种新的岩土工程进化反分析算法．岩石力学与工程学报，2003，22(2)，192-196
[89]冯夏庭，张治强，杨成祥等．位移反分析的进化神经网络方法研究．岩石力学与工程学报，1999．18(5)．497-502
[90]漆安慎等，免疫的非线性模型．上海：上海科技教育出版让，1 998
[91]吴敏毓，刘恭植．医学免疫学(第四版)合肥：中国科学技术大学出版社，1993
[92]周志华，曹存根．神经网络及其应用．北京：清华大学出版社，2004
[93]Chun J S,Kim M K,Jung H K,et al.Shape optimization of electromagnetic devices using immune algorithm.IEEE Transactions on Magnetics,1997,33(2): 1876-1879
[94]Tasswa I,Koakusu S,Hirata H.An evolutionary optimization based on the immune system and its application to the vlal floor plan design problem.Electrical engineering,1998,122(2):30-37
[95]Yasuhiko Dote.Soft Computing(Immune Networks) In Artificial Intelligence .SMC'98 Conference Proceedings.1998 IEEE International Conference on SMC:1-7
[96]Dasgupta D.Artificial Neural Network and Artificial Immune Network:Similarities and Differences.In:1997 IEEE International Conference on System,Man and Cybernetics,Oct.12th-19th,Orlando,Florida,USA,pp.873-878
[97]刘美俊．基于改进学习算法的模糊神经网络控制系统．中国电机工程学报．2007，27(1 9)：87-92
[98]葛 红，毛宗源．免疫算法的改进．计算机工程与应用，2002，38(14)：47-49
[99]焦李成，杜海峰．人工免疫系统进展与展望．电子学报,2003,31(10)：1540-1548
[100]Jang-Sung Chun.Shape optimization of electro-magnetic devices using immune algorithm.IEEE transactions on magnetics,1997,33(2):1876-1879
[101]De Castro,Timmis J.An artificial immune network for multimodal function optimization.Proceedings of IEEE Congress on Evolutionary Computation.Honolulu,USA.2002,1:699-704
[102]Farmer J,Packard N,Perelson A.The immune system,adaptation and machine learning .Physica D,1986,22:187-204
[103]ScinvivasM,Patnaik L M.Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms.IEEE Trams SMC,1994,24(4):656-666
[104]高玮，冯夏庭，郑颖人．地下工程围岩参数反演的仿生算法及其工程应用研究．岩石力学与工程学报．2002，21(增2)：2521-2526
[105]De Castro L N,Timmis J.An artificial immune network for multimodal function optimization.Honolulu,Hawaii:Procee-dings of IEEE Congress on Evolutionary Computation,2002.699-704
[106]谭光兴，毛宗源，何元烈，一种基于抗体网络的免疫算法．计算机工程与设计，2007，28(5)：1003-1007
[107]Sakurai S,Takeuchi K.Back analysis of measured displacements of tunnels[J].Rock mechanics and rock engineering,1983,(16):173-180
[108]Sakurai S.Lessons learned from field measurements in tunneling.Tunnelling and Underground Space Technology,1997,12(4):453-460
[109]高 玮，冯夏庭，郑颖人．地下工程围岩参数反演的仿生算法及其工程应用研究．岩石力学与工程学报，2002(21)(增2)，2251-2526
[110]高 玮，郑颖人，冯夏庭．岩土本构模型识别的仿生算法研究．岩土力学,2004,25(1)：31-36
[111]高 玮，郑颖人．一种新的岩土工程进化反分析算法．岩石力学与工程学报，2003，22(2)，192-196
[112]张志强，关宝树．软弱围岩隧道在高地应力条件下的变形规律研究．岩土工程学报，2000，22(6)：696-700
[113]张继奎，方俊波．高地应力千枚岩大变形隧道支护参数试验研究．铁道工程学报，2005,5：66～70
[114]刘波，韩彦辉．FLAC原理、实例与应用指南．北京：人民交通出版社,2005．
[115]夏永旭，王永东．隧道结构力学计算．北京：人民交通出版社，2004
[116]Lin Yu Tseng,Shiueng Bien Yang.A genetic approach to the automatic clustering problem.Pattern Recognition,2001,34(3):415-424
[2]蒋树屏．我国公路隧道建设技术的现状及展望．交通世界，2003(z1)：22-27
[3]Christoph H,Herbert H E.Updating the decision aids for tunneling.Journal of Construction Engineering and Management,2002,128(1):40-48
[4]Kavangh K,Clough R W.Finite element applications in the characterization of elastic solids.Int.J.Solids Structure,1971,7:11-23
[5]陆培炎．岩石力学数值分析与解析方法．广州：广东科技出版社，1998，1-15
[6]韩瑞庚．地下工程新奥法．北京：科学出版社，1987
[7]Muller L.The Analysis of Time Series:An Introduction.3th end,Chapman and Hall,1984
[8]Kaike H A.AR modle fitting for control Ann,Inst,Statist,Math,1970,4(23):163-180
[9]Kane R P.Maximun entropy Spectral analysis of some artificial samples.Journal'of Geophysical Research,1979.84
[10]Marple S L.A new autoregressive spectrum analysis algorihmIEE Trans.Assp.1980,28:441-454
[11]Yoshimura H．铁路隧道采用新奥法施工的分析和监测．隧道译丛，1988，(7)：38-45
[12]孙钧．岩土力学反演问题的随机理论与方法．汕头：汕头大学出版社，1996
[13]横木章．采用新奥法开挖时现场量侧的施工管理方法．隧道译丛，1988，(4)：38-50
[14]袁勇，孙钧．岩体本构模型反演识别理论及其工程应用．岩石力学与工程学报，1993，11(3)：232-239
[15]Swoboda G,Ichikawa Y,Dong Q.Back analysisof large geotechnical models.International Journal for Numerical and Analytical Methods in Geomechanics,1999,23(12):1455-1472
[16]Arai K,Ohta H,Yasui T.Simple optimization technique for evaluation deformation moduli from field observations.Soils and Foundations,1983,23(1):107-113
[17]Maier G,Jurina L,Podolak K.On model identincation problems in rock mechanics.In:Proc.Symp.on the Geotechnics of Structurally Complex Formations,Capri,1977:257-261
[18]Gioda G..Indirect identification of the average elastic characteristics of rock masses.In:Proc.Int.Conf.on structural Foundations on Rock,Sydney,1980:65-73
[19]朱永全，景诗庭，张清．隧道支护结构荷载作用的随机反演．岩土力学，1996，17(2)：57-63
[20]Kirsten H A D.Determination of rock mass elastic moduli by back analysis of deformation measurement .Proceedings of Symposium on Exploration for Rock Engineerings.Johannesbuerg,1976:1154-1160
[21]Maier G.,Jurina L,Podolak K.On model indetification problem in rock mechanics.Proceedings of Symposium on the Geotechnics of Structurally Complex Formations,Capri,1977:257-261
[22]Sakurai S.Determination of initial stresses and mechanical properties of viscoelastic underground medium.Proc,3rd ISRM Cong,Denver 1974,1(13):1169-1174
[23]Gioda G..Indirect identification of the average elastic characterization of rock masses.In:Proc Int Conf on Structural Foundation on Rock.Sydney,1980,1:65-73
[24]Gioda G..Some remarks on back analysis and characterization problems.In:Proc 5th Int Confon Num Meth in Geom.Nagoya,1985,1:47-61
[25]Maier G.Gioda G,Optimization methods for parametric of geotechnical system.In:Maitins J Bed.Num Methods in Geom.Boston,1980:431-436
[26]杨志法，刘竹华．位移反分析法在地下工程设计中的初步应用．地下工程(2)．重庆：科学技术文献出版社重庆分社，1981
[27]Yang Zhifa，Liu Zhuhua，Wang Sijing．A ractical back～analysis method from displacements to estimate some parameters of a rock mass for design of an underground opening．Proceedings of International Symopsium on Field Measurements in Geomechanics，Zurich，1983：1267-1276
[28]陈子荫．由位移测定值反算流变岩体变形性质参数及地应力．煤炭学报．1982，(4)：45～51
[29]冯紫良，杨志法．关于弹塑性位移反分析的若干研究．中国科学院地质研究所工程地质力学开放研究实验室年年报．北京：地震出版社，1989
[30]杨林德．初始地应力位移反分析的有限单元法．同济大学学报，1985，(4)：15-20
[31]郑颖人，张德微，高效伟．弹塑性问题反演计算的边界元法．见：中国土木学会第三届年会论文集．上海：同济大学出版社，1986：377-386
[32]Zheng Y R,Wang C and Zhang D H.Back anasys from measured displacements based on elasto-plastic theory in strain space .Proc .Int .Symp .on Geom .Bridge Strc .Ianzhou,1987:505-508
[33]李宁，尹森菁．边坡安全监测的仿真反分析．岩石力学与工程学报，1996，15(1)：9-18
[34]李宁，辛有良，韩 恒，G．Swoboda．华盛顿地铁福特—图特站的仿真反分析．西安理工大学学报，1996，12(4)：324-329
[35]蒋树屏．扩张卡尔曼滤波器有限元法耦合算法及其隧道工程应用．岩土工程学报，1996，18(4)：11-19
[36]李晓红，靳晓光，亢会明等．隧道位移智能化反分析及其应用．地下空间．2001，21(4)：299-304
[37]郝 哲．韩家岭隧道围岩物理力学参数反分析．东北大学学报，2005，26(3)：300-303
[38]朱维申，何满潮．复杂条件下围岩稳定性与岩体动态施工力学．北京：科学出版社．1995
[39]薛琳，方保金．模型识别与参数反演解析方法在隧道工程中的应用．水利学报，1 997(5)：49-53
[40]冯夏庭，刁心宏．智能岩石力学(1)—导论．岩石力学与工程学报，2002，18(2)：222-226
[41]Feigenbaum E A.Some challenges and grand challenges for computational intelligence.Journal of the ACM,2003.50(1):32-40
[42]何翔，李守巨，刘迎曦，周圆．基于遗传神经网络的坝基岩体渗透系数识别．岩土力学与工程学报，2004，23(5)：751-757
[43]王登刚，刘迎曦，李守巨．最优化问题全局寻优的混合遗传算法．力学学报，2002，34(3)：469-474
[44]向 衍，苏怀智，吴中如．基于大坝安全监测资料的物理力学参数反演．水利学报，2004，(8)：98-1 02
[45]丁德馨，张志军，孙 钧．弹塑性位移反分析的遗传算法研究．工程力学，2003，20(6)：1-5
[46]韩 华，章梓茂，魏培君．流体饱和多孔介质参数反演的遗传算法．岩石力学与工程学报，2003，22(9)：1458-1462
[47]戴晓晖．人工免疫系统及建模研究[硕士学位论文]．杭州：浙江大学，2001
[48]Ivan Roitt．四川医学院微生物学教研组泽．免疫学纲要．北京：人民卫生出版社．1980
[49]于善谦，王洪海，朱乃硕等．免疫学导论．北京：高等教育出版社．1999，5-9
[50]De Castro,et al.The clonal selection algorithm with engineering applications.GECCO:36-37,Workshop on Artificial Immune Systems,Las Vegas,2000
[51]Farmer J D,Packard N.H.,Perelson A S.The Immune System,Adaptation,and Machine Learning Physica 22D.1986,187-204
[52]Perelson A.S.Immune Network Theory.Immunological Reviews,1989,110,5-36
[53]Gilbert C J,Routen T W.Associative Memory in an Immune-Based System.Proceeding of the 12th National Conference on Artificial Intelligence.Seattle,USA.1994,852-857
[54]Kalmanje Krishnakumar et al.,Immunised Neurocontrol,Expert Systems With pplication,1997,13(3):201-214
[55]刘克胜，张军，曹先彬等．一种基于免疫原理的自律机器人行为控制算法．计算机工程与应用，2000，36(5)：30-320
[56]罗攀，唐新蓬．基于面向对象的人工免疫系统模型的多传感器融合．机器人技术与应用，2002，1：22-270
[57]焦李成，杜海峰，刘 芳等．免疫优化计算、学习与识别．北京：科学出版社，2006
[58]王煦法，张显俊，曹先彬．一种基于免疫原理的遗传算法．小型微型计算机系统，1999，20(2)：17-20
[59]莫宏伟．人工免疫系统原理与应用．哈尔滨：哈尔滨工业大学出版社，2002
[60]郑俊杰，郭 嘉，李福豪．基于免疫算法的岩土工程可靠度分析．岩土工程学报，2007，29(5)：785-788
[61]郑俊杰，郭 嘉，刘 勇．多元复合地基承载力可靠度计算．华中科技大学学报(自然科学版)，2007，35(10)：119-121
[62]蔡美峰，何满潮，刘东燕．岩石力学与工程，北京：科学出版社，2002
[63]付正飞．山区隧道围岩分类与洞口边坡稳定性研究[硕士论文]．华中科技大学，2006
[64]Mamdani E H,Assilian S.An experiment in linguistic synthesis with a fuzzy logic contronller.International Journal of Man-Machine Studies,1975,7(1):1-13.
[65]Zadeh L A.Similarity relations and fuzzy ordering.Information Sciences,1997,(3):177-206.
[66]杨纶标，高英仪．模糊数学原理及应用(第三版)．广州：华南理工大学出版，2003
[67]李 围．模糊理论在公路隧道围岩分类中的应用研究．公路交通科技，2004，21(11)：63-65
[68]张翔；肖小玲；徐光祐．模糊支持向量机中隶属度的确定与分析．中国图象图形学报，2006，11(8)：1188-1192
[69]朱汉华，陈跃军．新奥法在山岭隧道建设中的应用研究．华东公路，2002(5)：63-65
[70]李晓红．隧道新奥法及其量测技术．北京：科学出版社，2002
[71]沙定国．实用误差理论与数据处理．北京：北京理工大学出版社，1993
[72]王光远．未确知信息及其数学处理．哈尔滨建筑工程学院学报，1990(4)：1-10
[73]刘开弟，吴和琴，庞彦军等．不确定性信息数学处理及应用．北京：科学出版社，1999
[74]贝茨，沃茨，韦博城．非线性回归分析及其应用．北京：中国统计出版社，1997
[75]Kane R P.Maximuw entropy Spectral analysis of some artificial samples,Journal of Geophysical Research,1979,(1):84
[76]杨会军，胡春林，谌文武等．断层及其破碎带隧道信息化施工．岩石力学与工 程学报，2004，23(22)：3917-3922
[77]郝 哲．公路隧道岩体分级、位移预测及其反分析方法研究[博士后研究工作报告]．沈阳：东北大学，2003
[78]叶宗裕．皮尔曲线模型的推广及其应用．数学的实践与认识，2004，34(11)：72-75
[79]邓聚龙．灰色系统工程．武汉：华中工学院出版社，1990．
[80]赵胜利．基于计算智能方法的岩土工程与工程网络计划的应用研究[博士论文]．天津大学，2004．
[81]谈英姿，沈 炯等．免疫优化算法及其前景展望．信息与控制，2002,31(5)：385-390．
[82]Dasgupta D,Attoh Okine N.Immunity based system.A survey In Proc.IEEE International Conference on Systems.Man Cyberneticas,Orlando,Florida ,1997,369-374.
[83]曹先彬，刘克胜，王煦法．基于免疫遗传算法的装箱问题求解．小型微型计算机系统，2000,4：361-363．
[84]罗文坚，曹先彬，王煦法．用一种免疫遗传算法求解频率分配问题．电子学报,2003，31(6)：915-917．
[85]李 蔚，刘长东等．基于免疫算法的机组负荷优化分配研究．中国电机工程学报，2004，24(7)：24 1-245．
[86]王磊，潘余，焦李成．免疫算法．电子学报，2000，28(7)：74-78
[87]王磊，潘余，焦李成．免疫规划．计算机学报，2000，23(8)：806-8 12
[88]高玮，郑颖人．一种新的岩土工程进化反分析算法．岩石力学与工程学报，2003，22(2)，192-196
[89]冯夏庭，张治强，杨成祥等．位移反分析的进化神经网络方法研究．岩石力学与工程学报，1999．18(5)．497-502
[90]漆安慎等，免疫的非线性模型．上海：上海科技教育出版让，1 998
[91]吴敏毓，刘恭植．医学免疫学(第四版)合肥：中国科学技术大学出版社，1993
[92]周志华，曹存根．神经网络及其应用．北京：清华大学出版社，2004
[93]Chun J S,Kim M K,Jung H K,et al.Shape optimization of electromagnetic devices using immune algorithm.IEEE Transactions on Magnetics,1997,33(2): 1876-1879
[94]Tasswa I,Koakusu S,Hirata H.An evolutionary optimization based on the immune system and its application to the vlal floor plan design problem.Electrical engineering,1998,122(2):30-37
[95]Yasuhiko Dote.Soft Computing(Immune Networks) In Artificial Intelligence .SMC'98 Conference Proceedings.1998 IEEE International Conference on SMC:1-7
[96]Dasgupta D.Artificial Neural Network and Artificial Immune Network:Similarities and Differences.In:1997 IEEE International Conference on System,Man and Cybernetics,Oct.12th-19th,Orlando,Florida,USA,pp.873-878
[97]刘美俊．基于改进学习算法的模糊神经网络控制系统．中国电机工程学报．2007，27(1 9)：87-92
[98]葛 红，毛宗源．免疫算法的改进．计算机工程与应用，2002，38(14)：47-49
[99]焦李成，杜海峰．人工免疫系统进展与展望．电子学报,2003,31(10)：1540-1548
[100]Jang-Sung Chun.Shape optimization of electro-magnetic devices using immune algorithm.IEEE transactions on magnetics,1997,33(2):1876-1879
[101]De Castro,Timmis J.An artificial immune network for multimodal function optimization.Proceedings of IEEE Congress on Evolutionary Computation.Honolulu,USA.2002,1:699-704
[102]Farmer J,Packard N,Perelson A.The immune system,adaptation and machine learning .Physica D,1986,22:187-204
[103]ScinvivasM,Patnaik L M.Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms.IEEE Trams SMC,1994,24(4):656-666
[104]高玮，冯夏庭，郑颖人．地下工程围岩参数反演的仿生算法及其工程应用研究．岩石力学与工程学报．2002，21(增2)：2521-2526
[105]De Castro L N,Timmis J.An artificial immune network for multimodal function optimization.Honolulu,Hawaii:Procee-dings of IEEE Congress on Evolutionary Computation,2002.699-704
[106]谭光兴，毛宗源，何元烈，一种基于抗体网络的免疫算法．计算机工程与设计，2007，28(5)：1003-1007
[107]Sakurai S,Takeuchi K.Back analysis of measured displacements of tunnels[J].Rock mechanics and rock engineering,1983,(16):173-180
[108]Sakurai S.Lessons learned from field measurements in tunneling.Tunnelling and Underground Space Technology,1997,12(4):453-460
[109]高 玮，冯夏庭，郑颖人．地下工程围岩参数反演的仿生算法及其工程应用研究．岩石力学与工程学报，2002(21)(增2)，2251-2526
[110]高 玮，郑颖人，冯夏庭．岩土本构模型识别的仿生算法研究．岩土力学,2004,25(1)：31-36
[111]高 玮，郑颖人．一种新的岩土工程进化反分析算法．岩石力学与工程学报，2003，22(2)，192-196
[112]张志强，关宝树．软弱围岩隧道在高地应力条件下的变形规律研究．岩土工程学报，2000，22(6)：696-700
[113]张继奎，方俊波．高地应力千枚岩大变形隧道支护参数试验研究．铁道工程学报，2005,5：66～70
[114]刘波，韩彦辉．FLAC原理、实例与应用指南．北京：人民交通出版社,2005．
[115]夏永旭，王永东．隧道结构力学计算．北京：人民交通出版社，2004
[116]Lin Yu Tseng,Shiueng Bien Yang.A genetic approach to the automatic clustering problem.Pattern Recognition,2001,34(3):415-424
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |