[发明专利]基于安全监控的边坡位移反分析方法

说明书

技术领域

本发明属于高边坡安全监控研究领域，具体涉及基于安全监控的高边坡位移反分析方法。

背景技术

边坡稳定分析中，力学参数选取的准确与否直接影响到分析结果的可信度，利用监控信息进行优化反演是确定材料参数的一种有效方法，将计算位移值与监测位移值的最小误差函数作为目标函数，通过反复迭代逼近待定参数的最优值。

但反分析的相关研究表明，其优化目标函数是一个高度复杂的非线性多峰值函数，因此采用进化算法等全局优化算法是一种较理想的途径。目前这方面有一些学者做了研究，提出用遗传算法反分析、模拟退火反分析等优化反分析的方法，但这些方法要么目标函数容易陷入局部极小值，要么算法相当复杂，优化参数过多而鲁棒性不强。本发明针对此缺陷提出改进粒子群(APSO)和数值计算相结合的方法来进行边坡工程的位移反分析。利用优化反演的参数计算边坡关键点位移，对边坡稳定进行评价。预测其发展趋势，为基于安全监控资料的边坡工程健康诊断、失稳预警准则的建立和失稳防治技术能提供必要的科学研究基础。

粒子群优化算法是利用群体智能的一种随机全局优化技术，具有记忆粒子最佳位置的能力，以及粒子间的信息共享机制，具有收敛速度快、规则简单、易于实现的优点，能快速收敛到全局最优解，具有良好的逼近能力和容错能力，鲁棒性也得到了提高，适合解决岩土体工程这种复杂的非线性系统。

发明内容

技术问题：本发明目的是针对现有技术存在的缺陷提供一种基于安全监控的边坡位移反分析方法。

技术方案：本发明为实现上述目的，采用如下技术方案：

本发明基于安全监控的边坡位移反分析方法，包括如下步骤：

(1)输入计算参数，包括需要反演的和已知确定的力学参数，调用FLAC进行正分析计算，输出S个关键结点的计算位移其中k表示S个节点的第k个节点，x为待反演的参数，表示计算位移是待反演参数的函数；

(2)计算目标函数为第k个测点计算的位移值，u_k为相应测点的实测位移值，S为测点总数，用改进粒子群智能优化算法APSO对目标函数进行优化，优化步骤如下：

①选定粒子数M，适应值ε，最大允许迭代步数T_max，随机数c₁和c₂和惯性权w；初始化粒子位置X和速度V为待反演力学参数取值区间的随机数；

②群体设定：Z＝{γ_i|γ_i∈Ω，i＝1，2，…，M}表示粒子群体，γ_i表示第i个粒子，Ω表示粒子空间；

③开始设定粒子全局最优值E_g＝∞，粒子个体最优值E_f＝(∞，∞，…，∞)，∞表示一个比较大的数值，用于初始化参数计算的目标函数的验证；

④当E_g＞ε且t＜T_max，执行下面步骤；否则，输出反演的参数值；

⑤进入循环；

⑥当E_i＜E_f(i)则E_f(i)＝E_i，f_i＝P_i，其中E_f(i)为粒子个体最优值，f_i为粒子个体历史最优位置，P_i为粒子当前位置；

⑦当E_i＜E_g则E_g＝E_i，g＝P_i，其中E_g为粒子全局最优值，g为粒子全局历史最优位置，P_i为粒子当前位置；

⑧达到最大迭代步数或满足最小误差标准，结束循环；

⑨根据上面步骤搜索到的粒子最优位置，按式计算粒子新位置；按式计算新的速度；其中rand()是均匀分布在(0，1)区间的随机数；c₁和c₂为学习因子；式中i＝1，2，…，M；v_id^k表示第k次迭代粒子i飞行速度向量的第d维分量；x_id^k表示第k次迭代粒子i位置向量的第d维分量；f_id表示粒子i个体最好位置的第d维分量；g_d表示群体最好位置的d维分量；

⑩确定当前迭代步的惯性权w，t＝t+1，t为当前迭代步数，惯性权系数w的改进表达式如下式：