岩体参数的反演方法综述

岩体参数的反演方法综述1费文平，马亢四川大学水利水电学院，成都 (610065)E-mail：wpfei7206@摘要：岩体参数的反演分析是水电工程的设计与数值计算的基础，直接影响到计算结果的真实性。

归纳总结了岩体参数的各种反演方法，分析比较了其优缺点和适用条件，提出了岩体参数反演分析方法的发展趋势。

关键词：岩体，参数，反演方法1．引言岩体参数（如弹模、泊松比等）的反演分析是根据少数的已知测点的位移值或应力值等，来反演分析岩体的材料参数的过程，是水电工程的设计与数值计算的基础。

岩体力学参数的确定是岩土工程数值计算中的关键问题。

由于岩体的参数往往难以确定，对数值计算的结果会造成很大的影响，而实验室内对岩体参数的测定均存在尺度效应问题，且考虑到经济成本，现场取样的数量往往不多，因而无法得到整个工程区的岩体真实参数。

采用反演分析的方法可以综合考虑诸多地质因素的影响，更加经济准确地得到岩体的参数[1-3]。

岩体参数反演计算的方法主要有[4-30]：①正反分析法；②逆反分析法；③局部最优化方法；④人工神经网络法；⑤遗传算法；⑥粒子群算法；⑦梯度类方法；⑧混合算法。

2．岩体参数反演分析方法的分类及特点2.1 正反分析法正反分析法先假定待反演的岩体参数，通过正演分析得到岩体结构的位移或应力等，然后将其与实际观测值相比较，并按一定方式修改调整待反演参数，逐步逼近实测值，从而确定待反演的岩体参数。

正反分析法程序编制简单，计算方法灵活，可适用于线性或非线性的岩体参数反演问题，但需要大量的调整试算。

2.2 逆反分析法逆反分析法通过求逆直接建立待反演参数与实测值之间的关系式，求解这些关系式组成的方程组就可得到反演计算结果。

该法计算原理直观简明，但程序编制复杂，只适用于线性的岩体参数反演分析。

2.3 局部最优化方法优化分析法致力于寻找使计算结果与观测结果之间的误差为最小的解答。

局部最优化方法包括单纯形法、模式搜索法、鲍威尔法、变量轮换法、混合罚函数法、复合形法等，它们对初值的依赖性较强，在选用时应注意参数先验信息的确定，因而需要有一定的工程经验。

否则，需采用以下的优化反演分析方法。

2.4 人工神经网络法人工神经网络法对人类大脑的一种物理结构上的模拟，通过网络训练，调整网络内部权1本课题得到高等学校博士学科点专项科研基金（项目编号：20040610095）的资助。

值，从而拟合岩体结构的输入输出关系，即岩体参数与岩体位移的关系。

人工神经网络法，特别是BP神经网络具有较强自组织和自适应等非线性特性，适用于复杂岩体结构的参数反演分析。

2.5 遗传算法遗传算法以生物进化过程为背景，将繁殖、杂交、变异、竞争和选择等概念引入到算法中。

从一组随机生成的初始可行群体出发，通过复制、交叉、变异等遗传算子，使染色体群不断进化，逐步收敛到问题的最优解。

它克服了传统优化方法容易陷入局部极值的缺点，是一种全局优化算法。

该法是一种具有自适应调节功能的搜索寻优技术，但存在计算效率低下、操作不灵活方便等缺点。

2.6 粒子群算法粒子群算法（PSO）是一种进化计算技术。

源于对鸟群捕食的行为研究，与遗传算法类似，是一种基于叠代的优化工具。

系统初始化为一组随机解，通过叠代搜寻最优值。

粒子群算法没有遗传算法所用的交叉和变异，而是粒子在解空间追随最优的粒子进行搜索。

粒子群算法简单易行且无需调整太多参数。

目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。

2.7 梯度类方法梯度类方法是一种利用目标函数对反演参数的偏导数值作为梯度导向的启发式搜索算法，具有搜索速度快，收敛性相对较好，且有一套严密的理论体系，在反演出参数的同时还可以获得参数的灵敏度。

如果还需计算出结构的可靠度，可方便地按JC 法、几何法等基于梯度的可靠度计算方法进行计算, 无需重新计算偏导数；由于要计算目标函数对反演参数的偏导数，梯度类方法的程序编制较难。

2.8 混合算法人工神经网络与遗传算法相结合的方法。

同时利用人工神经网络具有高度非线性的反射能力和遗传算法适用于参数搜索的优点，用BP神经网络学习并建立岩体参数与岩体位移之间的映射关系，用遗传算法并行搜索预测误差最小的神经网络拓扑结构和最优岩体参数。

可以直接逼近待反演参数与测量位移的非线性关系，从而确定岩体的参数。

非常适用于地质条件十分复杂岩体参数反演的计算。

粒子群算法与单纯形法相结合的方法。

它包含了随机性和确定性搜索，既很好地继承了粒子群算法的全局搜索能力，又融入了单纯形法较强的局部搜索能力，并能适时地加强局部搜索能力。

该法能够克服粒子群算法后期搜索效率降低的缺陷在参数反演计算中体现出良好的优化性能和很快的收敛速度，是一种切实可行的参数反演方法。

粒子群算法与人工神经网络法相结合的方法。

运用PSO算随机初始化人工神经网络各个连接权重为一群粒子，进行网络训练，在PSO全局寻优的基础上，再运行小步长反向传播算法，进行局部细致搜索，达到要求的收敛精度时训练完成，这样来寻找全局最优解。

该法具有更高的训练速度，迭代次数明显减少，收敛速度加快，而且计算精度高。

3．岩体参数反演分析方法的比较正反分析法程序编制较为成熟，简便灵活，可适用于各种非线性问题中的参数反演计算；逆反分析法计算原理直观简明，但求逆过程相对较难，只适用于岩体较为完整的线性问题中的参数反演计算。

局部最优化方法对初值的信赖性较强，不易获得全局最优值，需要有良好的预测。

人工神经网络法、遗传算法、粒子群算法是模拟人类及自然界的基本规律，应用于参数反演分析时具有适应性强的优点，同时具有良好的非线性特征，可以获得全局最优值，但单独使用时往往效率较低。

而梯度类方法则可以在一定程度上提高最优值的搜索速度。

混合算法综合各种算法的优点，既可提高计算速度，又可提高计算精度，因而得到了广泛的应用。

4．结论本文归纳总结了各种岩体参数反演分析方法的原理及优缺点，得到如下结论：（1）在岩体参数的反演分析方法中，反分析法在反演弹塑性和粘塑性参数问题时, 解的唯一性以及不收敛问题还未得到很好的解决, 难以从根本上解决岩体的复杂变形特征。

反分析法在地质条件比较简单的情况下可以采用。

（2）同时将位移和应力值作为观测值来进行反演分析可以提高计算的精度。

（3）在缺乏先验信息的情况下，可以先采用具有非线性特性的全局最优化方法反演出的粗略初值，再进行局部最优化反演分析。

（4）将各种方法相结合来进行岩体参数的反演分析将成为今后发展的趋势，特别是在监测数据量较少的情况下应优先采用。

（5）大量的商用软件如ANSYS提供了优化设计的计算模块，用户可以通过二次开发，来实现岩体参数的反演分析。

（6）监测数据量的多少及现场的工程经验将直接影响到岩体参数反演的精度。

参考文献[1] 杨林德. 岩土工程问题的反演理论与工程实践[M]. 北京：中国建筑工业出版社. 1996.[2] 蔡美峰，何满潮，刘东燕. 岩石力学与工程[M]. 北京：科学出版社，2004.[3] 朱付广，王世杰，胡伟，张丞，钟英杰，费文平. 岩体初始地应力场的反演分析方法[J]. 科技咨询导报，2007，(9)：213.[4] 张吾渝. 参数反分析方法及工程应用[J]. 青海大学学报，1999，17(6)：6-9.[5] 邓建辉，魏进兵，闵弘. 基于强度折减概念的滑坡稳定性三维分析方法(I)：滑带土抗剪强度参数反演分析[J]. 岩土力学，2003，24(6)：896-900.[6] 张庆松，高延法，李术才. 矿山覆岩力学参数的三维位移反演方法研究[J]，金属矿山，2005，(9)：26-31.[7] 强天驰. 多参数优化反演分析法及其应用[J]. 岩土工程界，2004，7(9)：40-44[8] 强天驰，周维垣，杨若琼. 拱坝多参数优化反演分析法及其应用[J]. 岩石力学与工程学报，2000，19 (增)：997-1000.[9] 田明俊，周晶. 岩土工程参数反演的一种新方法[J]. 岩石力学与工程学报，2005，24(9)：1492-1496.[10] 徐卫亚，刘世君. 岩石力学参数反分析的变分伴随方法研究[J]. 岩石力学与工程学报，2005，24(2)：203-206.[11] 武晓晖，宋宏伟. 地下工程围岩力学参数反分析的ANSYS方法[J]. 山西建筑，2005，31(2)：52-53.[12] 李继良，高谦，任天贵，朱建明. 工程材料本构模型辨识及参数反演新方法[J]. 河北理工学院学报，2000，22(4)：1-11.[13] 独知行，欧吉坤，靳奉祥，韩保民，柴艳菊. 联合反演模型中相对权比的优化反演[J]. 测绘学报，2003，32(1)：15-19.[14] 冯夏庭. 智能岩石力学导论[M]. 北京：科学出版社，2000.[15] 胡斌，冯夏庭，王国峰，陈炳瑞，周辉. 龙滩水电站左岸高边坡泥板岩体蠕变参数的智能反演[J]. 岩石力学与工程学报，2005，24(l7)：3064-3070.[16] 高玮，冯夏庭，郑颖人. 地下工程围岩参数反演的仿生算法[J]. 岩石力学与工程学报，2002，21(增2)：2521-2526.[17] 郑华，王志亮. 基于参数反演的软土路基沉降与分析[J]. 水文地质工程地质，2004，(3)：89-92[18] 谭昌明，徐日庆，龚晓南. 土体双曲线本构模型的参数反演[J]. 浙江大学学报(工学版)，2001，35(1)：57-61.[19] 郭乙木，万力，魏德荣，方兆雄. 坝体力学参数的混合模型优化反演法及其应用[J]. 水电能源科学，2001，19(2)：36-38.[20] 刘迎曦，吴立军，韩国城. 边坡地层参数的优化反演[J]. 岩土工程学报，2001，23(3)：315-318.[21] 孙钧，黄伟. 岩石力学参数弹塑性反演问题的优化方法[J]. 岩石力学与工程学报, 1992，11(3)：221-229.[22] 独知行，欧吉坤，韩保民. 优化反演方法及数值反演试验初步研究[J]. 大地测量与地球动力学，2002，22(4)：39-43.[23] 袁勇，孙钧. 岩体工程优化反演的目标函数[J]. 岩土工程学报，1994，16(2)：29-37.[24] 房营光. 地铁隧道-地层系统的参数优化反演与动力响应分析[J]. 土木工程学报，2001，34(6)：45-49.[25] 赵新铭，张剑，刘宁. 大体积混凝土力学参数的Bayes 随机优化反演[J]. 土木工程学报，2005，38(10)：93-96.[26] 陈斌，施斌，王亦斌. 面向对象的土石坝参数随机反演程序设计[J]. 工程地质学报，2004，12(3)：328-335.[27] 何伟，杨开云，翟继红，白新理. 基于正交试验设计的深基坑岩土力学参数反分析[J]. 铁道建筑，2006，(5)：34-36.[28] 刘军熙，阎长虹，许宝田，陆秋生. 基于试验的岩坡滑动面力学参数反演[J]. 防震减灾工程学报，2005，25(3)：266-269.[29] 吴祥松，朱合华，叶飞. 岩土工程参数反分析的可辨识性研究[J]. 地下空间与工程学报，2006，2(3)：377-401.[30] 吴祥松, 袁海平. 岩土工程问题参数反演的可辨识性研究[J]. 湖北工业大学学报，2005，20(2)：12-14.Inversion Analysis Methods of Rock Mass ParametersFei Wenping，Ma KangCollege of Water Resource and hydropower engineering，Sichuan University，Chengdu (610065)AbstractInversion analysis of rock mass parameters is the foundation of waterpower station design and numerical computation, and has directly influences on the reality of computing result. All kinds of inversion analysis methods of rock mass parameters are summarized, and analysis and comparison of their advantages and disadvantages as well as application conditions are given out, and then the development tendency of inversion analysis method of rock mass parameters are presented. Keywords：Rock Mass，parameters，inversion analysis method作者简介：费文平，男，1972年生，博士，讲师，主要研究方向是水工岩土工程的数值计算。