基于粒子群优化-高斯过程回归的智能岩土体参数快速反演方法

摘要

针对盾构隧道结构设计中勘察报告提供各土层c、Φ值不准确或缺失,岩土勘察结论不明确等问题,提出了一种粒子群优化(PSO)与高斯过程回归(GPR)机器学习方法的协同优化算法(PSO-GPR)应用于岩土力学参数反分析方法.该算法在寻优过程中采用GPR模型来构建决策变量与适应度函数值之间的映射关系,以GPR模型作为适应度评价工具对PSO算法进行局部加速,减少适应度函数评价次数.通过对南京地铁轨道交通5号线(七桥翁站到小天堂站区间)下穿宁铜铁路工程实例验证了反演方法的可行性,研究结果表明,与基本PSO算法相比,该方法可显著减少参数反演过程中的有限元分析次数,计算效率明显较高,且具有不依赖于预设训练样本的优点,对高计算代价的岩土体参数反演问题具有良好的适应性.