基于神经网络的超高箱型扶壁式挡土墙多目标优化设计
后印本
Multi-Objective Optimization Design of Ultra-High Box-Type Buttressed Retaining Walls Based on Neural Networks
-
作者：
李旭
1
彭俊辉
1
张军辉
1
-
作者单位：
-
提交时间：2025-07-21 15:08:54
摘要: 近年来，伴随我国复杂多样的地质条件及日趋紧张的工程用地现状，超高箱型扶壁式挡土墙凭借“箱体减重+扶壁增刚”的复合优势被超高挖填方边坡工程所重视。然而，实际工程使用中常常面临工期紧张等问题而出现挡土墙施工与强夯加固交替作业模式。而现有研究对于该类型挡土结构在强夯冲击荷载作用下的动力响应机理与稳定性演变规律仍缺乏系统性探讨，难以指导现场施工。传统力学模型难以满足其内部复杂结构的受力分析，对其进行结构优化设计耗时较长，而神经网络通过数据驱动的方式为这一难题提供了创新解决方案。
本研究结合深圳龙岗区某实际工程研究超高箱型扶壁式挡土墙卸荷效应与强夯振动效应作用下的受力行为表征，并结合现场试验数据和数值模拟结果得到不同强夯能级、卸荷板长度和卸荷板位置工况下的受力分析结果；通过采用Sobol序列采样技术获取高质量数据样本，基于BP神经网络与贝叶斯优化算法构建代理模型，以多个强度和稳定性指标要求为约束条件，引入遗传进化算法进行参数空间的全局搜索与优化求解，预测强夯作用下挡土墙的稳定性演变规律，实现高效、准确、自动化地超高箱型扶壁式挡土墙结构的优化设计。
研究结果揭示了超高箱型扶壁式挡土墙在强夯冲击作用下的动力响应机理，有力的指导了现场施工，基于所提出的多目标优化设计方法，挡土墙可以在有效控制强度和稳定性的前提下尽可能地缩减混凝土用量，显著降低工程成本，为强夯作用下挡土墙结构优化设计提供精准、高效指导。
版本历史
| [V1] |
2025-07-21 15:08:54 |
ChinaXiv:202507.00396V1
|
下载全文 |
相关信息
待评议
点击量
下载量
