彭汝发，许小健

用微进化算法反演岩石蠕变模型非定常参数

彭汝发，许小健

（芜湖市勘察测绘设计研究院，安徽芜湖 241000）

岩石蠕变模型的参数较多，为得到参数的全局最优解，应用微进化算法（Microevolution Algorithm，MA）对岩石蠕变模型非定常参数进行了反演分析。算法以实测蠕变值与理论计算值之间的最小二乘误差为优化准则函数，直接反演计算蠕变模型参数。计算结果表明，微进化算法可最大限度地利用所有试验数据，避免传统优化算法初始参数选取的困难，且算法简单有效，计算精度高于混沌粒子群优化算法。该方法也可推广应用于其它蠕变模型的参数反演，具有较高的工程应用价值。

岩石蠕变模型；非定常参数反演；微进化算法

1 概 述

岩石的蠕变研究对于合理评价岩体的长期稳定性，即岩石力学行为的时间效应具有重要意义。岩石蠕变研究一般是从试验出发获取有关数据，然后构建岩石蠕变的本构模型并确定相应的模型参数。因此，根据蠕变试验资料，如何正确确定岩石蠕变模型参数是岩石蠕变研究领域的关键课题之一。目前，确定岩石蠕变模型参数的方法主要有最小二乘法［1］、多项式回归法［2］、流变曲线分解法［3］、复合形优化法［4］、模式搜索算法［5］等。但岩石蠕变模型的参数众多，为得到问题的全局最优解，须尝试应用新的优化算法。近些年来，随着优化计算技术的发展，人工神经网络［6］、遗传算法（Genetic Algorithm，GA）［7］、扩展卡尔曼滤波技术［8］、粒子群优化（Particle Swarm Optimization，PSO）算法［9］等逐渐在岩石蠕变模型参数确定中得到了应用，为解决问题提供了一种新的思路。……