张 争，马 杰,刘永智，石广斌，范新宇

(1.中国电建集团西北勘测设计研究院有限公司,西安 710065;2.西安建筑科技大学,西安 710055)

0 引 言

隧洞开挖破坏了原岩应力状态，受赋存现场的地下水、节理、断层等复杂地质条件的影响，引起应力重分布并随时程而变化。待应力变化基本稳定，岩石的蠕变的特性亦不容忽视。因此，前期勘测获取的围岩参数，用于进行支护设计还不够准确，对于埋深大、跨度大、结构发育的隧洞工程设计影响尤为显著。近年来，国外多个水电站工程的隧洞开挖支护后，隧洞变形仍然持续发展，需重新进行支护设计，导致先前支护材料浪费和工期延误。为此，获取符合实际的围岩参数进行支护设计尤为重要[1-5]。利用工程本身的收敛监测数据反演围岩参数是一种比较切实的办法。柏俊磊利用BP神经网络反演的边坡岩体力学参数，进行边坡整体稳定分析，计算结果与实际监测数据变化规律一致[6]；范新宇等利用BP神经网络模型预测库区高边坡变形趋势，结果满足工程精度要求等[7-11]。

本文利用现场的收敛监测值，借助BP神经网络和数值分析方法进行反演，获取一套符合工程实际的围岩参数，用于支护设计。

1 反演模型设计原理

1.1 BP 神经网络概述

BP 神经网络是人工神经网络的分类中的多层前馈型神经网络。BP 神经网络的主要特征为传递信号向前传播，而误差反向向后传播。BP 神经网络在工作时，信息从输入层通过隐含层到达输出层。输出层达不到所期望的信号，将误差反向传播，从而根据误差不断调整BP 神经网络的阈值和权重，从而使BP 神经网络的输出值不断逼近期望值[12]。……