戴 粤,戴吾蛟,余文坤

1. 中南大学测绘与遥感科学系，湖南 长沙 410083； 2. 湖南省精密工程测量与形变灾害监测重点实验室，湖南 长沙 410083

数值模拟计算结果的准确性与数值分析模型中材料分布、力学参数的定义和赋值息息相关。岩土力学参数统计特征一般通过开展室内试验、原位测试确定，但室内试验、原位测试都存在耗时长、数量少及费用昂贵等局限性，可获得的现场和室内试验数据往往非常有限[1]。自20世纪70年代以来，位移反分析方法作为岩土力学参数求解方法的一种补充，在岩土工程反演理论研究和工程实践中得到了极大的重视与发展[2-4]。传统方法需要通过大量的迭代计算进行求解，且存在容易陷入局部最优的缺陷。20世纪90年代起，提升全局寻优搜索能力的智能算法开始引入岩土参数反演中。文献[5]提出将神经网络用于位移反分析，可以解决传统方法计算量大、耗时长的问题。针对传统方法容易陷入局部最优的缺点，文献[6]将神经网络与遗传算法相结合，提出了一种位移反分析进化神经网络方法。文献[7]将支持向量机与遗传算法相结合，提出了一种位移反分析进化支持向量机方法，并验证了方法的有效性。随着人工智能技术的迅速发展，蚁群算法和粒子群优化算法等随机搜索方法也逐渐用于岩土参数反演[8-9]，其中粒子群优化算法具有收敛速度快、所需参数少、算法实现简单及全局搜索能力强等优点，近年来开始受到研究人员的重视[10-11]。……