基于机器学习的隧道围岩力学参数反演研究

针对软岩地层中隧道开挖围岩参数难以通过地质勘察确定的问题,依托软岩隧道实体工程,采用正交数值试验、BP神经网络、位移反分析方法相结合的手段进行了隧道围岩力学参数反演分析。利用正交试验表选取25组参数组合,结合工程类比法补充的5组参数,基于所建立的BP神经网络-FLAC 3D反演数值模型,通过30组样本的训练以及八次迭代,最终确定了围岩的物理力学参数。将反演得到的围岩力学参数代入三维数值模型进行计算分析,可以发现拱顶沉降和周边收敛的监测值与预测值的相对误差分别为7.339%和9.132%,均小于误差的阈值(10%),结果验证了参数及该方法的可靠性,可供类似工程参考。