考虑约束的贝叶斯概率反演方法

土体参数对岩土工程计算模型的预测效果至关重要。在土体参数识别问题中,基于MCMC抽样的贝叶斯方法是一种反演土体参数概率分布的常见方法。然而该方法通常仅考虑土体参数的先验分布、预测与观测间的差异,不考虑其他已知信息如土体参数间的经验性相互关系等,当采用数值模拟作为计算模型时,该方法计算负担大,限制了其运用。为此,提出了一种考虑附加约束信息的近似贝叶斯方法REn KF-MDA,并将其与无约束MCMC、考虑约束的MCMC、正则化集合卡尔曼滤波REnKF进行对比,采用简单多项式算例和地基沉降案例说明该方法的有效性。结果表明:融合附加约束信息有助于提高反演参数的合理性和可信度,约束强弱由约束协方差决定。以考虑约束的MCMC为参考,REnKF可准确估计均值但显著低估了参数后验分布的不确定性,REn KF-MDA可同时合理地估计均值和不确定性。

开挖引起的隧道位移动态多目标优化反演预测

控制基坑开挖对邻近既有隧道的扰动对设计与施工至关重要.基于多目标优化方法,融合基坑开挖中的多类型监测数据,反演识别关键土体参数,量化修正隧道位移的时间效应.同时,为提高动态代理模型的优化效率,提出一种基于自适应加点准则的动态多目标优化(DMO-AIC)方法.该方法考虑了工程优化中动态代理模型的计算冗余,设计了自适应加点判别策略,能够自主识别寻优路径上代理模型的无效更新.结果表明,该方法在保证算法寻优性能和收敛速度的同时,显著减少了训练代理模型所需的数值模型调用次数,有利于动态代理模型在工程优化中的应用.虚拟数值算例结果表明,DMO-AIC能考虑挡墙侧移、隧道位移等多目标响应并同时对其进行更新.将DMO-AIC方法应用于上海外滩596基坑工程,合理更新了时间效应,准确预测了基坑分步开挖引起的既有隧道竖向位移.

基于集合卡尔曼滤波的海洋土孔隙率预测研究

正确评估海洋土的物理力学性质是保障海洋工程安全的关键。基于集合卡尔曼滤波结合波阻抗测量数据和波阻抗-孔隙率转换式,提出了一种海洋土孔隙率的概率预测及不确定性量化的方法。它可同时考虑转换模型和状态转移的不确定性,提供孔隙率沿深度的取值及其不确定性。首先基于先验信息生成海洋土孔隙率估计的初始集合;然后通过由多传感器岩心记录仪取样测量的波阻抗数据和概率转换模型,对海洋土孔隙率进行预测和更新;最后分析转换模型误差、初始集合和观测数据量对孔隙率估计的影响,通过工程实例的验证,表明该方法可有效地估计海洋土孔隙率随深度的空间分布,并量化不确定性。