不等跨连拱隧道衬砌结构可靠度及敏感性分析

《不等跨连拱隧道衬砌结构可靠度及敏感性分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第1卷第6期地下空间与工程学报V01．12005年l2月ChineseJournalofUndergroundSpaceandEngh~Dec．20Q5文章编号：1673—0836{2005)06．0841．03不等跨连拱隧道衬砌结构可靠度及敏感性分析‘邓建，韩斌(中南大学资源与安全工程学院，长沙410083)摘要：应用基于神经网络的随机有限元，把截面抗压强度条件视为承载能力极限状态，进行某高速公路不等跨连拱隧道衬砌结构可靠度分析，得出了衬砌结构可靠指标的分布规律和衬砌结构的概率破坏规律。进行衬砌结构可靠度对随

2、机变量的敏感性分析，得出随机变量的分布类型与变异系数对可靠指标的影响规律。结论对隧道设计与施工具有参考价值。关键词：不等跨连拱隧道；衬砌；可靠度；敏感性分析中图分类号：U451．4文献标识码：AReliabilityandSensitivityAnalysisofUneqna!Double．archTunnelLiningStructuresDENGJian。HANBin(&hodofResourcesandSafetyEng／needng，Cerura／SouthUn／vers／ty，c^彻410083，Ch／na)Ab$tract：Aneuralnetw

3、ork-basedmodelforreliabilityanalysisofunequaldouble-archtunndliIlingstructurewaspro-pondtorepresenttheserviceabilityperfonnancefunction．TheMonte-Carlosimulationincombinationwithneuralnetworktechniquewasusedtocalculatethereliabilityindexoftunndliningstructure．Thereliabilityindexinca

4、seofnormaldislri·bufionsisbiggerthanthatwhenallthe~ldomvariablesareassumedtobelognonmldistributions．Relationshipbetweenre-liabilityindexandrandomvariable’8coe：~cientofvariancewasalsoinvestigated．Theresultsshowthatthecoeficientofvarianceofelasticmodulusexertsthegreatestinfluenceonth

5、ereliabilityindexoftunnellinmgstructure．Keywords：uneq~ldouble-arehtunnd；liningstructures；reliabilityanalysis；sensitivityanalysis露，其余地段为花岗岩及其风化层直接出露，围岩1前言类别为Ⅱ类；洞身段以弱微风化混合花岗岩为隧道结构的施工与运营环境条件复杂，材料性主，少部分凝灰岩，局部辉长(绿)岩脉侵入，围岩类能、几何参数、边界条件及荷载都具有随机不确定别为ⅢⅣ类，致密而坚硬。隧道结构按新奥法原性。随机可靠度理论能够反映随机因素的影响，使

6、理进行设计，连拱隧道的双洞不对称，分成大洞(右得分析更为合理。目前单线隧道结构的可靠度研洞)和小洞(左洞)(图1)。采用复合衬砌，以锚杆究成果较多n】，连拱隧道尤其是不等跨连拱隧道湿喷混凝土，钢筋网等为初期支护，并辅以钢支撑，的研究较少。本文应用基于神经网络的随机有限注浆小导管等支护措施，充分调动和发挥围岩的自元理论J，对某高速公路不等跨连拱隧道的衬砌结承能力，在监控量测信息的指导下施筑二次衬砌。构进行可靠度及参数敏感性分析。3隧道衬砌结构的可靠度分析2不等跨连拱隧道概况3．1基于神经网络的随机有限元法某高速公路隧道位于同三线，是国内首座不等基于神经网络的随

7、机有限元法，以有限元、神跨连拱隧道。隧道进出El处有3—8ITI残坡积层出经网络和蒙特卡罗模拟为基础，通过有限元数值计·收稿日期"2005．0s-05{修改稿)作者简介：邓建(1972．)，男，工学博士，教授，从事采矿与岩土工程研究与教学。基金项目：国家自然科学基金项目资助(No．50404010，5o490274)和湖南省杰出青年科学基金资助。维普资讯http://www.cqvip.com842地下空间与工程学报第1卷算来建立神经网络模型，用此神经网络来近似替代的统计特征见表1。极限状态函数(即功能函数)，然后根据蒙特卡罗模表1基本随机变量统计特征拟原理

8、，利用神经网络的泛化能力，获得足够多的Table1S