大型洞室群开挖与加固方案反馈优化分析集成智能方法研究
|
摘要
大型洞室群规模已超出现行规范,本身结构比较复杂,又处于复杂的地质环境中,因而影响围岩稳定性的因素错综复杂。如何准确地根据监测信息快速动态调整施工方案,是有待解决的重要问题。本论文以清江水布垭电站地下厂房作为工程应用背景,综合三维数值计算、智能方法和计算机决策技术,提出了大型洞室群施工期集成智能动态反馈分析方法,并用于水布垭地下厂房施工期的方案反馈分析与优化。具体来说,主要进行了如下的工作:
(1) 针对经验公式方法的不足,提出基于工程实例的隧洞最大允许变形的支持向量机(SVM)自动获取方法。
(2) 针对以往反馈优化方法容易陷于局部最优及耗时的问题,提出了大型洞室群反馈分析的3D并行进化SVM-数值模拟优化方法,并且基于MPI开发了相应并行计算平台。该方法能够全局快速搜索最优解,与并行神经网络进化有限元方法相比,计算速度提高近十倍。
(3) 地下大型洞室群锚固参数优化具有以下特点:稳定性目标和经济性目标是矛盾的;洞室的稳定性分析非常复杂;评价指标要求全面反映锚固效果;锚固参数组合的方案数量多,优化计算量大。针对这些特点,建立了地下大型洞室施工锚固参数优化模型,确定了约束条件及优化的指标,给出了优化的方法和步骤。采用主成分分析法处理多指标评价问题,既可以在保持评价系统信息、达到降维,简化评价系统的目的,又可以避免权重确定的人为因素。
(4) 建立了地质描述模糊评判和变形速率比值判别知识库。在课题组原有推理机和知识库基础上,提出了基于IDSS的大型洞室群施工期反馈分析的集成智能分析系统的模型。进行了软件系统的部分开发工作,并将该系统初步应用于水布垭电站地下厂房施工期反馈分析。
(5) 以三维弹塑性数值模拟开挖支护为基础,将多种反馈分析的方法,包括从工程实例获取隧洞最大允许变形的SVM方法、围岩变形SVM时间序列分析、地质描述模糊评判法、变形速率比值判别法、基于3D并行进化SVM-数值模拟方法等进行集成。建立了清江水布垭电站地下厂房水施工期动态集成智能反馈分析流程,提高分析结果的可靠性。
(6) 在水布垭电站地下厂房施工期间,利用开挖监测信息,基于3D并行进化SVM-数值模拟的方法进行该地下厂房围岩参数的反演。利用反演得到的岩
The scale of large cavern group is beyond current regulation. The structure of cavern group and the geologic environment where is located in are complicated, therefore, the factors affecting the surrounding rock stability are complicated too. How to dynamically and rapidly redesign the support system based on monitoring data? That is a very important problem need to be solved. In the dissertation, aiming at the underground powerhouse engineer of Qingjiang Shuibuya hinge, the method of integrated dynamic feedback analysis in construction for large cavern group is proposed, which has been used in the feedback analysis and optimization of support schemes of the Shuibuya underground powerhouse. Concretely, such works carried through as below.(1) Aiming at the disadvantages of experience formula, the case-based SVM method for maximal deformation forecasting of surrounding rocks of tunnels is proposed.(2) Because of the local optimization and time wasting of conventional feedback optimizing method, a new 3D parallel evolution SVM-numerical simulation optimizing method is proposed to optimize large cavern group anchor parameters. Based on MPI, its computing platform is developed. Using this method, the global optimal solution could be gotten rapidly, and the computing velocity improves 10 times more than the ANN-finite element method.(3) The optimization of large underground cavern anchor parameters has some characters such as : the object of stability is incompatible with the object of economics,the analysis of large underground cavern's stability is very complicated, appraising guide lines are required to denote the anchor effect roundly, a lot of schemes of different anchor parameters will occur and a great deal of calculate work is needed. Aiming at the characters, the anchors optimizing model is constructed to optimize large cavern group anchor parameters, the restriction condition, optimization indexes and optimizing steps are decided. The main component analysis method is used to deal with multiple indexes appraisement, not only the system information can be kept but also the system can be predigested, avoiding the artificially deciding the weights of indexes.
(1) 针对经验公式方法的不足,提出基于工程实例的隧洞最大允许变形的支持向量机(SVM)自动获取方法。
(2) 针对以往反馈优化方法容易陷于局部最优及耗时的问题,提出了大型洞室群反馈分析的3D并行进化SVM-数值模拟优化方法,并且基于MPI开发了相应并行计算平台。该方法能够全局快速搜索最优解,与并行神经网络进化有限元方法相比,计算速度提高近十倍。
(3) 地下大型洞室群锚固参数优化具有以下特点:稳定性目标和经济性目标是矛盾的;洞室的稳定性分析非常复杂;评价指标要求全面反映锚固效果;锚固参数组合的方案数量多,优化计算量大。针对这些特点,建立了地下大型洞室施工锚固参数优化模型,确定了约束条件及优化的指标,给出了优化的方法和步骤。采用主成分分析法处理多指标评价问题,既可以在保持评价系统信息、达到降维,简化评价系统的目的,又可以避免权重确定的人为因素。
(4) 建立了地质描述模糊评判和变形速率比值判别知识库。在课题组原有推理机和知识库基础上,提出了基于IDSS的大型洞室群施工期反馈分析的集成智能分析系统的模型。进行了软件系统的部分开发工作,并将该系统初步应用于水布垭电站地下厂房施工期反馈分析。
(5) 以三维弹塑性数值模拟开挖支护为基础,将多种反馈分析的方法,包括从工程实例获取隧洞最大允许变形的SVM方法、围岩变形SVM时间序列分析、地质描述模糊评判法、变形速率比值判别法、基于3D并行进化SVM-数值模拟方法等进行集成。建立了清江水布垭电站地下厂房水施工期动态集成智能反馈分析流程,提高分析结果的可靠性。
(6) 在水布垭电站地下厂房施工期间,利用开挖监测信息,基于3D并行进化SVM-数值模拟的方法进行该地下厂房围岩参数的反演。利用反演得到的岩
The scale of large cavern group is beyond current regulation. The structure of cavern group and the geologic environment where is located in are complicated, therefore, the factors affecting the surrounding rock stability are complicated too. How to dynamically and rapidly redesign the support system based on monitoring data? That is a very important problem need to be solved. In the dissertation, aiming at the underground powerhouse engineer of Qingjiang Shuibuya hinge, the method of integrated dynamic feedback analysis in construction for large cavern group is proposed, which has been used in the feedback analysis and optimization of support schemes of the Shuibuya underground powerhouse. Concretely, such works carried through as below.(1) Aiming at the disadvantages of experience formula, the case-based SVM method for maximal deformation forecasting of surrounding rocks of tunnels is proposed.(2) Because of the local optimization and time wasting of conventional feedback optimizing method, a new 3D parallel evolution SVM-numerical simulation optimizing method is proposed to optimize large cavern group anchor parameters. Based on MPI, its computing platform is developed. Using this method, the global optimal solution could be gotten rapidly, and the computing velocity improves 10 times more than the ANN-finite element method.(3) The optimization of large underground cavern anchor parameters has some characters such as : the object of stability is incompatible with the object of economics,the analysis of large underground cavern's stability is very complicated, appraising guide lines are required to denote the anchor effect roundly, a lot of schemes of different anchor parameters will occur and a great deal of calculate work is needed. Aiming at the characters, the anchors optimizing model is constructed to optimize large cavern group anchor parameters, the restriction condition, optimization indexes and optimizing steps are decided. The main component analysis method is used to deal with multiple indexes appraisement, not only the system information can be kept but also the system can be predigested, avoiding the artificially deciding the weights of indexes.
引文
1.孙钧,地下工程设计理论与实践[M],上海科学技术出版社,1996,12.
2.朱维申,何满潮,复杂条件下围岩稳定性与岩体动态施工力学[M],北京:科学出版社,1995.
3.候学渊,束昱.论二十一世纪我国城市地下空间发展战略[J],岩石力学与工程学报,1999,18(增):775-778.
4.钱七虎.地下空间开发利用的第四次浪潮及中国的现状、前景和发展战略[J].中国岩石力学与工程学会第六次学术大会论文集,中国科学技术出版社,2000,10.
5.肖明,地下洞室围岩稳定与支护数值分析方法研究[D],武汉大学博士学位论文,2002,11.
6.李世辉,隧道支护设计新论[M],北京:科学出版社,1999.
7.李世辉,隧道围岩稳定系统分析[M],北京:中国铁道出版社,1991.
8.周思孟,复杂岩体若干岩石力学问题[M],北京:中国水利水电出版社,1998.
9.夏才初,李永盛.地下工程测试理论与监测技术[M].上海:同济大学出版社,1999.
10.李协生,地下水电站建设[M],北京:水利电力出版社,1993,9.
11.周维垣,刘怀恒等,高等岩石力学[M],中国岩石力学与工程学会,1989.
12.薛守义,刘汉东.岩体力学的基本问题与科学方法论[J].岩石力学与工程学报,1999,15(4):405-406.
13.于学馥,岩石记忆与开挖理论[M],北京:冶金工业出版社,1993,8.
14.蔡美峰,何满潮,刘东燕,岩石力学与工程[M],北京:科学出版社,2002.
15.王思敬.中国岩石力学与工程的世纪成就与历史使命[J],岩石力学与工程学报,2003,22(6):867-871.
16.冯夏庭.智能岩石力学导论[M].北京科学出版社,2000.
17.冯夏庭,朱维申,智能岩石力学在地下工程中的应用[J],岩石力学与工程学报 1999,18(增):822-826.
18.冯夏庭,王泳嘉,林韵梅.地下工程力学综合集成智能分析的理论和方法[J],岩土工程学报,1997,19(1):30-35.
19.孙钧.世纪之交岩石力学研究的若干进展[J].见:陆培炎,史永胜编.第六届全国岩土力学数值分析与解析方法讨论会文集.广州:广东科技出版社,1998:115.
20.黄润秋.正确的思维方式是学科发展的源泉[J].岩石力学与工程学报,1994,13(3):283-287.
21.二滩水电开发有限责任公司,岩土工程安全监测手册[M],中国水利水电出版社,1998, 12.
22.潘吕实,张弥,吴鸿庆,隧道力学数值方法[M],北京:中国铁道出版社,1993.
23.朱维申,王可钧,刘艳青,地下工程的监测与数值计算[J],岩石力学与工程学报,1999,18(增):747-752.
24. FLAC-3D. Fast LagrangianAnalysis of Continua in 3 Dimensions, Version 2.0, USER'S MANUAL, Itasca Consulting Group, Inc. USA.
25.王泳嘉,邢纪波.离散单元法及其在岩土力学中的应用[M],沈阳:东北工学院出版社,1991.
26.张勇慧,邱祥波,朱维申等,DDA方法在溪洛渡地下厂房群开挖中的应用[J],岩石力学与工程学报,18(增):945-947.
27.陈帅宇,周维垣,杨强等.三维快速拉格郎日法进行水布垭地下厂房的稳定分析[J],岩石力学与工程学报, 2003,22(7),1047-1053.
28.姜谙男,刘建,李洪东,水布垭枢纽地下厂房开挖支护过程的三维数值模拟[J],岩土力学,25(1):45-49.
29.李仲奎,戴荣,姜逸明,FLAC3D分析中的初始应力场生成及在大型地下洞室群计算中的应用[J],岩石力学与工程学报,Vol21(增2):2387-2392.
30. K. R. Dhawana, D. N. Singhb, I. D. Gupta, 2D and3D. nite element analysis of underground openings in an inhomogeneous rock mass[J], International Journal of Rock Mechanics & Mining Sciences, 39 (2002) 217-227.
31. E. Eberhardt, Numerical modelling of three-dimension stress rotation ahead of an advancing tunnel face[J], International Journal of Rock Mechanics & Mining Sciences 38 (2001) 499-518.
32. G. Swoboda, A. Abu-Krisha, Three-Dimensional Numerical Modelling for TBM Tunnelling in Consolidated Clay[J], Tunnelling and Underground Space Technology, Vol. 14, No. 3, pp. 327-333, 1999.
33.刘建,冯夏庭.海南大广坝水电工程输水隧道支护结构设计及稳定性分析[J],岩石力学与工程学报.2002,21(增)1962-1966.
34.白世伟,林鲁生,徐邦树,凤岗隧洞三维非线性仿真模拟[J],岩土力学,vol.23 No.6,2002,
35.吉小明,张选兵,白世伟,浅埋暗挖地铁隧道开挖过程的模拟研究[J],岩土力学,vol.23No.6,2002.
36.罗先启,葛修润,郑宏.软硬相间层岩中地下厂房稳定性研究[J],岩土力学,2002,Vol23 (3)297-299.
37.徐军,郑颖人,隧道围岩弹塑性随机有限元分析及可靠度设计[J],岩土力学,2003,vol24(1):70-74.
38.丁秀丽,盛谦,邬爱清等,水布垭枢纽地下厂房施工开挖与加固的数值模拟[J],岩石力学与工程学报.2002,21(增)2162-2167.
39.丁秀丽,盛歉,韩军等,预应力锚索锚固机理的数值模拟试验研究[J],岩石力学与工程学报,2002,21(7):980-988.
40.张玉军,朱维申,杨家岭,近距离双隧道开挖与支护稳定性的粘弹塑性有限元计算[J],岩石力学与工程学报,18(增):855-859.
41.李庶林,毛建华,叶粤文等,岩爆巷道支护的数值模拟研究[J],岩石力学与工程学报,18(增):933-935.
42.寇晓东,周维垣,杨若琼等。应用三维快速拉格朗日法进行三峡船闸高边坡锚固稳定与机理研究[J],土木工程学报,2002,35(1),68-74.
43.肖明,王阳雪.陡倾角层状岩体中地下厂房洞室围岩稳定性分析[J],岩石力学与工程学报.2002,21(增)2057-2060.
44.蒋宇静,肖俊,棚桥由彦,沟上建等,三维数值模拟技术在深部大型发电站厂房信息化施工中的应用[J],岩石力学与工程学报,2003,22(6):957-964.
45.王暖堂.城市地铁复杂洞群浅埋暗挖法的有限元模拟[J],岩土力学,2001,Vol22(4): 504-508
46.朱维申,李术才,白世伟,张玉军.开挖支护的时空变载分析原理及工程实例[J].岩 石力学与工程学报.2002,21(增)2168-2171.
47.李术才,陈卫忠,朱维申等.某地下电站厂房围岩稳定性及锚固效应研究[J],岩土力学,2003,vol24(4),510-513.
48.徐干成.粘弹性边界元法预测锚喷支护隧道围岩稳定性[J],岩土力学,2002,Vol22(3): 1215.
49. Ogata, Y.; Tomishima, Y. et al. Deformation of rock mass sround underground mine roadway by in-situ measurements[J], Pro2nd int Syrup, on field Measurements in Geomechanics, Kobe, 6-9, April, 1987(2)713-724.
50.李斯海.枫林1号隧道施工监测与围岩变形分析[J].隧道与地下工程,1989,10(3).
51.刘怀恒.地下工程位移反分析原理应用及其发展[J].西安矿业学院学报,1988,8(3)1-10.
52.林跃忠,林登阁.巷道表面收敛变形的预测研究[J],岩石力学与工程学报.2002,21(增)2084-2086.
53.李文秀.地下开挖地表移动的模糊数学分析[J].岩土工程学报,1991,13(2)21-30.
54.陈子荫.时间序列分析—一种预报岩体力学行为的可能途径[J].岩土工程学报,1991,13(4):87-95.
55.高玮,岩土工程反分析的计算智能研究[D],后勤工程学院博士学位论文,2002.6.
56.张治强,冯夏庭,杨成祥等.非线性位移时间序列分析的遗传-神经网络方法[J].东北大学学报,1999,20(4)422-425.
57.冯夏庭,张治强.长江三峡工程永久船闸高边坡开挖变形的智能预测[J].辽宁工程技术大学学报.1999,18(5)463-465.
58.冯夏庭,王泳嘉,岩石力学的一种集成智能理论模型[J],东北大学学报(自然科学版),1995,16(1):1-5.
59.高玮,郑颖人.岩土工程中的几种位移预测方法探讨[M].中国岩石力学与工程学会编.中国岩石力学与工程学会第六次学术大会论文集.北京:中国科学技术出版社,2000:90-93.
60.赵洪波,非线性岩土力学行为的支持向量机研究[D],中国科学院研究生院博士学位论文,2003,6.
61.赵洪波,冯夏庭.支持向量机函数拟合的边坡稳定性估计[J].岩石力学与工程学报,2003,22(2):241-245
62.赵洪波,冯夏庭.福宁高速公路八尺门滑坡变形演化规律预测研究[J],岩土力学,2003,vol24(4),631-633
63. Chen Zhiyin. Time series analysis applied to displacement prediction in NATM[J], Pro. Int. Symp. on Mondern Mining Technilogy, Taian, 1988, 315-320
64. X. T. Feng, Z. Q. Zhang, P. Xu. Adaptive and Intelligent Prediction of Deformation Time Series of High Rock Slope[J]. Trans. Nonferrous Met. Soc., 1999, (4): 842-846
65.王述红,田军,肖福坤,等.遗传神经网络方法预测地下工程位移演化规律[J].东北大学学报,2000,21(5):562-565
66.孙豁然,王述红,宫永军,等.大型地下硐室开挖过程位移变形智能预测[J].煤炭学报,2001,26(1):45-48
67.朱永全,景诗庭,张清.时间序列分析在隧道施工监测中的应用[J].岩石力学与工程学报,1996,15(4):353-359
68.李术才,王渭明,王拉才.非线性时序分析模型在地下工程位移预报中的应用[J].岩土工程学报,1997,19(4):15-20
69.黄修云,曹国安,张清.人工神经元网络在地下工程预测中的应用[J].北方交通大学学报,1998,22(1):39-43
70.王平,袁丛华,朱维申.基于地下工程实测结果的位移预报模型[J].岩土力学,1992,13(4):15-23
71.孙奇涵,王永岩,张永利,等.利用灰色模型预测巷道围岩变形[J].应用力学学报,1997,14(3):136-140
72.陈有亮.非等距时间序列的GM(1,1)模型及其在地下工程中的应用[J].计算结构力学及其应用,1996,13(4):483-488
73.廖野澜,谢谟文.监测位移的灰色预报[J].岩石力学与工程学报,1996,15(3):269274
74.吴雅,杨叔子,陶建华.灰色预测及时序预测的探讨[J].华中理工大学学报,1988,16(3):27-34
75.张玉祥.岩土工程时间序列预报问题初探[J].岩石力学与工程学报,1998,17(5):552-558.
76. Kavanagh K T, Clough R W. Finite element application in the characterization of elastic solids [J]. Int J Solids structures, 1972(7): 11-23.
77. Kirsten H A D. Determination of rock mass elastic moduli by back nanlusis of deformation measurement[J]. In: Pro Stmp on Expliration for Rock Eng. Johanesburg, 1976, 1154-1160.
78. Gioda G, Maier G. Direct search solution of an inverse problem in elasto -plasticity, indentification of cohesion, friction angle and in-situ stress by pressure tunnel tests[J]. Int J Num Methods in Eng, 1980(15): 1823-1834.
79.王芝银,杨志法,王思敬.岩石力学位移反演分析回顾及进展[J].力学进展,1998,28(4),488-498.
80.杨林德,等.岩土工程问题的反演理论与工程实践[M].北京:科学出版社,1996.
81.孙均等.岩石力学参数弹塑性反演问题的优化问题[J],岩石力学与工程学报,1992,11(3),221-229.
82.王芝银,李云鹏.地下工程位移反分析法及程序[M].西安:陕西科学技术出版社,1993,
83.朱维申等.考虑时空效应的地下洞室变形观测及反分析[J].岩石力学与工程学报,1989,8(4)346-353
84. Hisatake. Back Analysis in Tunneling[J]. In: E. A. Vargas, D. F. Azevedo, L. M. R. Sousal, et al(Edt). Applications of Computational Mechanics in Geotechnical Engineering. Rotterdam: Balkema, 1994: 314
85. S. Sakurai, K. Takeuchi. Back Analysis of Measured Displacement of Tunne[J]1. Rock Mech. and Rock Eng., 1983, 16(3): 173-180
86.吕爱钟.地下巷道弹性位移反分析各种优化方法的探讨[J].岩土力学,1996,17(2):29-33
87.孙钧,蒋树屏,袁勇,等.岩土力学反演问题的随机理论与方法[M].汕头:汕头大学出版社,1996
88.李仲奎,王爱民,莫兴华等.大型地下洞群时空双系列反馈分析[J],清华大学学报(自然科学版),1998,38(1):50-54
89.李仲奎,莫兴华,王爱民等.地下洞室松动区模型及其在反馈分析中的应用[J],水利水电技术,1999,30(5):49-51
90.李素华,朱维申.优化方法在弹性、横观各向同性以及弹塑性围岩变形观测反分析中的应用[J].岩石力学与工程学报,1993,12(2):105-114
91.沈珠江、赵魁芝,堆石坝流变变形的反馈分折[J],水利学报,1998,6,1-6
92.陈胜宏,陈尚法,杨启贵.三峡工程船闸边坡的反馈分析[J],岩石力学与工程学报,2001,21(5):619-626
93.梁艳春,周春光,王在申.人工神经网络应用于地下洞室围岩参数识别的研究[J].模式识别与人工智能,1996,9(1):71-77
94.邓建辉,李焯芬,葛修润.BP网络和遗传算法在岩石边坡位移反分析中的应用[J].岩石力学与工程学报,2001,20(1):15
95.林育梁,樱井春辅.应用模糊有限元法的一种反分析形式[J].岩土工程学报,1995,17(5):48-55
96.高玮,郑颖人.岩土力学反分析及其集成智能研究[J].岩土力学,2001,22(1):114-116
97.冯夏庭,张志强,扬成祥等,位移反分析的进化神经网络方法研究[J],岩石力学与工程学报,18(5):497-502
98.王纯瑾.反分析在岩土工程中的应用[J].贵州地质,1990,24(3):261—264.
99.陈子荫.由位移测定值反算流变岩体变形参数及地应力[J].煤炭学报,1982,7
100.杨敏,任红林.智能岩土工程的特点初探[J].同济大学学报,2000,28(6):636-640
101.吉林,赵启林,冯兆祥.岩土工程反分析的研究进展[J],水利水运工程学报,2002,4,57-63.
102.吕爱钟,蒋斌松.岩石力学反问题[M].北京:煤炭工业出版社,1998.
103.刘怀恒.地下工程位移反分析原理应用及其发展[J].西安矿业学院学报,1988,8(3):1-10
104. Gnirk, P. F., Fossum, A. F. On the formulation of stability and design of design criteria for compressed air energy storage in hard rock caverns[J]. Proceedings of the Intersociety Energy Conversion Engineering Conference. Aug 5-10, 1979. Am Chem Soc p 429-440.
105. Miller, Stephen A., Gardner, Bruce H. Long-term stability of bryan mound solution caverns for LPG storage, with worst-case scenario[J]. Salts & Brines'85, Proceedings of the Symposium-Solution Mining of Salts and Brines. 1985 Sponsored by: Soc of Mining Engineers of AIME, NewYork, NY, USA Soc of Mining Engineers of AIME p 71-80
106. Hagan, T. N., Design and Performance of Underground Excavation[J]. ISRM Symposium Sponsored by: Int Soc for Rock Mechanics, Lisbon, Port British Geotechnical Soc, 1984, p 255-262
107.余裕泰,黄赛超.坚硬而不完整岩体中地下洞室的分期开挖[J].地下工程,1984年11月,31～35.
108.朱维申,王平.动态规划原理在洞室群施工力学中的应用[J],岩石力学与工程学报,1992,11(4):323～331.
109.朱万成,赵文,林韵梅.正交有限元分析方法在锚喷参数优化中的应用[J].金属矿山,1998(3):4～6
110.朱万成,唐春安.地下洞室开挖与支护有限元分析[J].岩土工程技术,2000(1):2～6
111.邓建,古德生,李夕兵.无间柱连续采矿采场参数的多指标正交有限元设计[J].中南工业大学学报,1999,30(5).
112.肖专文,岩体开挖与充填的三维数值模拟及优化研究[D].沈阳:东北大学博士学位论文,1997
113.肖专文,张其志,赵文等.遗传算法与神经网络协同求解采矿工程中的优化问题[J].中国矿业,1998,7(1):78～82
114.周科平,古德生.遗传算法优化地下矿山开采顺序的应用研究[J].中国矿业,2001,10(5):50-54
115.张玉祥,包四根.复杂地质体中地下硐室的施工优化与稳定性评价[J].岩石力学与工程学报,2000,19(6):722-725
116.肖明.地下洞室施工开挖三维动态过程数值模拟分析[J].岩土工程学报,2000,22(4):421～425
117.安红刚,冯夏庭.大型洞室群稳定性与优化的进化有限元方法研究[J],岩土力学,2001,Vol22(4):373-377
118.安红刚,大型洞室群稳定性分析与优化的综合集成智能方法研究[D],中国科学院研究生院博士学位论文,2002,5
119.安红刚,冯夏庭,李邵军.大型洞室群稳定性与优化的并行进化神经网络有限元方法研究—第一部分:理论模型[J],岩石力学与工程学报,2003,5,22(5),706-710
120.安红刚,冯夏庭.大型洞室群稳定性与优化的并行进化神经网络有限元方法研究—第二部分:实例研究[J],岩石力学与工程学报,2003,5,22(10),p1640-1645
121.姜谙男,冯夏庭,刘建,刘红亮,基于三维数值模拟的地下大型洞室锚固参数智能优化[J],岩石力学与工程学报,2003,23(10):1700-1705。
122.高玮,郑颖人,蚁群算法及其在硐群施工优化中的应用[J],岩石力学与工程学报,2002,21(4)471-474
123.尹顺德,滑坡加固方案优化智能方法研究[D],中科院研究生院硕士学位论文,2003,7
124.王建宇,隧道工程监测和信息化设计原理[M],北京:中国铁道出版社,1990.
125.宋振骐,顶板控制专家系统的研制[J],煤炭科学技术,1989,No.10,p29-32
126.李世辉,吴向阳,尚彦军,地下工程半经验半理论设计方法的理论基础—围岩-支护系统是一种开放的复杂巨系统[J],岩石力学与工程学报,21(3)299-304
127.白李妍,张弥.隧道工程环境影响的动态优化控制[J],岩石力学与工程学报,21(3)393-397
128.张兴武,徐小武,彭立彬等,地下洞室安全监控分析模型探讨[J],岩石力学与工程学报,21(增):2370-2374
129.张兴武,徐小武,彭立彬等,地下洞室安全监控软件系统的智能化问题[J],岩石力学与工程学报,21(增):2542-2547
130.朱合华,姜勇,夏才初等,复杂地质条件下隧道信息化施工综合技术研究[J],岩石力学与工程学报,21(增):2548-2553
131.于学馥,于加,徐骏,岩石力学新概念与开挖结构优化设计[M],北京:科学出版社,1995
132.刘维宁,张弥,邝明,城市地下工程环境影响控制理论及其应用[J],土木工程学报,1997,30(5):66-75
133.孙钧,城市地下工程施工安全的智能预测与控制及其三维仿真模拟系统研究[J],岩石力学与工程学报,Vol18(增):747-752
134.韩凤山,康立勋,煤矿巷道锚杆支护围岩分类专家系统[J],岩石力学与工程学报.2002,21(增)2238-2241
135.王述红,朱浮声,张凯,刘斌.岩体隧道施工过程智能辅助决策系统的实现[J],岩石力学与工程学报,21(4)590-594
136.二滩水电开发有限责任公司,岩土工程安全监测手册[M],中国水利水电出版社,1998,12
137.李元海,朱合华.岩土工程施工监测信息系统初探[J],岩土力学,2002,Vol23(1): 103-106
138.涂新斌,何振宁,刘大安等,铁路地质综合勘探方法决策支持系统设计研究[J],岩土工程学报,2001,Vol23(2):231-234
139.孙钧,袁金荣.盾构施工扰动与地层移动及其智能神经网络预测[J],岩土工程学报,2001,Vol23(1):261267
140.Feng Xiating, Hudson. INTEGRATED ANALISYS APPROACHES TO ROCK MECHANICS PROBLEMS[J].岩石力学与工程学报.2002,21(11):1702-1707.
141.冯卫星,徐明新.铁路隧道新奥法施工新实践[J].岩石力学与工程学报,2001,20(4):524-526.
142.吴中如,顾冲时.大坝安全综合评价专家系统[M],北京:北京科学技术出版社,1997,12
143.吴中如等.水工建筑物安全监控理论及其应用[M].南京:河海大学出版社,1991
144. Sun Jun, Huang Wei. An Optimization Method for Elasto-Plastic Inversion of Parameters in Rock Mechanics[J]. Chinese Journal of Rock Mechanics and Engineering, 1995, 14(Supp): 394～400
145.姜谙男,冯夏庭,高玮等,大型洞室群收敛位移分析的集成智能研究[J],岩石力学与工程学报,21(增2):2501-2505
146.袁金荣,地下工程施工变形的智能预测与控制[D],同济大学博士论文,2001,3
147.冯夏庭,智能岩石力学(3)—智能岩石工程[J],岩石力学与工程学报,18(4),475—478
148.刁心宏,冯夏庭,于培言等,空场采矿法采场顶板破坏模式识别专家系统[J],中国有色金属学报,2001,11(1):157-161
149.曹国金,姜弘道,信息化施工技术在地下工程中的应用[J],岩土力学,2002,vol23,6
150.李晓红.隧道新奥法及其量测技术[M].北京:科学出版社,2002
151.全林编,科技史简论[M],北京:科学出版社,2002,3
152.胡守仁,沈清,胡德文,神经网络应用技术[M],长沙:国防科技大学出版社,1993,11
153. Vapnik V. The Nature of Statistical Learning Theory[M], Springer-Verlag, New York. 1995
154. Suykens J. A. K., De Brabanter J., Lukas L., Vandewalle J. Weighted least squares support vector machines: robustness and sparse approximation[J]. Neurocomputing, Special issue on fundamental and information processing aspects ofneurocomputing, 2002, 48(1-4), 85-105.
155. geniou T, Pontil M, Poggio T. Regularization networks and support vector machines[J]. Advances in Computational Mathematics. 2000. 13(1): 1-50.
156. ari S, Wu S. Improving support vector machine classifiers by modifying kernel functions[J]. Neural Networks. 1999. 12(6): 783-789
157. Vapnik VN. An overview of statistical learning theory[J]. IEEE Trans Neural Network. 1999. 10(5): 988-999
158. Suykens J. A. K, Vandewalle J. Least square support vector machine classifiers[J]. Neural Processing Letters. 1999. 9(3): 293-300.
159. Suykens J. A. K, Vandewalle J. Recurrent least squares support vector machines[J]. IEEE Transactions on Circuits and System-Ⅰ. 2000. 47(7): 1109-1114.
160. Van Gestel T, Suykens J. A. K, Lanckriet G. et al. Bayesian framework for least squares support vector machine classifiers, gaussian processes and kernel fisher discriminant analysis[J], Neural Computation. 2002. 15(5): 1115-1148.
161. MacKay D. J.C. Bayesian interpolation[J]. Neural Computation. 1992.4(3): 415-447.
162. Joachims T. Making large-scale SVM Learning Practical [R] . LS8-Report, 24, University Dortmund, LS Ⅷ-Report, 1998
163. Keerthi S S, etal. Improvments to Platt's SMO Algorithm for SVM Classsier Design[R]. CD-99-14, Dept of Mecha and Prod. Engin. National Uni of Singapore, 1999
164. Osune, R. Freund, F. Girosia. S upport Vector Machines: Training and application Technical Report AIM-1602, MITA. I. Lab, 1996
165. Shevade S K, Keerthi S S, Bhattacharyya C, Murthy K R K. Improvements to the SMO algorithm for SVM regression[J]. IEEE Transactions on Neural Networks, 2000, 11(5): 1188-1193
166.张学工.关于统计学习理论与支持向量机[J].自动化学报,2000
167.谭东宁,谭东汉.小样本机器学习理论:统计学习理论[J].南京理工大学学报,2001,25(1),108-112
168. Masanobu Tezuka, Tadahiko Seoka, Latest technology of under ground rock cavern excavation in Japan[J], Tunnelling and Underground Space Technology 18 (2003) 127-144
169. Michele Sapigni, Giovanni La Barbera, Monica Ghirotti, Engineering geological characterization and comparison of predicted and measured deformations of a cavern in the Italian Alps[J], Engineering Geology 69 (2003) 47-62
170. Toshio Maejima ,Hiroshi Morioka, Takayuki Mori, Evaluation of loosened zones on excavation of a large underground rock cavern and application of observational construction techniques[J], Tunnelling and Underground Space Technology 18 (2003) 223-232
171.褚蕾蕾,陈绥阳,周梦,计算智能的数学基础[M],北京:科学出版社,2002,9
172.史忠值,知识发现[M],清华大学出版社,2002,1
173.云庆夏,黄光球,王战权.遗传算法和遗传规划[M].北京:冶金工业出版社,1997
174.王小平,贾立明,遗传算法理论应用与软件实现[M],西安:西安交通大学出版社,2002,
175.陈国良,王煦法,庄镇泉等.遗传算法及其应用[M],北京:人民邮电出版社,1999,5
176.谢康林,赵京,智能化决策支持系统结构框架的研究[J],上海交通大学学报,1996,30(6):76-80。
177.屈英,智能决策支持的一种实现方法[J],系统工程理论与实践,1999,6,22-28
178.陈亮,智能决策支持系统IDSS的建立[J],福州大学学报(自然科学版),1997,25(2):65-69
179.王宗军,智能决策支持系统的结构模型及研究趋势[J],决策与决策支持系统,1997,vol7(2):49-56
180.戚百丽,智能决策支持系统技术的研究[D],北京理工大学硕士论文,2001,3
181.高洪深,决策支持系统(DSS)-理论.方法.案例[M],清华大学出版社,2000,9
182.陈国良,并行计算——结构·算法·编程,高等教育出版社,1999,pp.332-352
183.都志辉,李三立,高性能计算并行编程技术—MPI并行程序设计[M],清华大学出版社,2001.
184.李晓梅,莫则尧,胡庆丰等著.可扩展并行算法的设计与分析[M],北京:国防工业出版社,2000,6～16
185. FENG XIA TING, LI SHAO JUN, etc. Visual Parallel Computing in Intelligent Rock and Soil Mechanics[A]. 2001 IRSM International Symposium-2nd Asian Rock Mechanics Symposium[C], Beijing: Blakema, 2001.
2.朱维申,何满潮,复杂条件下围岩稳定性与岩体动态施工力学[M],北京:科学出版社,1995.
3.候学渊,束昱.论二十一世纪我国城市地下空间发展战略[J],岩石力学与工程学报,1999,18(增):775-778.
4.钱七虎.地下空间开发利用的第四次浪潮及中国的现状、前景和发展战略[J].中国岩石力学与工程学会第六次学术大会论文集,中国科学技术出版社,2000,10.
5.肖明,地下洞室围岩稳定与支护数值分析方法研究[D],武汉大学博士学位论文,2002,11.
6.李世辉,隧道支护设计新论[M],北京:科学出版社,1999.
7.李世辉,隧道围岩稳定系统分析[M],北京:中国铁道出版社,1991.
8.周思孟,复杂岩体若干岩石力学问题[M],北京:中国水利水电出版社,1998.
9.夏才初,李永盛.地下工程测试理论与监测技术[M].上海:同济大学出版社,1999.
10.李协生,地下水电站建设[M],北京:水利电力出版社,1993,9.
11.周维垣,刘怀恒等,高等岩石力学[M],中国岩石力学与工程学会,1989.
12.薛守义,刘汉东.岩体力学的基本问题与科学方法论[J].岩石力学与工程学报,1999,15(4):405-406.
13.于学馥,岩石记忆与开挖理论[M],北京:冶金工业出版社,1993,8.
14.蔡美峰,何满潮,刘东燕,岩石力学与工程[M],北京:科学出版社,2002.
15.王思敬.中国岩石力学与工程的世纪成就与历史使命[J],岩石力学与工程学报,2003,22(6):867-871.
16.冯夏庭.智能岩石力学导论[M].北京科学出版社,2000.
17.冯夏庭,朱维申,智能岩石力学在地下工程中的应用[J],岩石力学与工程学报 1999,18(增):822-826.
18.冯夏庭,王泳嘉,林韵梅.地下工程力学综合集成智能分析的理论和方法[J],岩土工程学报,1997,19(1):30-35.
19.孙钧.世纪之交岩石力学研究的若干进展[J].见:陆培炎,史永胜编.第六届全国岩土力学数值分析与解析方法讨论会文集.广州:广东科技出版社,1998:115.
20.黄润秋.正确的思维方式是学科发展的源泉[J].岩石力学与工程学报,1994,13(3):283-287.
21.二滩水电开发有限责任公司,岩土工程安全监测手册[M],中国水利水电出版社,1998, 12.
22.潘吕实,张弥,吴鸿庆,隧道力学数值方法[M],北京:中国铁道出版社,1993.
23.朱维申,王可钧,刘艳青,地下工程的监测与数值计算[J],岩石力学与工程学报,1999,18(增):747-752.
24. FLAC-3D. Fast LagrangianAnalysis of Continua in 3 Dimensions, Version 2.0, USER'S MANUAL, Itasca Consulting Group, Inc. USA.
25.王泳嘉,邢纪波.离散单元法及其在岩土力学中的应用[M],沈阳:东北工学院出版社,1991.
26.张勇慧,邱祥波,朱维申等,DDA方法在溪洛渡地下厂房群开挖中的应用[J],岩石力学与工程学报,18(增):945-947.
27.陈帅宇,周维垣,杨强等.三维快速拉格郎日法进行水布垭地下厂房的稳定分析[J],岩石力学与工程学报, 2003,22(7),1047-1053.
28.姜谙男,刘建,李洪东,水布垭枢纽地下厂房开挖支护过程的三维数值模拟[J],岩土力学,25(1):45-49.
29.李仲奎,戴荣,姜逸明,FLAC3D分析中的初始应力场生成及在大型地下洞室群计算中的应用[J],岩石力学与工程学报,Vol21(增2):2387-2392.
30. K. R. Dhawana, D. N. Singhb, I. D. Gupta, 2D and3D. nite element analysis of underground openings in an inhomogeneous rock mass[J], International Journal of Rock Mechanics & Mining Sciences, 39 (2002) 217-227.
31. E. Eberhardt, Numerical modelling of three-dimension stress rotation ahead of an advancing tunnel face[J], International Journal of Rock Mechanics & Mining Sciences 38 (2001) 499-518.
32. G. Swoboda, A. Abu-Krisha, Three-Dimensional Numerical Modelling for TBM Tunnelling in Consolidated Clay[J], Tunnelling and Underground Space Technology, Vol. 14, No. 3, pp. 327-333, 1999.
33.刘建,冯夏庭.海南大广坝水电工程输水隧道支护结构设计及稳定性分析[J],岩石力学与工程学报.2002,21(增)1962-1966.
34.白世伟,林鲁生,徐邦树,凤岗隧洞三维非线性仿真模拟[J],岩土力学,vol.23 No.6,2002,
35.吉小明,张选兵,白世伟,浅埋暗挖地铁隧道开挖过程的模拟研究[J],岩土力学,vol.23No.6,2002.
36.罗先启,葛修润,郑宏.软硬相间层岩中地下厂房稳定性研究[J],岩土力学,2002,Vol23 (3)297-299.
37.徐军,郑颖人,隧道围岩弹塑性随机有限元分析及可靠度设计[J],岩土力学,2003,vol24(1):70-74.
38.丁秀丽,盛谦,邬爱清等,水布垭枢纽地下厂房施工开挖与加固的数值模拟[J],岩石力学与工程学报.2002,21(增)2162-2167.
39.丁秀丽,盛歉,韩军等,预应力锚索锚固机理的数值模拟试验研究[J],岩石力学与工程学报,2002,21(7):980-988.
40.张玉军,朱维申,杨家岭,近距离双隧道开挖与支护稳定性的粘弹塑性有限元计算[J],岩石力学与工程学报,18(增):855-859.
41.李庶林,毛建华,叶粤文等,岩爆巷道支护的数值模拟研究[J],岩石力学与工程学报,18(增):933-935.
42.寇晓东,周维垣,杨若琼等。应用三维快速拉格朗日法进行三峡船闸高边坡锚固稳定与机理研究[J],土木工程学报,2002,35(1),68-74.
43.肖明,王阳雪.陡倾角层状岩体中地下厂房洞室围岩稳定性分析[J],岩石力学与工程学报.2002,21(增)2057-2060.
44.蒋宇静,肖俊,棚桥由彦,沟上建等,三维数值模拟技术在深部大型发电站厂房信息化施工中的应用[J],岩石力学与工程学报,2003,22(6):957-964.
45.王暖堂.城市地铁复杂洞群浅埋暗挖法的有限元模拟[J],岩土力学,2001,Vol22(4): 504-508
46.朱维申,李术才,白世伟,张玉军.开挖支护的时空变载分析原理及工程实例[J].岩 石力学与工程学报.2002,21(增)2168-2171.
47.李术才,陈卫忠,朱维申等.某地下电站厂房围岩稳定性及锚固效应研究[J],岩土力学,2003,vol24(4),510-513.
48.徐干成.粘弹性边界元法预测锚喷支护隧道围岩稳定性[J],岩土力学,2002,Vol22(3): 1215.
49. Ogata, Y.; Tomishima, Y. et al. Deformation of rock mass sround underground mine roadway by in-situ measurements[J], Pro2nd int Syrup, on field Measurements in Geomechanics, Kobe, 6-9, April, 1987(2)713-724.
50.李斯海.枫林1号隧道施工监测与围岩变形分析[J].隧道与地下工程,1989,10(3).
51.刘怀恒.地下工程位移反分析原理应用及其发展[J].西安矿业学院学报,1988,8(3)1-10.
52.林跃忠,林登阁.巷道表面收敛变形的预测研究[J],岩石力学与工程学报.2002,21(增)2084-2086.
53.李文秀.地下开挖地表移动的模糊数学分析[J].岩土工程学报,1991,13(2)21-30.
54.陈子荫.时间序列分析—一种预报岩体力学行为的可能途径[J].岩土工程学报,1991,13(4):87-95.
55.高玮,岩土工程反分析的计算智能研究[D],后勤工程学院博士学位论文,2002.6.
56.张治强,冯夏庭,杨成祥等.非线性位移时间序列分析的遗传-神经网络方法[J].东北大学学报,1999,20(4)422-425.
57.冯夏庭,张治强.长江三峡工程永久船闸高边坡开挖变形的智能预测[J].辽宁工程技术大学学报.1999,18(5)463-465.
58.冯夏庭,王泳嘉,岩石力学的一种集成智能理论模型[J],东北大学学报(自然科学版),1995,16(1):1-5.
59.高玮,郑颖人.岩土工程中的几种位移预测方法探讨[M].中国岩石力学与工程学会编.中国岩石力学与工程学会第六次学术大会论文集.北京:中国科学技术出版社,2000:90-93.
60.赵洪波,非线性岩土力学行为的支持向量机研究[D],中国科学院研究生院博士学位论文,2003,6.
61.赵洪波,冯夏庭.支持向量机函数拟合的边坡稳定性估计[J].岩石力学与工程学报,2003,22(2):241-245
62.赵洪波,冯夏庭.福宁高速公路八尺门滑坡变形演化规律预测研究[J],岩土力学,2003,vol24(4),631-633
63. Chen Zhiyin. Time series analysis applied to displacement prediction in NATM[J], Pro. Int. Symp. on Mondern Mining Technilogy, Taian, 1988, 315-320
64. X. T. Feng, Z. Q. Zhang, P. Xu. Adaptive and Intelligent Prediction of Deformation Time Series of High Rock Slope[J]. Trans. Nonferrous Met. Soc., 1999, (4): 842-846
65.王述红,田军,肖福坤,等.遗传神经网络方法预测地下工程位移演化规律[J].东北大学学报,2000,21(5):562-565
66.孙豁然,王述红,宫永军,等.大型地下硐室开挖过程位移变形智能预测[J].煤炭学报,2001,26(1):45-48
67.朱永全,景诗庭,张清.时间序列分析在隧道施工监测中的应用[J].岩石力学与工程学报,1996,15(4):353-359
68.李术才,王渭明,王拉才.非线性时序分析模型在地下工程位移预报中的应用[J].岩土工程学报,1997,19(4):15-20
69.黄修云,曹国安,张清.人工神经元网络在地下工程预测中的应用[J].北方交通大学学报,1998,22(1):39-43
70.王平,袁丛华,朱维申.基于地下工程实测结果的位移预报模型[J].岩土力学,1992,13(4):15-23
71.孙奇涵,王永岩,张永利,等.利用灰色模型预测巷道围岩变形[J].应用力学学报,1997,14(3):136-140
72.陈有亮.非等距时间序列的GM(1,1)模型及其在地下工程中的应用[J].计算结构力学及其应用,1996,13(4):483-488
73.廖野澜,谢谟文.监测位移的灰色预报[J].岩石力学与工程学报,1996,15(3):269274
74.吴雅,杨叔子,陶建华.灰色预测及时序预测的探讨[J].华中理工大学学报,1988,16(3):27-34
75.张玉祥.岩土工程时间序列预报问题初探[J].岩石力学与工程学报,1998,17(5):552-558.
76. Kavanagh K T, Clough R W. Finite element application in the characterization of elastic solids [J]. Int J Solids structures, 1972(7): 11-23.
77. Kirsten H A D. Determination of rock mass elastic moduli by back nanlusis of deformation measurement[J]. In: Pro Stmp on Expliration for Rock Eng. Johanesburg, 1976, 1154-1160.
78. Gioda G, Maier G. Direct search solution of an inverse problem in elasto -plasticity, indentification of cohesion, friction angle and in-situ stress by pressure tunnel tests[J]. Int J Num Methods in Eng, 1980(15): 1823-1834.
79.王芝银,杨志法,王思敬.岩石力学位移反演分析回顾及进展[J].力学进展,1998,28(4),488-498.
80.杨林德,等.岩土工程问题的反演理论与工程实践[M].北京:科学出版社,1996.
81.孙均等.岩石力学参数弹塑性反演问题的优化问题[J],岩石力学与工程学报,1992,11(3),221-229.
82.王芝银,李云鹏.地下工程位移反分析法及程序[M].西安:陕西科学技术出版社,1993,
83.朱维申等.考虑时空效应的地下洞室变形观测及反分析[J].岩石力学与工程学报,1989,8(4)346-353
84. Hisatake. Back Analysis in Tunneling[J]. In: E. A. Vargas, D. F. Azevedo, L. M. R. Sousal, et al(Edt). Applications of Computational Mechanics in Geotechnical Engineering. Rotterdam: Balkema, 1994: 314
85. S. Sakurai, K. Takeuchi. Back Analysis of Measured Displacement of Tunne[J]1. Rock Mech. and Rock Eng., 1983, 16(3): 173-180
86.吕爱钟.地下巷道弹性位移反分析各种优化方法的探讨[J].岩土力学,1996,17(2):29-33
87.孙钧,蒋树屏,袁勇,等.岩土力学反演问题的随机理论与方法[M].汕头:汕头大学出版社,1996
88.李仲奎,王爱民,莫兴华等.大型地下洞群时空双系列反馈分析[J],清华大学学报(自然科学版),1998,38(1):50-54
89.李仲奎,莫兴华,王爱民等.地下洞室松动区模型及其在反馈分析中的应用[J],水利水电技术,1999,30(5):49-51
90.李素华,朱维申.优化方法在弹性、横观各向同性以及弹塑性围岩变形观测反分析中的应用[J].岩石力学与工程学报,1993,12(2):105-114
91.沈珠江、赵魁芝,堆石坝流变变形的反馈分折[J],水利学报,1998,6,1-6
92.陈胜宏,陈尚法,杨启贵.三峡工程船闸边坡的反馈分析[J],岩石力学与工程学报,2001,21(5):619-626
93.梁艳春,周春光,王在申.人工神经网络应用于地下洞室围岩参数识别的研究[J].模式识别与人工智能,1996,9(1):71-77
94.邓建辉,李焯芬,葛修润.BP网络和遗传算法在岩石边坡位移反分析中的应用[J].岩石力学与工程学报,2001,20(1):15
95.林育梁,樱井春辅.应用模糊有限元法的一种反分析形式[J].岩土工程学报,1995,17(5):48-55
96.高玮,郑颖人.岩土力学反分析及其集成智能研究[J].岩土力学,2001,22(1):114-116
97.冯夏庭,张志强,扬成祥等,位移反分析的进化神经网络方法研究[J],岩石力学与工程学报,18(5):497-502
98.王纯瑾.反分析在岩土工程中的应用[J].贵州地质,1990,24(3):261—264.
99.陈子荫.由位移测定值反算流变岩体变形参数及地应力[J].煤炭学报,1982,7
100.杨敏,任红林.智能岩土工程的特点初探[J].同济大学学报,2000,28(6):636-640
101.吉林,赵启林,冯兆祥.岩土工程反分析的研究进展[J],水利水运工程学报,2002,4,57-63.
102.吕爱钟,蒋斌松.岩石力学反问题[M].北京:煤炭工业出版社,1998.
103.刘怀恒.地下工程位移反分析原理应用及其发展[J].西安矿业学院学报,1988,8(3):1-10
104. Gnirk, P. F., Fossum, A. F. On the formulation of stability and design of design criteria for compressed air energy storage in hard rock caverns[J]. Proceedings of the Intersociety Energy Conversion Engineering Conference. Aug 5-10, 1979. Am Chem Soc p 429-440.
105. Miller, Stephen A., Gardner, Bruce H. Long-term stability of bryan mound solution caverns for LPG storage, with worst-case scenario[J]. Salts & Brines'85, Proceedings of the Symposium-Solution Mining of Salts and Brines. 1985 Sponsored by: Soc of Mining Engineers of AIME, NewYork, NY, USA Soc of Mining Engineers of AIME p 71-80
106. Hagan, T. N., Design and Performance of Underground Excavation[J]. ISRM Symposium Sponsored by: Int Soc for Rock Mechanics, Lisbon, Port British Geotechnical Soc, 1984, p 255-262
107.余裕泰,黄赛超.坚硬而不完整岩体中地下洞室的分期开挖[J].地下工程,1984年11月,31～35.
108.朱维申,王平.动态规划原理在洞室群施工力学中的应用[J],岩石力学与工程学报,1992,11(4):323～331.
109.朱万成,赵文,林韵梅.正交有限元分析方法在锚喷参数优化中的应用[J].金属矿山,1998(3):4～6
110.朱万成,唐春安.地下洞室开挖与支护有限元分析[J].岩土工程技术,2000(1):2～6
111.邓建,古德生,李夕兵.无间柱连续采矿采场参数的多指标正交有限元设计[J].中南工业大学学报,1999,30(5).
112.肖专文,岩体开挖与充填的三维数值模拟及优化研究[D].沈阳:东北大学博士学位论文,1997
113.肖专文,张其志,赵文等.遗传算法与神经网络协同求解采矿工程中的优化问题[J].中国矿业,1998,7(1):78～82
114.周科平,古德生.遗传算法优化地下矿山开采顺序的应用研究[J].中国矿业,2001,10(5):50-54
115.张玉祥,包四根.复杂地质体中地下硐室的施工优化与稳定性评价[J].岩石力学与工程学报,2000,19(6):722-725
116.肖明.地下洞室施工开挖三维动态过程数值模拟分析[J].岩土工程学报,2000,22(4):421～425
117.安红刚,冯夏庭.大型洞室群稳定性与优化的进化有限元方法研究[J],岩土力学,2001,Vol22(4):373-377
118.安红刚,大型洞室群稳定性分析与优化的综合集成智能方法研究[D],中国科学院研究生院博士学位论文,2002,5
119.安红刚,冯夏庭,李邵军.大型洞室群稳定性与优化的并行进化神经网络有限元方法研究—第一部分:理论模型[J],岩石力学与工程学报,2003,5,22(5),706-710
120.安红刚,冯夏庭.大型洞室群稳定性与优化的并行进化神经网络有限元方法研究—第二部分:实例研究[J],岩石力学与工程学报,2003,5,22(10),p1640-1645
121.姜谙男,冯夏庭,刘建,刘红亮,基于三维数值模拟的地下大型洞室锚固参数智能优化[J],岩石力学与工程学报,2003,23(10):1700-1705。
122.高玮,郑颖人,蚁群算法及其在硐群施工优化中的应用[J],岩石力学与工程学报,2002,21(4)471-474
123.尹顺德,滑坡加固方案优化智能方法研究[D],中科院研究生院硕士学位论文,2003,7
124.王建宇,隧道工程监测和信息化设计原理[M],北京:中国铁道出版社,1990.
125.宋振骐,顶板控制专家系统的研制[J],煤炭科学技术,1989,No.10,p29-32
126.李世辉,吴向阳,尚彦军,地下工程半经验半理论设计方法的理论基础—围岩-支护系统是一种开放的复杂巨系统[J],岩石力学与工程学报,21(3)299-304
127.白李妍,张弥.隧道工程环境影响的动态优化控制[J],岩石力学与工程学报,21(3)393-397
128.张兴武,徐小武,彭立彬等,地下洞室安全监控分析模型探讨[J],岩石力学与工程学报,21(增):2370-2374
129.张兴武,徐小武,彭立彬等,地下洞室安全监控软件系统的智能化问题[J],岩石力学与工程学报,21(增):2542-2547
130.朱合华,姜勇,夏才初等,复杂地质条件下隧道信息化施工综合技术研究[J],岩石力学与工程学报,21(增):2548-2553
131.于学馥,于加,徐骏,岩石力学新概念与开挖结构优化设计[M],北京:科学出版社,1995
132.刘维宁,张弥,邝明,城市地下工程环境影响控制理论及其应用[J],土木工程学报,1997,30(5):66-75
133.孙钧,城市地下工程施工安全的智能预测与控制及其三维仿真模拟系统研究[J],岩石力学与工程学报,Vol18(增):747-752
134.韩凤山,康立勋,煤矿巷道锚杆支护围岩分类专家系统[J],岩石力学与工程学报.2002,21(增)2238-2241
135.王述红,朱浮声,张凯,刘斌.岩体隧道施工过程智能辅助决策系统的实现[J],岩石力学与工程学报,21(4)590-594
136.二滩水电开发有限责任公司,岩土工程安全监测手册[M],中国水利水电出版社,1998,12
137.李元海,朱合华.岩土工程施工监测信息系统初探[J],岩土力学,2002,Vol23(1): 103-106
138.涂新斌,何振宁,刘大安等,铁路地质综合勘探方法决策支持系统设计研究[J],岩土工程学报,2001,Vol23(2):231-234
139.孙钧,袁金荣.盾构施工扰动与地层移动及其智能神经网络预测[J],岩土工程学报,2001,Vol23(1):261267
140.Feng Xiating, Hudson. INTEGRATED ANALISYS APPROACHES TO ROCK MECHANICS PROBLEMS[J].岩石力学与工程学报.2002,21(11):1702-1707.
141.冯卫星,徐明新.铁路隧道新奥法施工新实践[J].岩石力学与工程学报,2001,20(4):524-526.
142.吴中如,顾冲时.大坝安全综合评价专家系统[M],北京:北京科学技术出版社,1997,12
143.吴中如等.水工建筑物安全监控理论及其应用[M].南京:河海大学出版社,1991
144. Sun Jun, Huang Wei. An Optimization Method for Elasto-Plastic Inversion of Parameters in Rock Mechanics[J]. Chinese Journal of Rock Mechanics and Engineering, 1995, 14(Supp): 394～400
145.姜谙男,冯夏庭,高玮等,大型洞室群收敛位移分析的集成智能研究[J],岩石力学与工程学报,21(增2):2501-2505
146.袁金荣,地下工程施工变形的智能预测与控制[D],同济大学博士论文,2001,3
147.冯夏庭,智能岩石力学(3)—智能岩石工程[J],岩石力学与工程学报,18(4),475—478
148.刁心宏,冯夏庭,于培言等,空场采矿法采场顶板破坏模式识别专家系统[J],中国有色金属学报,2001,11(1):157-161
149.曹国金,姜弘道,信息化施工技术在地下工程中的应用[J],岩土力学,2002,vol23,6
150.李晓红.隧道新奥法及其量测技术[M].北京:科学出版社,2002
151.全林编,科技史简论[M],北京:科学出版社,2002,3
152.胡守仁,沈清,胡德文,神经网络应用技术[M],长沙:国防科技大学出版社,1993,11
153. Vapnik V. The Nature of Statistical Learning Theory[M], Springer-Verlag, New York. 1995
154. Suykens J. A. K., De Brabanter J., Lukas L., Vandewalle J. Weighted least squares support vector machines: robustness and sparse approximation[J]. Neurocomputing, Special issue on fundamental and information processing aspects ofneurocomputing, 2002, 48(1-4), 85-105.
155. geniou T, Pontil M, Poggio T. Regularization networks and support vector machines[J]. Advances in Computational Mathematics. 2000. 13(1): 1-50.
156. ari S, Wu S. Improving support vector machine classifiers by modifying kernel functions[J]. Neural Networks. 1999. 12(6): 783-789
157. Vapnik VN. An overview of statistical learning theory[J]. IEEE Trans Neural Network. 1999. 10(5): 988-999
158. Suykens J. A. K, Vandewalle J. Least square support vector machine classifiers[J]. Neural Processing Letters. 1999. 9(3): 293-300.
159. Suykens J. A. K, Vandewalle J. Recurrent least squares support vector machines[J]. IEEE Transactions on Circuits and System-Ⅰ. 2000. 47(7): 1109-1114.
160. Van Gestel T, Suykens J. A. K, Lanckriet G. et al. Bayesian framework for least squares support vector machine classifiers, gaussian processes and kernel fisher discriminant analysis[J], Neural Computation. 2002. 15(5): 1115-1148.
161. MacKay D. J.C. Bayesian interpolation[J]. Neural Computation. 1992.4(3): 415-447.
162. Joachims T. Making large-scale SVM Learning Practical [R] . LS8-Report, 24, University Dortmund, LS Ⅷ-Report, 1998
163. Keerthi S S, etal. Improvments to Platt's SMO Algorithm for SVM Classsier Design[R]. CD-99-14, Dept of Mecha and Prod. Engin. National Uni of Singapore, 1999
164. Osune, R. Freund, F. Girosia. S upport Vector Machines: Training and application Technical Report AIM-1602, MITA. I. Lab, 1996
165. Shevade S K, Keerthi S S, Bhattacharyya C, Murthy K R K. Improvements to the SMO algorithm for SVM regression[J]. IEEE Transactions on Neural Networks, 2000, 11(5): 1188-1193
166.张学工.关于统计学习理论与支持向量机[J].自动化学报,2000
167.谭东宁,谭东汉.小样本机器学习理论:统计学习理论[J].南京理工大学学报,2001,25(1),108-112
168. Masanobu Tezuka, Tadahiko Seoka, Latest technology of under ground rock cavern excavation in Japan[J], Tunnelling and Underground Space Technology 18 (2003) 127-144
169. Michele Sapigni, Giovanni La Barbera, Monica Ghirotti, Engineering geological characterization and comparison of predicted and measured deformations of a cavern in the Italian Alps[J], Engineering Geology 69 (2003) 47-62
170. Toshio Maejima ,Hiroshi Morioka, Takayuki Mori, Evaluation of loosened zones on excavation of a large underground rock cavern and application of observational construction techniques[J], Tunnelling and Underground Space Technology 18 (2003) 223-232
171.褚蕾蕾,陈绥阳,周梦,计算智能的数学基础[M],北京:科学出版社,2002,9
172.史忠值,知识发现[M],清华大学出版社,2002,1
173.云庆夏,黄光球,王战权.遗传算法和遗传规划[M].北京:冶金工业出版社,1997
174.王小平,贾立明,遗传算法理论应用与软件实现[M],西安:西安交通大学出版社,2002,
175.陈国良,王煦法,庄镇泉等.遗传算法及其应用[M],北京:人民邮电出版社,1999,5
176.谢康林,赵京,智能化决策支持系统结构框架的研究[J],上海交通大学学报,1996,30(6):76-80。
177.屈英,智能决策支持的一种实现方法[J],系统工程理论与实践,1999,6,22-28
178.陈亮,智能决策支持系统IDSS的建立[J],福州大学学报(自然科学版),1997,25(2):65-69
179.王宗军,智能决策支持系统的结构模型及研究趋势[J],决策与决策支持系统,1997,vol7(2):49-56
180.戚百丽,智能决策支持系统技术的研究[D],北京理工大学硕士论文,2001,3
181.高洪深,决策支持系统(DSS)-理论.方法.案例[M],清华大学出版社,2000,9
182.陈国良,并行计算——结构·算法·编程,高等教育出版社,1999,pp.332-352
183.都志辉,李三立,高性能计算并行编程技术—MPI并行程序设计[M],清华大学出版社,2001.
184.李晓梅,莫则尧,胡庆丰等著.可扩展并行算法的设计与分析[M],北京:国防工业出版社,2000,6～16
185. FENG XIA TING, LI SHAO JUN, etc. Visual Parallel Computing in Intelligent Rock and Soil Mechanics[A]. 2001 IRSM International Symposium-2nd Asian Rock Mechanics Symposium[C], Beijing: Blakema, 2001.