1 绪论 1
1.1 反分析的不同描述法 2
1.1.1 数学描述法 2
1.1.2 力学描述法 3
1.1.3 信息描述法 3
1.1.4 系统描述法 4
1.2 地下工程反分析研究现状 4
1.2.1 参数反分析研究 4
1.2.2 模型反分析研究 7
1.3 反分析的仿生计算智能研究 8
1.3.1 基于人工神经网络的反分析研究 8
1.3.2 基于进化计算的反分析研究 10
1.3.3 其他仿生计算智能反分析研究 10
1.4 本书主要内容 11
参考文献 12
2 仿生计算智能原理及方法 16
2.1 人工神经网络（ANN） 18
2.1.1 多层前向神经网络 19
2.1.2 进化神经网络（ENN） 21
2.2 进化计算（EC） 25
2.2.1 遗传算法（GA） 27
2.2.2 进化规划（EP） 32
2.3 人工免疫算法 35
2.3.1 生物免疫系统 35
2.3.2 人工免疫算法 37
2.4 蚁群算法 39
2.4.1 蚁群算法的生物基础 39
2.4.2 蚁群优化算法的实现 41
2.5 粒子群优化算法 43
2.5.1 粒子群优化算法的提出 43
2.5.2 粒子群优化算法的实现 44
2.5.3 粒子群优化算法同进化算法的比较 45
2.5.4 粒子群优化算法的仿真实验 46
2.6 其他算法简介 47
2.6.1 模拟退火算法 47
2.6.2 混沌优化算法 48
2.6.3 DNA分子计算 49
参考文献 50
3 地下工程围岩物性参数反分析研究 54
3.1 进化神经网络逆反分析 54
3.1.1 神经网络反分析的必要性 54
3.1.2 进化神经网络的训练样本获取 55
3.1.3 进化神经网络算法 56
3.1.4 逆反分析的进化神经网络研究 60
3.2 仿生优化反分析研究 73
3.2.1 仿生优化反分析的必要性 73
3.2.2 改进的快速遗传算法及其在反分析中的应用 76
3.2.3 进化规划及其在反分析中的应用 83
3.2.4 免疫连续蚁群算法反分析研究 92
3.2.5 粒子群优化反分析研究 97
3.3 基于仿生优化算法的岩体渗流参数反分析研究 99
3.3.1 岩体渗透系数反演的基本模型 99
3.3.2 岩体渗透系数反演的仿生算法实现 100
3.3.3 算例分析 100
参考文献 104
4 地下工程围岩本构模型反分析研究 106
4.1 围岩弹塑性本构模型类内辨识研究 107
4.2.1 屈服函数模型反分析研究1 107
4.1.2 屈服函数模型反分析研究2 112
4.2 围岩弹黏塑性本构模型类内辨识研究 116
4.2.1 理论研究 116
4.2.2 围岩弹黏塑性模型的反分析研究 117
4.2.3 工程实例 118
4.3 围岩本构模型类间辨识与力学参数同时反分析研究 121
4.3.1 模拟生态竞争模型的提出 121
4.3.2 围岩本构模型类间辨识及参数同时反演的模拟生态竞争模型 122
4.3.3 实例分析 124
4.4 地下工程围岩本构模型反分析的其他可能研究 126
4.4.1 岩土材料本构模型识别的神经网络研究 126
4.4.2 本构模型识别的遗传程序设计研究 129
参考文献 130
5 工程应用研究 132
5.1 地下工程围岩参数逆反分析的工程应用研究 132
5.1.1 龙滩隧道工程简介 132
5.1.2 龙滩隧道工程围岩监测情况 134
5.1.3 围岩力学性质试验情况 138
5.1.4 隧道区地应力场实测情况 141
5.1.5 围岩参数及地应力场逆反分析研究 143
5.2 地下工程围岩参数优化反分析的工程应用研究 150
5.2.1 天生桥一级电站工程现场监测试验概况 150
5.3.2 试验洞围岩参数的优化反分析 154
5.3 地下工程围岩本构模型辨识的工程应用研究 156
5.3.1 某抽水蓄能电站现场位移监测试验概况 156
5.3.2 试验洞围岩体本构模型的辨识 157
参考文献 159
6 结论及展望 160
6.1 结论 160
6.2 展望 163
参考文献 164