摘要：博士学位论文摘要：岩体流变是影响岩石工程长期稳定性的重要因素之一,对岩体流变的研究前人已作了许多工作,取得了丰富的研究成果,但模型识别和参数辨识上仍有一些不足。岩石是一种复杂的地质材料,其周围的地质环境和工程施工环境也是复杂的,而且是变化的,这使得人们对其认识很难一步到位,因此,对岩石介质进行反复认识是必要的。为此，提出一种岩石工程长期稳定性智能反馈分析法，该方法根据现场反馈信息，对岩体不断分析研究，必要时修正流变模型结构及其参数；该方法及时动态的将现场信息和地质分析模型联系起来，现场信息既是建模的重要依据又是验证模型正确与否的重要指标，而模型分析结果又能及时为设计、施工和长期稳定性维护提供合理建议。工程实例验证了方法的可行性、合理性与优越性：（1）为了提高流变模型参数识别速度与精度，防止陷入局部最优，对遗传算法和粒子群算法进行了系统地研究，针对其不足，分别进行了改进，提出了压缩搜索空间与速度范围的粒子群优化算法（CSV-PSO）和自适应搜索空间的混沌遗传混合算法（SA-CGA）。实例表明2种改进算法的优化性能都是优越的，并对2种算法进行了参数敏感性分析，为算法稳定快速收敛提供了参数参考取值区间。（2）针对流变模型辨识存在的不足，利用遗传规划算法（GP）善于动态处理模型结构的特点，提出了一种黏弹性组合模型自适应识别方法，该方法不仅仅局限于现有的几种流变模型结构，而是对组合模型的整个结构空间进行搜索，通过流变模型、GP结构树和流变本构方程之间的相互转换，实现了模型结构参数同时识别，不同于传统的模型识别算法。乌江构皮滩水电站的实例计算表明了该算法的可行性及在发现新模型中的鲁棒性，为黏弹

关键词：岩石力学 长期稳定性 流变 参数辨识 粒子群算法 

单位：东北大学资源与土木工程学院 辽宁沈阳110004