基于张量合成与代理辅助差分进化技术的地下发电厂稳健原位应力反演

《Scientific Reports》：Robust in-situ stress inversion in an underground powerhouse using tensor synthesis and surrogate-assisted differential evolution

　　

摘要

在深部地下工程中，准确描述初始的原位应力场对于稳定性评估、支护设计以及围岩控制至关重要。然而，现场测量数据往往分布不均，且三维反演计算成本极高。本研究为西藏高原东南部一处深埋式地下发电厂开发了一种高效且可靠的反演框架。首先，通过结合粒子群优化、Huber损失函数、Levenberg–Marquardt迭代算法以及正则化方法，建立了一种三维钻孔应力综合处理方法，用以去除多源测量数据中的噪声，抑制局部异常值，并改善应力张量重建时的病态问题。其次，利用径向基函数网络构建了基于预测-验证-校正主动学习循环的替代模型辅助差分进化工作流程，从而在保持全局优化能力的同时降低重复正向模拟的成本。将该框架应用于该发电厂后，优化后的平均相对误差从14.12%降至9.34%，偏差方差从2.98降至1.33。所提出的框架不仅提升了反演输入数据的可靠性，还提高了大尺度应力重建的效率，为地质条件复杂的深部地下洞室的稳定性评估及围岩控制提供了实用支持。