裂隙岩体渗透张量反演分析的DFN-EHO-SA模型

摘要

为提高裂隙岩体渗透张量的计算精度，探讨裂隙规模对渗透张量的影响。通过比较遗传算法(Genetic Algorithm, GA)和象群优化算法(Elephant Herding Optimization, EHO)计算时间和精度，提出了象群优化算法(Elephant Herding Optimization, EHO)与模拟退火算法(Simulated Annealing, SA)相结合的反演方法来优选离散裂隙网络(discrete fracture network, DFN)管单元管径，建立了DFN-EHO-SA模型，分析了不同裂隙缩减规模对应的管单元尺寸和表征单元体(representative elementary volume, REV)在反演算法条件下裂隙岩体渗透张量的精度，通过实例和工程应用验证了所提出模型和算法的优越性。结果表明，象群模拟退火算法(Elephant Herding Optimization-Simulated Annealing, EHOSA)收敛速度快且不易受困于局部最优解，基于该算法建立的DFN-EHO-SA模型确定渗透张量，计算精度高；缩减裂隙规模可以极大减少计算时间，特别是缩减规模为0.7时，模型满足精度同时大幅度提升时间效率，在工程中具有较强的实用价值，为裂隙岩体渗透张量计算提供一定的参考。

关键词

离散裂隙网络 / 渗透张量 / 象群模拟退火算法 / 管单元 / 表征单元体 / 反演分析