摘要：针对抽水蓄能电站地下厂房施工中有限监测数据难以准确预测围岩力学行为，导致围岩失稳频发的问题，提出将粒子群优化算法（PSO）、灰狼优化算法（GWO）和BP神经网络相结合的方法，建立PSO-GWO-BP神经网络模型，并通过局部回归拟合、VDM分解和一维傅里叶变换预测等方法对监测数据进行处理，最终利用围岩位移稳定值对力学参数进行反演，依托浙江磐安抽水蓄能电站工程对该反演方法进行验证。结果表明，该方法与传统BP神经网络相比精度更高，为围岩参数反演和力学行为预测提供了更为精准和高效的解决方案。
文章目录
0 引 言
1 围岩参数反演方法
1.1 PSO-GWO-BP神经网络模型
1.2 模型参数选择
1.3 反演流程
2 计算模型
2.1 工程依托
2.2 模型建立
3 围岩参数反演与稳定性预测
3.1 围岩位移稳定值预测
3.2 围岩力学参数反演
3.3 围岩力学行为预测及支护调整
4 结 语
