采用BP神经网络反演隧道围岩力学参数

采用BP神经网络对公路隧道新奥法施工过程中围岩力学参数的反演分析进行了研究，通过隧道有限元方法得到了网络训练样本。对京珠高速公路坪石隧道围岩力学参数的仿真分析证明了该方法的有效性。     

基于BP神经网络的公路建设项目投资风险评价研究

利用德尔菲法,确定了公路建设项目投资风险评价指标体系。基于风险因素的非线性特征,使用Matlab软件神经网络工具箱,构建了公路建设项目BP神经网络投资风险评价模型。在江西境内的JL高速公路项目投资风险评价中实际使用该模型,验证了其有效性。     

基于BP神经网络的偏压隧道拱顶沉降预测

采用BP神经网络,以香山隧道拱顶沉降监测数据为样本进行训练,得到了相应的学习曲线,并采用所建立的神经网络预测模型,对隧道拱顶沉降进行了预测,结果表明:建立的BP神经网络模型能够很好的描述既有训练样本曲线变化特征,且预测精度与既有监测数据相关,亦与预测长度有关,预测长度较长时预测结果可信度降低。     

公路隧道岩体分级的神经网络方法

根据公路隧道岩体分级标准的要求，全面考虑各种分级指标，建立了公路隧道岩体分级的神经网络方法。对各类定性和定量指标数据进行了向量规范化处理，选取适宜的分级指标，建立起神经网络学习样本，并进行样本学习训练，其结果可作为各种公路隧道岩体分级的评判依据。据此，对韩家岭隧道围岩进行了分级和评价，证实所建立分级方法的可行性、准确性和优越性。     

某长大隧道洞身涌水量预测分析

由于突泥突水事故对长大隧道施工影响巨大,勘察期间的洞身涌水量预测成为关键.结合某长大隧道的现场勘察,利用多种复合方法对隧道的涌水量进行了综合分析,得到了该隧道的最大涌水量及正常涌水量预测值,为设计施工提供了依据.     

BP神经网络模型在深埋隧道岩爆预测中的应用

岩爆是深埋、高地应力区岩质隧道开挖施工过程中发生的主要施工地质灾害之一,它的发生对隧道施工企业的安全生产构成很大的威胁,对岩爆发生可能性及其程度的预测是这类隧道设计、施工及安全生产所面临的重大问题.依据隧道岩爆发生的条件,基于国内外隧道及地下工程岩爆实例,应用人工神经网络方法,建立了岩爆危险性预测的评价模型并应用vc 6.0实现了该评价模型,并将其运用到通渝隧道的岩爆预测中,取得良好的效果.     

预测隧道涌水量的方法

在编制《铁路工程水文地质勘察规范》 (TB1 0 0 49- 96 )中 ,我们搜集到一些国家关于预测隧道涌水量方面资料。经室内研究、现场调查和实际对比 ,选择了 9种比较适合我国情况的方法。在这些方法中 ,有的已被规范采纳 ,有的仍然在探讨中。     

青岛某跨海隧道工程水文地质特征分析与涌水量预测

以青岛某跨海隧道工程为例,根据水文地质勘察资料,在详细阐明隧址区工程地质特征、地下水发育与分布规律等水文地质特征的基础上,对陆域段和海域段隧道分别建立涌水量预测模型,并进行涌水量的估算和预测,计算表明,隧道陆域段涌水量≤3.67/(m³·d^-1·m^-1),地下水对施工影响不大。海域段涌水量0.92～19.73/(m³·d^-1·m^-1),综合渗透等级为中等透水。     

西南某岩溶隧道涌水量预测的应用研究

岩溶地区隧道地下水涌水预测方法和理论是长期以来难以突破的水文地质难题。基于我国西南地区岩溶发育特点,从陆地水文学入手,结合工程实例,提出利用流域水文模型法与回归分析法预测岩溶隧道突(涌)水问题,并利用分析结果提出隧道施工进出洞水文地质预警条件,对岩溶隧道施工过程中涌水量的预测具有一定的指导意义。     

小相岭公路隧道几种预测涌水量方法的比较

以小相岭公路隧道涌水量预测为例,详细介绍了预测隧道涌水量的方法,讨论了其计算步骤、公式及适用条件,指出在实际工程中,应根据适用条件,合理选择预测方法,以获得较好的预测效果。     

基于BP神经网络的公路网规模预测研究

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于BP神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。     

基于BP神经网络的隧道岩爆预测模型研究

在分析岩爆主要影响因素的基础上,建立了基于BP神经网络岩爆预测模型,采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。     

基于BP神经网络方法计算灌区农业耗水量的研究

位于黄河流域上游干旱半干旱的青铜峡灌区是宁夏工农业生产和社会经济发展的重要地区.灌区耗水量占宁夏引黄灌区耗水量的绝大部分,因此,对该灌区耗水量研究非常必要.本论文在查阅大量国内外相关文献资料的基础上,针对灌区农业耗水量的影响因素做了分析,将引水量、排水量、降雨量、蒸发量和地下水位埋深作为最主要的影响因子,建立青铜峡河东...     

某高速公路隧道出口端涌水对地表饮用水源的影响分析

保护饮用水源是隧道建设过程中必须重视的关键问题之一,若处理不当,易引起民众纠纷。本文以某在建高速公路隧道为例,在开展隧道涌水及地表水源点水质和水量动态监测的基础上,通过估算隧道排水的影响范围、分析隧道及水源点流量变化特征和开展隧道涌水来源识别工作,分析得出,隧道建设对水源点M1影响较小,对M2影响最为突出,与M3存在紧密联系,但有明显滞后,当其中之一出现流量增加或减少趋势后,另一者会在地下水系统动态调节并达到新的平衡后出现相反的变化趋势。上述结论可为科学评估隧道施工对饮用水源的影响和向隧道建设单位及有关部门解决因隧道施工而产生的水源纠纷提供科学决策依据。     

基于BP神经网络的硬化混凝土水胶比预测

混凝土一旦凝结硬化,再次评价其原始组分非常困难,目前针对水胶比的测试方法,试验复杂,精度不高。而水胶比是混凝土的重要参数,对混凝土的性能发挥至关重要的作用。试验制备了不同水胶比的混凝土,测试了不同龄期时混凝土强度、水泥浆钙元素含量、粗细集料用量。由于水胶比与上述因素间存在相关性,采用BP神经网络分析了硬化混凝土强度、龄期、粗细集料用量、水泥浆钙元素含量与硬化混凝土水胶比的非线性映射关系。研究结果表明:BP神经网络模型预测结果与实际水胶比吻合度较高,具有良好的预测效果。     

基于BP神经网络的大跨软岩隧道地表沉降预测

基于金盆湾隧道地表沉降监测数据,结合BP神经网络预测模型,分析了隧道施工对地表沉降的影响,研究了在不同的样本下预测结果的可信度,结果表明,BP神经网络预测的地表沉降精度与监测数据的准确度、预测的长度与隧道施工方案相关,隧道开挖工艺发生改变时,应及时分析实时监测数据,建立新的BP神经网络预测模型进行地表沉降预测,以保障预测结果的可靠。     

BP神经网络在五爱隧道地表变形预测中的应用

针对五爱隧道地表变形预测问题,采用BP神经网络方法利用已有观测点变形数据进行网络训练,结果表明BP神经网络的隐层节点数目对预测精度有较大影响,通过分析得出采用BP人工神经网方法可以较为准确地预测建筑物沉降量,并在一定程度上能够指导施工顺利进行。     

一种BP神经网络纸币图像识别方法的研究

介绍了BP神经网络的结构特点与原理,基于此种方法,对几种纸币的面额与方向进行了识别,其中权值的修改算法采用LM算法,并对算法的基本思路作了阐述,识别仿真结果表明,BP神经网络具有较高的准确性。