基于TSP物探指标的围岩质量预测研究

为利用TSP各物探指标预测隧道围岩质量,以G575线巴里坤~哈密公路东天山隧道为工程依托,利用灰色关联分析理论,建立了以岩体质量指标修正值作为围岩质量的依据,以9个物探指标为影响因素,采用MATLAB软件对隧道围岩质量的影响因素进行关联排序,确定影响围岩质量的主次因素;再选取高关联度的物探指标,采用灰色关联理论进行围岩质量预测。结果表明,波速、纵横波速比、泊松比、密度为影响隧道围岩稳定性的主控因素;剪切模量、拉梅系数、体积模量、动态杨氏模量、静态杨氏模量为次要因素;围岩质量预测采用波速、纵横波速比、泊松比、密度这4个高关联度的物探指标能准确预测隧道围岩分类。     

TSP技术在隧道超前地质预报中的应用

考虑了TSP的有效资料和围岩勘察情况,选取与围岩类型密切相关、与TSP检测结果密切相关的5个影响因素,包括岩石完整性系数Kv、泊松比μ、杨氏模量E、纵波波速Vp和地下水开发状况W,作为评价围岩地质条件的评价指标。作为影响围岩分类的主要因素,所选评价指标与探测系统的结果密切相关,同时根据地震波场的响应特点,将评价指标分为5个等级,建立了相应的围岩分类模型。该方法可提高TSP检测数据的有效利用率,提高围岩等级判别的准确性,可推广到隧道、引水隧道等工程中。     

基于人工智能方法的隧道塌方风险预测研究

为了对隧道塌方风险展开研究,整理246起隧道塌方事故案例,通过建立塌方风险评估指标体系,基于人工智能预测方法,分别采用随机森林算法、径向基函数神经网络、BP神经网络模型、粒子群算法优化BP神经网络模型,对塌方风险进行预测。结果表明,随机森林算法、径向基函数神经网络、BP神经网络模型、粒子群算法优化BP神经网络模型的塌方预测准确率分别为81.67%、83.33%、86.67%、93.33%,F₁值分别为0.645、0.642、0.5、0.833。粒子群算法优化BP神经网络模型预测准确率和F₁值均大幅提高,预测效果最好,大大减少了评估结果的主观性,为隧道塌方风险研究提供了新的研究思路。     

遗传-神经网络算法在水下隧道涌水量预测中的应用

水下隧道涌水问题受到多种因素的综合影响,具有非线性和高度复杂性。本文应用遗传算法和BP神经网络,结合工程实例,选用隧道围岩裂隙发育情况、上覆含水体富水性、上覆水压、隧道埋深、隧道围岩上覆相对隔水层强度和上覆基岩破碎带与隧道顶板的距离作为影响水下隧道涌水的主要因素,以调查的数据作为训练样本,使用遗传算法优化BP神经网络的初始权值和阈值,建立了水下隧道涌水量的遗传-神经网络预测模型,并进行了计算分析。结果表明:该模型收敛性能好,预测精度高,简单可行。该方法为水下隧道涌水量的预测提供了一条新思路。     

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

在隧道工程施工中,围岩位移预测起着很重要的作用。将BP神经网络-马尔科夫链模型引入到隧道围岩位移预测中来,通过对训练样本的学习,利用BP神经网络实现了对位移时间序列的滚动预测,同时得到了实测值与预测值的相对误差;在此基础上利用马尔科夫链对相对误差进行修正,有效地提高了预测结果的精度。并将该模型应用于某公路隧道拱顶下沉位移时序预测中,结果表明该模型具有精度高、科学可靠的特点,为隧道围岩变形的预测提供了新的途径。     

人工神经网络在引水隧洞变形监测中的应用

针对引水隧洞围岩变形受地质、施工等因素综合影响的特点，引入人工神经网络理论，建立了隧洞收敛测值终值预测的BP网络模型。该模型将隧洞围岩的5个物性参数容重、弹性模量、泊松比、粘结力、内摩擦角作为BP网络的输入向量，将最终收敛位移作为网络输出向量。应用Matlab进行BP网络设计和程序编制。实例分析表明，利用所建立的BP网络模型进行围岩收敛变形预测。结果合理可行。     

运营公路隧道的变形机理分析及危险性评价

为合理评价运营隧道的安全现状及危险性发展趋势,提出利用BP神经网络和V/S分析构建运营隧道的危险性预测模型。首先,基于运营隧道所处的环境条件,分析其变形机理;其次,根据相关安全等级划分标准,评价运营隧道的安全现状;最后,利用优化BP神经网络构建运营隧道的变形预测模型,再利用V/S分析判断运营隧道的危险性发展趋势,以实现运营隧道的危险性预测。以嬉野隧道为实例进行验证,结果表明:运营隧道的变形影响因素较多,主要包括渗水因素、空洞因素、衬砌劣化因素及长期应力作用因素等;隧道的安全现状等级为Ⅴ级,危险性高,且沉降变形判断得到的危险性等级要高于水平收敛判断得到的危险性等级;变形预测结果和危险性趋势分析结果具有较好的一致性,均得出该隧道的危险性将会进一步增加,验证了BP预测和V/S分析2种模型在运营隧道危险性预测中的适用性和可靠性。研究成果为公路隧道的后期运营提供一定的指导。     

基于粒子群优化BP神经网络的隧道围岩位移反演分析

针对无锡惠山隧道岩体破碎、围岩稳定性差等特点,基于长期现场监测变形位移数据,借助粒子群算法的参数优化功能,利用Matlab神经网络工具箱编制了优化PSO—BP隧道位移反分析系统。PSO—BP系统利用正交试验设计和有限元方法获得学习样本,再通过粒子群算法搜索最优的神经网络模型参数。用BP神经网络模型建立待反参数与实测位移之间的非线性映射关系,最后用粒子群算法从全局空间上搜索最优反演参数。克服了普通智能优化算法收敛速度慢、正分析计算量大等缺陷,具有全局优化特性。将模型应用于惠山隧道Ⅳ级围岩断面ZK6+485的反分析中,计算结果与实测值对比表明采用PSO—BP预测模型进行隧道位移预测是可行的。     

基于改进BP神经网络的地下工程围岩分类

传统BP神经网络存在局部极小值、学习算法收敛速度慢、网络结构难以确定等缺点,因此采用改进的BP神经网络分析地下工程围岩的稳定性。将岩石单轴饱和抗压强度、岩石质量指标、岩体的完整性系数、结构面的强度系数、地下水渗流量作为围岩的分类指标,利用附加动量因子、L-M优化算法与Nguyen-Widrow初始化算法相结合的改进BP神经网络建立围岩稳定性的分类预测模型,并运用MATLAB对学习样本进行分类识别,确定地下工程围岩的岩体等级,并结合平均影响值特征筛选法确定影响围岩稳定性的主导因素。实例分析结果表明:岩体的质量、强度以及所处的状态对围岩的稳定起主导作用,结构面产状和性状则为次级影响因素。     

基于GA-BP神经网络的粗粒土渗透系数预测

针对粗粒土渗透性能受颗粒级配、密实程度等因素影响而呈现明显差异,提出一种粗粒土渗透系数预测方法。收集并整理得到93组粗粒土数据,以全级配(d₁₀~d₁₀₀)和孔隙比作为BP神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的粗粒土渗透系数预测模型。结果表明:该GA-BP神经网络经过55次迭代之后精度满足要求;87组训练样本预测结果的平均相对误差为5.10%,其中有75%的样本相对误差小于平均相对误差;6组检测样本预测结果的平均相对误差为6.39%,该网络模型泛化性能良好。采用GA-BP神经网络,由全级配和孔隙比能较好地预测粗粒土的渗透系数,且收敛速度、预测精度及泛化性能均优于标准的BP神经网络模型。     

基于隧道铣挖施工适应性的围岩质量分级方法

<正>围岩质量分级是悬臂式掘进机隧道铣挖施工方法适应性评价的重要依据。为了建立相应围岩质量分级方法,首先基于瞬时掘进速率(ICR)可综合体现工程地质条件和机械设备因素对隧道铣挖施工影响的特点,提出以铣挖瞬时掘进速率为依据的隧道围岩质量分级标准;然后,在探讨围岩质量分级影响因素和评价指标的基础上,考虑影响因素的模糊性和层次性特点,建立铣挖施工隧道围岩质量分级的三级模糊综合评价模     

BP神经网络在岩爆预测中的应用

综合考虑围岩产生岩爆的内外在因素,采用地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数等参数作为指标,建立了BP人工神经网络岩爆预测模型.将国内外具有代表性的工程实例作为样本,以提高网络的泛化能力;采用Levenberg-Marquardt算法来训练BP神经网络,以提高效率.实例表明,采用本文所给出的BP神经网络模型预测结果与实际情况相符,说明了此模型的有效性.     

基于改进ＰＳＯ-ＢＰ神经网络的浅埋隧道围岩变形时序预测研究

通过智能化的模式对浅埋隧道围岩变形进行时间序列预测研究，利用改进ＰＳＯ算法优化ＢＰ神经网络参数的方法，用于预测浅埋隧道围岩变形数值。采用改进ＰＳＯ-ＢＰ神经网络构建了海天堡浅埋隧道的拱顶沉降和周边收敛预测模型，使用主成分分析方法选取影响围岩变形的关键因素作为影响因子输入。通过对实验结果的比较和分析，实验结果显示改进ＰＳＯ-ＢＰＮＮ算法的优越性。     

水流挟沙力研究的BP-GA方法

介绍了BP神经网络和遗传算法的基本原理,编制了计算程序,采用遗传算法优化了BP网络的初始参数。BP网络方法和BP-GA算法的实例分析结果表明:挟沙力影响因素可由水流流速、比降和颗粒沉速确定;BP-GA算法的结果明显优于单纯的BP网络方法。     

旭龙水电站坝基岩体质量验收控制标准研究

旭龙水电站为混凝土双曲拱坝,坝基岩体质量控制标准对工程具有重要意义,施工前应对坝基岩体质量验收控制标准进行研究。在前期勘察过程中,通过力学试验、岩体纵波波速值测定等方法确定了坝基岩体质量;类比同类工程,提出了一套适合旭龙水电站坝基Ⅱ_A、Ⅲ_1A、Ⅲ_2A岩体质量控制标准。结果表明：Ⅱ_A类坝基岩体V_p均值>5 000 m/s,波速值<4 500 m/s的占比不超过15%,且不集中;Ⅲ_1A类坝基岩体V_p均值>4 500 m/s,波速值<4 200 m/s的占比不超过15%,且不集中;Ⅲ_2A类坝基岩体V_p均值>4 500 m/s,波速值<4 000 m/s的占比不超过10%,且不集中。研究成果可为确定旭龙水电站坝基岩体质量验收定量标准提供依据,并供类似工程参考。     

膨胀土自膨胀率预测中的两种分析方法

通过建立一种模型对自由膨胀率进行预测.膨胀土自由膨胀率预测分两个阶段:①合理选择判别指标;②用选取的指标建模.人工神经网络具有高度的非线性映射能力,通过样本的学习,实现输入与输出之间的非线性映射.然样本指标的选择会影响神经网络的学习能力,从而影响最后结果预测的准确有效性.通过结合南水北调东线一期工程-刘老涧站土样作样本,采用回归分析选取最优判别指标及采用BP神经网络预测膨胀趋势相结合,比单纯采用BP神经网络或回归分析结果更准确,具有可推广性.     

侧部承压溶洞与深埋隧道间隔水岩体安全厚度研究

为保证深埋隧道安全通过侧部高压富水溶洞区段,在隧道突水发生机制分析与隔水岩体最小安全厚度划分的基础上,结合突变理论、鲁宾涅特方程及相关工程经验对隧道边墙岩体安全厚度进行研究,导出最小安全厚度计算公式,建立突水判据,分析相关影响因素对隧道边墙隔水岩体最小安全厚度的影响规律。结果表明：隔水岩体最小安全厚度H_min与围岩力学参数弹性模量E、内摩擦角φ呈正相关,与溶洞水压力q_w、岩梁跨度L及隧道埋深h呈负相关;各因素对H_min影响程度由大到小依次为h、φ、E、L与q_w,其中h与φ影响程度相近,E在超过3 GPa的情况下H_min变化趋于平缓,E的影响程度与L相近;结合有限元模拟结果和工程实例分析,验证了H_min理论计算公式及突水判据的准确性与可行性,对相关工程建设具有指导意义。     

BP神经网络在隧道围岩力学参数反演中的应用

以谷城至竹溪高速公路珠藏洞隧道施工监测为工程依托,根据现场变形监测数据的指数函数回归方程,对最终变形量进行了预测,并基于其预测值,借助BP神经网络的超强非线性映射能力,对隧道围岩力学参数（变形模量E、黏聚力C、内摩擦角φ）进行反演,以及时掌握开挖围岩类型和材料特性参数,为隧道工程施工和设计提供参数依据,从而达到安全施工和优化设计的目的,以实现隧道的信息化施工与设计。     

中小河流治理成本预测模型及敏感因子分析研究

为了项目法人在可行性研究阶段准确快速的估算出复杂的山区中小河流治理的成本且能有效的控制成本,建立了基于LM算法的BP神经网络模型对山区中小河流治理成本进行预测,并对治理成本的影响因素做出敏感性分析。结果表明, LM算法优化的BP神经网络模型比标准BP神经网络模型训练效果好,收敛快,且预测结果更精确,其预测结果可在可行性研究阶段作为一个有效的参考数据;在八个影响治理成本的因素中,护岸形式与生态措施是影响治理成本的关键,在根据预算做方案调整时可以主要针对这两个方面进行改善。     

改进BP神经网络预测埋地金属给水管道外腐蚀速率的研究

针对埋地金属管道腐蚀影响因素多和腐蚀速率预测困难等问题,采用BP神经网络可建立腐蚀因素间复杂的非线性关系,进而预测腐蚀速率。分别采用标准BP算法和各种改进BP算法对埋地金属给水管道的外腐蚀速率进行预测,改进BP算法预测精度最高,且收敛速度最快,是腐蚀速率预测的有效工具。