粗糙集—小波神经网络在隧道围岩分类中的应用

隧道工程围岩的级别是隧道围岩稳定性的尺度,施工期间的隧道围岩分类的确定是最为基础、也是最为重要的内容.本文将粗糙集、小波神经网络和围岩分类有机结合起来,对白鹤隧道围岩分类进行识别研究.结果表明:用经过粗糙集约简后的样本集作为神经网络的训练样本集,有效地简化了神经网络的结构,减少了训练步数与训练时间,并提高了网络的学习速...     

基于RBF神经网络隧道围岩变形预测研究

采用RBF人工神经网络,建立非线性人工神经网络模型,根据隧道监控量测位移监测资料,对隧道开挖过程中周边位移进行预测,研究结果表明:采用RBF神经网络进行隧道位移预测,其预测精度高、可靠性好,研究成果为隧道掘进过程中的施工控制和预测预报提供一种有效方法。     

RBF神经网络在围岩位移预测中的应用

选择现场监测的围岩位移数据为样本,利用径向基函数RBF神经网络具有强大的非线性影射能力和收敛速度快的特点,建立围岩位移预测神经网络模型进行位移预测。通过工程实例监测数据测试表明预测值与实际位移植吻合较好,用该方法进行位移预测不仅有效而且可行。     

基于BP网络的隧道围岩位移预测方法

介绍人工神经网络模型法的基本原理与步骤,探讨了隧道围岩收敛监测数据与人工神经网络间的联系,并建立了基于人工神经网络的隧道围岩收敛预报模型。以工程实例为背景,对隧道围岩的收敛变形进行预报分析。研究结果表明:BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。     

神经网络技术在隧道围岩变形预测中的应用

详细地介绍了基于遗传算法改进的BP神经网络,根据围岩变形量的时序变化特性,对上马基隧道围岩变形进行了进化神经网络预测,得出了用GA-BP神经网络建立的模型分析方法是隧道变形预测中的可行、简易、有效的方法的结论。     

用隧道周边位移反分析围岩压力的解析研究

针对圆弧拱形轮廓隧道,通过假定围岩变形后仍为圆弧形状和拱脚位移约束,利用结构力学分析原理推导出隧道拱顶竖向位移与围岩压力及分布范围的解析关系式,可以通过量测的隧道周边拱顶竖向位移估算围岩压力大小和分布范围,为隧道支护参数的确定提供依据.     

灰色模型在隧道围岩变形预测中的应用

结合某工程实例,建立了灰色系统GM(1,1)、DGM(2,1)模型、Verhulst模型,并进行了实例预测,同时采用指数函数回归拟合,与之对比,结果表明,一般的GM(1,1)灰色预测模型适用于围岩变形量的短期预测;DGM(2,1)模型和Verhulst模型在围岩变形量预测中精度更高,可以比较准确地预测隧道变形和隧道的最终位移,以此可以在隧道施工中及时调整、确定支护参数及进行施工决策。     

隧道围岩位移智能化反演研究

在分析隧道工程特点及围岩位移反分析研究现状的基础上,着重介绍了三种位移智能反演方法的原理、特点及普遍存在的问题,经研究证实了隧道位移智能化反演结果的正确性,对隧道围岩稳定性评价、信息化施工及岩石力学反问题研究具有重要意义.     

改进灰色GM(1,1)模型在隧道围岩位移预测中的应用

传统灰色GM(1,1)模型 ,多适用于等间距序列监测数据的模拟预测 ;对非等间距则往往产生较大的滞后误差。提出了一种经改进的GM(1,1)模型 ,经实例分析 ,该模型适用于隧道围岩位移非等间距监测数据序列的位移预测 ,且都能获得很高的模拟和预测精度     

隧道围岩监控量测技术在隧道施工中的应用

阐述了隧道围岩监控量测技术的实施内容、方法和要求,介绍了隧道围岩监控量测在宛坪高速公路大跨度连拱隧道中的应用情况,为围岩监控量测提供了参考。     

多点位移计在隧道中岩墙围岩位移稳定性分析

介绍了多点位移计的测试原理及埋设安装方法,结合工程实例,从初始值选取、技术参数、量测数据处理等方面,阐述了多点位移计在隧道围岩稳定性分析中的应用,为隧道施工提供了依据。     

某电站模型洞围岩位移反分析及预测研究

张河湾抽水蓄能电站位于河北省井陉县测鱼镇甘陶河干流上。电站安装4台单级混流可逆式水泵水轮机组,总装机容量为1000 MW。地下厂房开挖尺寸(长×宽×高)为151.1 m×23.4 m×48.3 m。为进一步研究地下厂房围岩稳定性和优化设计参数,在地下厂房近旁进行了模型洞围岩观测试验研究,依据模型洞围岩收敛位移、钻孔多点位移、锚杆应力观测结果,进行了反分析,计算结果:水平应力2.52～2.88 MPa,应力比值0.7～0.8,弹性模量26.0 GPa。依据反分析的围岩初始地应力及变形参数,对主厂房及主变室围岩位移及应力分布进行了预测,结果表明,围岩变形均较小,且与地下厂房围岩位移实测值一致性较好。     

基于支持向量机网络的隧道围岩分级方法研究

基于隧道围岩特点和支持向量机的优点,利用支持向量机建立隧道围岩分级模型,结果表明:模型的围岩分级结果与实际施工揭露围岩分级结果十分相近,正确率较高,对隧道工程围岩稳定性分级具有重要的实践意义和工程应用价值。     

深埋隧洞围岩应力分析及岩爆预测

采用有限元软件,数值模拟分析了相同侧压系数、不同埋深工况下的深埋隧洞围岩应力变化规律,初步判别了岩爆可能性及岩爆发生部位,对隧洞的设计及施工过程中岩爆的防治具有一定的指导作用。     

基于灰色理论的隧道围岩稳定性预测

把隧道围岩变形作为灰色系统去考虑,用灰色系统理论对隧道围岩的稳定位移和失稳时间进行了预测,并以东山隧道现场监测数据进行了计算,所得结果符合实际,对指导施工具有重要意义。     

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。     

岩溶隧道施工过程中围岩位移特征分析

岩溶区隧道因受岩溶发育程度的影响,其围岩位移特征与一般隧道存在较大区别。以宜万铁路某岩溶隧道为工程背景,对侧部含有溶洞的隧道施工过程中的围岩位移特征进行了相似模型试验和现场测试。结果表明:隧道开挖后,围岩分别向溶洞内和隧道内变形,溶洞与隧道之间的围岩向两个相反的方向变形,是最危险区域。靠近溶洞附近的边墙、拱肩和拱顶处围岩的位移值要比远离溶洞侧的相应部位处的围岩位移值大。研究结论对岩溶隧道的设计与施工具有一定的参考价值。     

小波神经网络在水库流量预测中的应用

针对河南省某水库监测点实测的1991~2013年每月的平均流量样本进行归一化处理作为训练样本,构建了使用Morlet、Mexican hat以及高斯一阶导数小波基函数小波神经网络的预测模型实现对2014年的月平均流量的预测,并通过均方误差(MSE)和平均绝对误差(MAE)两项指标对每种网络的预测结果进行评价,从而选择较好的小波基函数作为小波神经网络的隐含层传递函数。研究表明,采用Morlet小波作为神经网络的隐含层基函数对该水库的月平均流量的预测效果要好于其他两种神经网络。     

公路软岩隧道施工技术研究

介绍了管棚工法、注浆小导管超前支护、地表垂直锚杆工法、压缩空气法等八种与隧道开挖施工相配套的施工辅助技术，实践证明，这些施工辅助技术确保了施工的安全和质量，值得推广应用。     

圆形洞室四层层状围岩位移弹性分析

以圆形洞室四层层状岩石围岩为研究对象,建立了弹性分析模型,推导了围岩应力区内的位移解。根据弹性力学中的平面应变理论,不考虑围岩的塑性变形,利用已知的应力方程、物理方程、几何方程,通过逐步分层而得到位移解。