基于遗传优化支持向量机的软岩隧道围岩变形预测

软岩隧道施工过程中,围岩极易出现大变形和坍塌现象,如何有效地对隧道围岩大变形进行预测,已成为保障隧道施工安全的重要手段之一。本文以象山隧道为工程背景,采用遗传算法优化支持向量机参数,建立了隧道变形的遗传支持向量机模型,对象山隧道围岩的拱顶沉降和变形收敛进行了预测。模型预测值与实际测量值的对比结果表明,两者之间的误差较小,预测精度较高,所建立的GA-SVM模型可为隧道施工安全和支护结构的优化提供技术支撑。     

基于支持向量机的公路隧道围岩变形预测

隧道围岩变形影响到隧道施工的安全,对隧道围岩变形进行预测,可作为指导隧道施工的依据。以江西某隧道围岩变形问题为研究对象,采用在小样本、非线性、高维模式识别问题中具有优势支持向量机理论建立模型,建立隧道围岩变形预测模型,结果显示,实测值与预测值相差很小,证明此方法有很强的实用性。     

隧道围岩分级方法综合研究

在总结国内外有一定代表性的隧道围岩分级方法的基础上,阐述了围岩分级方法发展现状,探讨了围岩分级方法的发展趋势,从而促进隧道围岩分级方法的研究,更好地反映各类工程岩体的质量好坏。     

支持向量机在隧道围岩变形预测中的应用

将支持向量机应用于隧道围岩变形的预测中,将围岩变形看作一个非线性变形序列,然后采用时间序列分析技术,用支持向量机建立非线性变形序列之间的映射关系,进而对未来的变形进行预测。结果表明,该方法是科学可行的,并且具有简单、方便、实时等特点。     

公路隧道围岩动态分级方法研究

由于地质条件的复杂多变以及勘察方法和技术缺陷等原因,导致在勘察设计阶段的公路隧道围岩分级与实际施工阶段的围岩分级差异很大,应该寻求动态的对公路隧道围岩分级进行描述的定量评价方法,以确保隧道围岩和支护结构体系在施工和运行过程中的稳定性。通过对走马岭隧道现场进行详细地质调查,采用多变量分析法对走马岭隧道围岩进行了动态分级。结果表明,隧道施工阶段围岩分级结果与原来勘查设计部门的结果有较大出入;隧道施工阶段围岩分级结果更加真实,正确反映了围岩的稳定性。     

基于支持向量机模型的隧道瓦斯危险性评价方法

煤层瓦斯对隧道安全施工影响突出,现有的评价方法始终不能规避人主观意识的影响。为解决这一问题,以穿越华南龙潭组煤系地层的隧道为例,在收集分析大量龙潭组瓦斯隧道样本的基础上,提出了龙潭组瓦斯隧道的主要影响因素,并基于支持向量机原理（SVM）建立了华南龙潭组瓦斯隧道的危险性评价模型。结果表明,龙潭组瓦斯隧道分布广泛,发生率高,且以高瓦斯和瓦斯突出隧道为主;影响龙潭组煤层瓦斯对隧道危害性的指标主要有隧道埋深、隧道长度、穿煤厚度、瓦斯含量、瓦斯压力、地质综合评分;模型结果显示,该模型的最佳准确率和测试集准确率分别达到了86.2069%和91.67%,能够对龙潭组瓦斯隧道的危险性级别做出可靠的判别。     

TBM施工隧道围岩分级方法研究

随着隧道工程建设的发展，全断面隧道掘进机（TBM）在隧道施工中必将占有越来越重要的地位，传统的隧道围岩分级难以满足TBM施工条件下的隧道施工需要。因此，研究TBM施工条件下的隧道围岩分级，是采用TBM进行隧道施工的需要。结合西（安）－安（康）铁路秦岭隧道TBM施工研究，提出了TBM施工条件下隧道围岩分级方法。     

基于支持度的隧道围岩质量分级组合评价方法

针对基于漂移度的隧道围岩质量分级组合评价方法存在漂移度参考对象不一致,计算结果不可比问题,引入支持度概念作为各基础评价方法权重计算的依据。首先,从相似度和差异度两个方面建立新的支持度数学定义,避免了传统支持度公式仅考虑差异度的缺陷。其次,以整体数据对每种基础评价方法评价结果的综合支持度作为权重计算综合评价结果,从而建立了隧道围岩质量分级的新型组合评价方法,该方法不仅可以解决不同基础分级方法评价结果的非一致性问题,更重要的是其解决了漂移度概念下参考对象的不一致问题,使得权重结果更客观实际,理论基础更加坚实。最后,通过工程实例分析,表明了该方法的合理性与可行性。     

基于集成学习技术的隧道围岩智能分级方法研究

隧道工程地质条件具有复杂多变的特点,造成围岩分级存在一定的模糊性.依托郑万高铁湖北段隧道工程,文章建立了不同级别不同岩性的随钻参数与围岩级别的数据库,研究了推进速度与其他随钻参数之间的相关性,建立了随钻参数与围岩级别的Stacking集成学习模型,增加了模型分类的稳定性,提高了模型预测准确度.该方法解决了传统隧道围岩分...     

基于多分类支持向量机的隧道挤压大变形预测

介绍了隧道挤压大变形的危害,提出了一种基于四个参数即直径(D),埋深(H),支护刚度(K)和岩石隧道开挖质量指数(Q)的多分类支持向量机(SVM)方法,对隧道挤压大变形的预测进行了研究,解决了隧道变形多分类预测问题,提高了预测精度。     

基于漂移度的隧道围岩质量分级组合评价方法

针对现有隧道围岩质量分级方法评价结果存在非一致性问题的特点,首先引入组合评价思想,选取多种已有围岩质量分级方法作为基础分级方法,建立了融合各基础分级方法优越性的隧道围岩质量分级组合评价计算模型;其次,依据不同基础分级方法评价指标的物理意义和量纲不同的特点,建立了评价指标的标准化方法,使不同基础分级方法评价结果具有可比性,以解决组合评价计算模型的组合计算方法问题;然后,针对不同基础分级方法评价结果的合理性存在差异的特点,引入漂移度概念,建立了基础分级方法合理程度的度量方法,并在此基础上,提出基础分级方法权重分配的合理确定方法,进而建立了隧道围岩质量分级的新型组合评价方法,该方法不仅可以解决不同基础分级方法评价结果的非一致性问题,更重要的是可以充分发挥各基础分级方法的优势,避免它们的不合理性,使隧道围岩质量分级更为合理;最后,通过工程实例分析,表明了该方法的合理性与可行性。     

公路隧道围岩的区间数组合分类法

公路隧道围岩的分类方法较多,每一种分类方法的结果都是对真实围岩状况的一种估计,通过一定的算法将这些分类结果进行合成,可以使各分类法取长补短,围岩信息得到充分利用。基于上述思路,并考虑到分类标准和被分类隧道围岩物理力学指标均为区间数的实际情况,提出了一种基于区间数的公路隧道围岩组合分类法。为充分利用区间数携带的信息,定义了一种新的区间数距离计算方法,选择能够兼顾各单一分类法之间功能性和协调性要求的加乘混合函数作为围岩分类函数,计算被分类围岩与分类标准各级别之间的分类函数值,最小值对应的类别即为被分类围岩的类别。针对某工程隧道2个典型段围岩的分类问题,在隧道围岩常用的岩芯质量指标ROD法、《公路隧道设计规范》(JTGD70-2004)BQ值法和弹性波速vp法进行分类的基础上,采用本文方法进行组合分类,结果表明:本文方法物理意义明确,计算过程简捷,分类指标稳定,分类结果与单一分类法相比能够更好地反映实际围岩状况,可供公路隧道勘察、设计、施工时参考。     

基于小波分析与支持向量机的地铁隧道沉降预测

根据地铁隧道监测点沉降变化中非线性、不确定、时变性的特点,建立了基于小波分析的支持向量机预测模型。首先运用小波分析将监测点沉降序列分解为低频近似分量和高频细节分量,然后对各分量分别进行支持向量机预测,最后将各分量预测结果进行小波重构得到监测点的沉降预测曲线。预测结果表明,在相同样本数和短周期预测条件下,Wavelet—SVM模型的预测精度优于BP神经网络方法。对地铁沉降监测提前进行预警预报有一定的参考价值。     

小波神经网络在隧道围岩位移预测中的研究

对张杖子隧道围岩拱顶下降位移数据进行了预测分析,经过研究表明,小波神经网络具有较高的预测精度,能够较好的揭示围岩位移的变化规律,为合理判断隧道围岩的稳定性提供可靠的理论依据。     

岩爆基于支持向量机预测的智能模型

根据岩爆预测的特性,引入了支持向量机SVM的新方法,研究了支持向量机的基本原理及其在岩爆预测中的模型建立,通过某工程的实际应用证明：支持向量机在岩爆预测中取得了较好的效果。     

牛湖山隧道围岩质量分级评价

针对广东省惠深高速公路牛湖山隧道勘察情况,对其围岩质量进行分级评价中主要采用了可拓评价体系,并通过与灰色关联分析方法、专家经验方法等评价结果相比较,得出高速公路隧道围岩分级系统可拓评价体系的科学性、合理性、经济性。     

公路隧道软弱围岩开挖方法研究

以公路隧道工程项目作为研究对象,对软弱围岩安全风险进行了介绍,并阐述了软弱围岩的开挖方法,分析了不同开挖方法的特点,在此基础上,充分考虑施工环境与条件,有利于科学合理地选择出最佳方案。