基于TSP和PCA-Bayes法的隧道围岩分级

高精度的围岩超前分级是隧道安全有效施工的重要保障。基于TSP303系统对前方围岩的预报结果,建立PCA-Bayes判别模型,选取纵波速度、横波速度、纵横波速比、泊松比、密度及静态杨氏模量作为判别指标,利用PCA法对学习样本进行降维处理,按照主成分累计方差贡献率大于85%的原则提取主成分,并将40个学习样本用提取的主成分表示。根据围岩实际揭露情况,将围岩分为II、III、IV、V 4级,各总体的先验概率以该总体的样本占比近似表示,依据平均错判损失最小的判别准则,建立各总体的Bayes判别函数,并得出各指标的得分系数,采用交互检验法评价了判别模型的优良性,根据建立的判别模型对10个待判样本进行了检验,并且与聚类分析及传统Bayes判别法的判别结果进行了对比分析。结果表明:相较于聚类分析与传统Bayes判别法,PCA-Bayes判别法的判别能力更强,准确率可达98%,提高了隧道围岩超前分级的精度。     

关于结构面对土质围岩分级影响的探讨

分析了国内外土质隧道围岩分级的研究现状,指出了土质隧道研究的不足;通过具体的工程实例分析了黏性土土体中软弱结构面的存在,并分析了土体中结构面对隧道围岩稳定性的影响效应;提出了依据结构面对黏性土质围岩进行分类和分级研究思路。研究表明：土质隧道围岩分级研究甚少,有待对其准确分级进行研究;大量工程实例表明黏性土质围岩中存在着结构面,结构面与隧道轴线的夹角及本身抗剪强度对隧道围岩稳定起控制作用;考虑到围岩稳定性分级影响因素差异,将黏性土质围岩分为黏性土土质围岩和类黏土质围岩两类。     

基于层次分析-云模型的隧道围岩分级方法研究

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。针对围岩分级问题的复杂性,将云模型应用于隧道围岩分级的评价中,建立围岩质量分级评价的层次分析-云模型方法。将岩石单轴饱和抗压强度、岩体完整性系数、隧道涌水量、结构面与洞轴线夹角、围岩弹性纵波波速作为隧道围岩的分级指标,使用层次分析法确定评价指标的权重系数,并构建评价指标的云模型,从而获得隧道围岩分级的确定度。最后,利用层次分析-云模型对营盘山隧道5个洞段的围岩进行分级,并将判定结果与熵权-云模型、可拓法围岩分级评判结果进行对比,验证该判别分析法的有效性。实例结果表明了该方法在隧道围岩分级中的科学性、可行性,为隧道围岩分级提供了新方法。     

基于掘进性能的TBM施工围岩综合分级方法

传统围岩分级方法侧重于围岩的稳定性,对于TBM施工隧道工程,围岩与TBM均扮演重要角色,有必要建立一套服务于TBM隧道工程的围岩分级新方法。依托引汉济渭引水隧洞工程的现场数据,对场切深指数FPI与地质参数、掘进参数的相关性进行分析,建立TBM隧道的围岩可掘性分级;对影响TBM利用率的主要地质因素进行分析,建立TBM隧道的适应性分级。综合考虑工程的围岩可掘性及TBM适应性,以施工速度为指标,建立基于掘进性能的TBM施工围岩综合分级。分级选取岩石强度、岩体完整性、地下水状态、初始地应力状态、隧道轴线与主要软弱结构面夹角等5方面因素指标,对TBM推力、贯入度、利用率和施工速度进行影响关系综合分析。结果表明,新建立的TBM施工围岩综合分级方法可以进行TBM掘进性能预测与工期、成本分析,有效解决开敞式TBM工程实用围岩分级问题。     

复杂隧道围岩安全性及其评价方法

 在对国内外现行隧道围岩分级方法分析的基础上,指出了其在隧道工程设计和安全性控制,尤其是复杂围岩控制设计方面存在的突出问题,认为现行的隧道围岩分级概念模糊,难以适应复杂多变的地层条件和较为严苛的环境控制要求,尤其是对稳定性较差的复杂围岩条件缺乏有效的指导作用。从隧道围岩控制的宗旨出发,提出了隧道围岩及其支护系统安全性的概念,明确了其科学内涵和表征方法;重点对于不具备自稳能力的复杂围岩安全性进行了研究,建立了隧道围岩安全性的分析模型,提出了隧道围岩安全性分析中应考虑围岩预加固效果的必要性及其评价方法;基于隧道围岩尺度效应和地层结构效应(时间效应)的分析,建立了围岩尺度响应的表述方法,同时从细观结构层面分析了不同地层结构形式对安全性的影响关系;结合“支护–围岩”动态作用关系的分析,建立了极不稳定地层条件下复杂隧道围岩安全性的评价指标体系,将围岩超前变形、超前破坏和地层加固有效性作为核心评价指标,形成了包括9项基础指标的评价体系,并提出了安全性的分级方法。最后介绍了隧道围岩安全性的分级方案的工程应用。     

基于改进的距离判别分析法的南水北调西线工程TBM施工围岩分级

 对马氏距离判别法和层次分析法存在的不足进行改进,将改进的距离判别分析法应用于南水北调西线工程TBM施工围岩分级中。根据TBM施工特点和相关研究成果,将TBM施工围岩分级标准定为4级。选用岩石强度、岩组特征、结构面间距、结构面与洞轴线夹角以及石英含量5项指标作为判别因子,以南水北调西线工程杜柯河-玛柯河段实例数据作为学习样本进行训练,建立TBM施工围岩分级的改进的距离判别分析模型,利用得到的线性判别函数对待判样本进行分级。最后,将改进的距离判别分析法得到的判定结果与传统马氏距离判别法、RTBM法以及RMR方法得到的判别结果进行对比分析,验证了改进的距离判别分析法的有效性。研究结果表明,改进的距离判别分析法具有预测精度高等优点,为TBM施工围岩分级提供了一种新的有效方法。     

隧洞围岩稳定性评价的Bayes判别分析法及应用

提出了隧洞围岩稳定性评价的Bayes判别分析法.通过介绍Bayes判别分析法的理论,并考虑影响隧洞围岩稳定性的因素,建立具体的Bayes判别分析模型进行判别.以隧道工程中的大量实测资料作为学习样本进行训练,并利用回代确认估计法对训练后的模型进行检验,最后将该模型对隧洞的围岩情况进行预测.研究结果表明,经过训练后的Bayes判别分析模型误判率很低,判别准确率很高,可以在实际工程中应用.     

公路隧道围岩分类的Bayes判别方法研究

基于Bayes判别分析理论,建立了隧道围岩判别的Bayes判别分析模型,通过实例分析表明,该模型结果与实际情况相符,说明该模型在隧道围岩判别中具有良好的实用性和有效性,从而为隧道围岩判别分类提供了一种新思路。     

隧道围岩分级判别的未确知均值聚类模型

基于未确知测度理论,建立隧道围岩分级的未确知均值聚类分析模型。针对隧道围岩分级判别中等级评价中许多不确定性影响因素,选用岩石等级、风化程度、岩体弹性纵波波速、岩体结构、地质构造影响程度、节理裂隙发育程度和地下水情况等7个指标作为隧道围岩分级的判别因子;以20组隧道围岩实测数据作为训练样本,建立各评价因子的未确知测度函数,用各分类样本平均值表示其分类中心;根据信息熵理论计算各评价因子的权重,依照置信度识别准则进行等级判定;用建立的模型对20组实测数据逐一进行回检,正确率为100%。将建立的模型对待分类的10     

基于统计岩体力学的隧道围岩分级方法

国标《工程岩体分级标准》(GB50218—94)在隧道设计阶段应用广泛,但是由于地质条件的复杂性及岩体各向异性的影响,不能精准预测施工阶段隧道围岩等级。本文基于统计岩体力学提出了针对隧道施工阶段的围岩分级方法,即通过现场岩体结构面统计和岩石力学试验,获取结构面参数和岩石力学参数,应用统计岩体力学强度理论及本构理论,获得具有各向异性特征的岩体弹性模量参数E_m,进而应用经验公式换算得到BQ值,从而确定隧道围岩基本分级。在实例中,小盘岭2号隧道GDK347+360里程处围岩设计分级为Ⅲ级;应用此方法重新分级的结果为Ⅳ级,低于设计分级,这与现场观察和监测的围岩性状吻合,说明本方法在隧道施工阶段能较为客观地反映围岩性质。以上研究结果表明,在含碳泥质板岩隧道围岩施工阶段岩体分级过程中,本方法具有良好地适用性。     

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。     

南方岩溶区公路隧道施工期围岩分级方法及其应用

针对南方岩溶区公路隧道施工期围岩分级特点,分析获得以岩石强度、岩体完整程度、地下水状态、结构面状态、结构面走向与隧道轴线关系和岩溶发育对隧道影响程度为基础的遗传神经网络模型和岩溶发育对隧道影响程度指标评价标准。并将其运用于广西河池六寨—宜州高速公路天生桥隧道和关上二号隧道进行实例验证,将分级结果与专家判定级别进行对比,准确率达93.3%。     

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。     

铁路隧道围岩分级细化研究及应用

对Ⅳ、Ⅴ、Ⅵ各级的软弱围岩,沿用相关规范计算所得的隧道围岩荷载,因级别不同,其荷载量值的差异往往过大。在现行公路隧道岩质围岩亚级分级方法的基础上,建立了新的围岩亚级分级与铁路隧道所采用的弹性纵波速度细化之间的关系,从而避免了铁路隧道不同围岩分级时其弹性纵波速度交叉重叠的现象。对Ⅲ、Ⅳ、Ⅴ、Ⅵ级岩质围岩,在本项研究中,对铁路隧道按照围岩弹性纵波速度Vp作了更进一步细化,并用以作为围岩初期支护设计压力的计算,避免相邻分级之间其计算荷载值差值过大造成的困难。结合青岛市地铁隧道工程,采用综合模糊判别方法对施工阶段围岩进行动态细化判定和调整,使隧道设计施工更为安全有据、经济合理。     

复杂地质条件下隧道围岩分级BQ修正法的应用

针对当前公路隧道设计规范中的BQ法的缺点,通过将复杂地质条件下的初始地应力、地下水以及主要软弱结构面影响引入围岩分级中,并以BQ法为基础建立复杂地质条件下的修正BQ围岩分级法,实践应用证明:BQ修正法分级结果吻合率比传统BQ法更好。     

隧道穿越断层破碎带突水涌泥围岩质量分级

隧道穿越断层破碎带常会发生突水涌泥灾害。文章以延崇高速公路(北京段)玉渡山隧道为工程背景,采用调查问卷咨询现场技术指导和专家组成员,建立各层次影响因素判断矩阵,采用AHP-Fuzzy法对隧道穿越断层破碎带突水涌泥围岩进行质量分级。研究结果表明:(1)建立了适用于隧道穿越断层破碎带突水涌泥围岩质量分级体系;(2)运用Fuzzy法得出反映各因素对围岩质量分级的影响程度的隶属度矩阵;(3)得出玉渡山隧道区间强风化破碎砾岩、泥质白云岩的质量等级分别为Ⅴ级和Ⅳ级,研究成果可为相关隧道围岩分级工作提供参考。     

基于深度学习技术的公路隧道围岩分级方法

通过深度学习技术提取公路隧道掌子面图片中的围岩分级相关信息。训练以掌子面图片和特征标签为数据集的深度卷积神经网络模型,识别围岩的节理、裂隙、破碎程度、粗糙程度、光滑程度、泥夹石和涌水等分布式特征;结合深度学习技术和岩体裂隙图像智能解译方法统计围岩节理组数和间距来描述结构面完整程度;再利用色彩模型确定岩石种类描述出岩石坚硬程度;最后将围岩分级各判别因子转换为BQ值进行分级,获得围岩分级最终结果。结果表明:深度学习模型适用于识别围岩不同形态特征,利用图像识别技术获取的围岩分级参数能够实现对公路隧道围岩等级的综合判定。该处理结果与传统BQ分级结果相吻合,验证了深度学习围岩分级的可行性和准确性。     

关口垭隧道围岩质量分级组合评价研究

现有隧道围岩质量分级方法评价结果有时存在非一致性的问题,引入组合评价思想,选取3种已有围岩质量分级方法作为基础分级方法,建立隧道围岩质量分级组合评价计算模型;然后,建立评价指标的标准化方法,从而使不同基础分级方法评价结果具有可比性,解决不同方法物理意义和量纲不同的问题;引入漂移度概念建立基础分级方法合理程度度量方法,并在此基础上建立基础分级方法的权重计算方法,进而建立隧道围岩质量分级的组合评价方法;最后,通过工程实例分析,表明所提出方法的合理性与可行性。     

基于线岩溶率的隧道围岩分级方法研究

孤峰平原区作为岩溶地区常见的一种地貌形态,因地形陡峻,一般情况下不具备实施勘察实物工作量的条件。在基于岩石强度、岩体完整性为主要判别指标,以地下水、软弱结构面产状和初试应力状态为修正指标的隧道围岩基本等级分级方法中存在缺乏判定依据。通过对现有勘察数据的分析,以线岩溶率为基础,综合考虑区域岩溶发育情况及孤峰位置的特殊性,建立以线岩溶率、岩溶发育形态和规模、岩溶充填物、地下水径流及溶洞分层特征等为主要计算参数的体岩溶率计算模型,结合体岩溶率同隧道围岩分级的对应关系调查,对隧道围岩进行初步分级,可较好地为设计、施工和建设单位控制工程造价。     

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。