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...     

偏压双连拱公路隧道围岩稳定性动态预测分析

由于高速公路偏压双连拱隧道的复杂地质条件,会给隧道安全施工带来严重威胁,提出在加强隧道开挖现场监控量测的基础上,以位移量测结果作为学习样本,应用BP神经网络预测隧道围岩位移的大小,分析围岩的稳定性。由于BP神经网络能综合考虑隧道围岩节理、裂隙等对围岩位移的影响,所以与有限元反分析法计算隧道围岩位移结果比较,显示BP神经网络预测结果的误差较小,预测值与实际测量值趋于一致,因此应用BP网络预测偏压双连拱隧道围岩位移,超前分析其稳定性是安全可靠的,该预测方法的预测结果可以指导现场的施工。     

地下工程围岩质量分级的属性数学方法

围岩稳定性分级是地下工程学科研究的重点内容。属性识别理论是近年来提出的一种数学模型,通过将此模型引入到地下工程围岩质量分类评价中,建立了基于属性识别理论的地下工程围岩稳定性分级模型。结合工程实例验证了该模型,并与灰色优化理论模型分类的结果进行了对比。研究结果表明,此模型应用于地下工程围岩稳定性分级是可行的并有其优越之处。     

基于改进可拓方法的地下工程围岩稳定性风险分析

为解决地下工程围岩稳定性分析中指标权值存在的风险难题,提出了一种地下工程围岩稳定性风险分析的改进可拓方法。通过提取地下工程围岩风险期望与风险指标极值变化特征,建立了围岩稳定性风险分析工作模式,构建地下工程围岩稳定性风险事件物元、风险域,确定风险特征隶属度,建立了地下工程围岩稳定性风险分析的形式化物元描述,以数据包络分析改进可拓方法,建立支持地下工程围岩稳定性相对风险评价模型。模型应用于地震作用下围岩稳定性风险案例,结果正确可靠,表明方法合理、可行,具有一定的普遍应用性。     

神经网络在矿山竖井工程围岩质量分级中的分析与应用

矿山竖井工程围岩质量分级中影响围岩质量分级的因素众多,各个因素间的非线性作用关系复杂,围岩分级过程中人为因素影响大,分级结果的准确性较差。神经网络通过合适的样本学习,能自动建立各个因素与围岩质量分级间的对应关系,能很好的解决类似矿山竖井围岩质量分级评价。从围岩介质特性、环境条件以及工程因素3个方面系统分析了影响岩体质量分级的因素指标,构建了围岩质量分级的神经网络模型,根据工程实例建立学习样本,经过对网络模型的训练与检验,证实神经网络具有较好的收敛性和稳定性,在岩体质量分级中应用具有很好的实用性。     

基于FOA-GRNN的软岩隧道围岩变形预测模型

为解决隧道围岩变形中的非线性问题,实现对软岩隧道变形发展趋势和稳定性的判断,建立了基于果蝇算法改进的广义回归神经网络隧道围岩变形预测模型。利用广义回归神经网络较好的非线性映射能力,对软岩隧道的拱顶沉降和水平收敛进行预测。由于GRNN的预测效果受光滑因子的影响,因此采用果蝇算法对光滑因子进行寻优,改善了GRNN预测模型确定参数时人为因素的影响,有效的提高了模型的预测精度和适用性。以玉磨隧道工程为例,通过对现场监测变形数据的训练,得到了隧道围岩变形预测结果,验证了FOA-GRNN预测模型能高效准确地对隧道围岩变形进行预测,可以为类似的工程提供一种新的途径。     

基于神经网络的隧道围岩位移反分析研究

根据重庆鹰嘴岩隧道现场监控量测资料,基于BP神经网络理论,进行了公路隧道围岩位移反分析研究。首先利用FLAC3D对隧道开挖衬砌过程进行模拟分析,建立各围岩参数组合与位移计算值的对应关系,形成用于神经网络训练和检验的样本,通过训练样本和检验样本分别对网络进行训练和检验,得出较为理想的位移反分析模型;然后通过此模型根据重庆鹰嘴岩隧道现场监控量测的围岩位移资料对有关围岩稳定性的力学参数进行了反演,为隧道围岩稳定性评价分析提供了重要的力学参数。     

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。     

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。     

基于组合赋权–未确知测度理论的围岩稳定性评价

针对岩体围岩稳定性评价多指标性和不确定性的特点,使用改进的层次分析法和熵值法确定各影响指标权重,并在此基础上,提出一种新的组合赋权规则,得到相对客观准确的结果。依据岩体围岩稳定性影响指标和分级标准,甄选了6个定性指标和8个定量指标,采用组合赋权–未确知测度理论耦合评价模型,构建了评价指标未确知测度函数、评价指标组合赋权值、置信度判别准则,对研究评价12处围岩断面进行了稳定性评价,获得了每个围岩断面稳定性等级,并与现场评价和模糊理论评价结果对比,评价结果基本符合实际情况。研究表明:岩体围岩稳定性的组合赋权–未确知测度模型是一种科学合理的方法,确保了评测对象信息的完整性和评测结果的客观性、准确性、可靠性,为工程岩体围岩稳定性的评价分级提供了一种新思维,具有工程实践指导意义。     

基于改进后的BP神经网络在混凝土桥梁损伤识别中的应用研究

混凝土桥梁的损伤识别与定位是目前的研究热点之一。本文在传统BP神经网络的基础上对其进行改进,并将改进后的BP神经网络应用在混凝土桥梁损伤定位与识别过程中。首先建立了识别桥梁的数值有限元模型,然后得到不同损伤情况下的桥梁自振频率和曲率模态值。将自振频率和曲率模态值作为改进后BP神经网络的输入参数,以有限元单模型中的损伤位置和损伤程度作为输出值,进而实现对桥梁结构的损伤定位和损伤识别。最后通过南京浦仪公路混凝土简支梁和连续梁为工程背景进行了验证。结果表明：采用改进后的BP神经网络可以很好的实现对桥梁的损伤定位和损伤程度的识别,并且具有很好的识别精度。即使在噪声存在的情况下,改进后的BP神经网络仍然可以达到很好的识别效果。     

基于神经网络的桥梁损伤识别研究综述

对人工神经网络的基本原理、特点以及与损伤识别的关系作了简要介绍,并重点介绍了损伤识别中常用的BP 神经网络的原理及其改进方法,以及国内外在基于神经网络的桥梁损伤识别应用方面的主要研究成果,最后对神经网络在桥梁损伤识别中的发展和应用作了展望。     

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。     

洞室围岩位移长期预报混沌-神经网络模型

为实现开挖结束后大型地下洞室围岩位移的长期预报,及时评价围岩长期稳定,结合位移混沌力学参数优化BP神经网络结构,建立混沌-动态时间延滞神经网络长期预报模型。将嵌入维数m作为神经网络的输入层个数,增加神经网络预报反馈模式,动态生成预报训练样本,选取较大的时间延迟τ,预测步数为h,使相点间的时间延迟为hτ,通过有限预测步数,实现位移长期预报。实例表明,模型计算速度快,计算稳定性好。当预测步数h≤5,预测次数不大于10次时,预报精度在10%以内,预报结果实时有效,实现了大型地下洞室位移的长期预报,为大型地下洞室围岩稳定性评价提供了快速有效的新思路。     

基于灰色系统最优归类模型的围岩稳定性综合评价

地下工程围岩稳定性评价是进行工程设计和制定相应工程措施的重要依据。根据与围岩稳定有关的地质资料建立了围岩稳定性分级表,在灰色关联分析和模糊识别原理的基础上,运用最小二乘法构造目标函数,对影响围岩稳定性的5项指标:岩石质量指标RQD,湿抗压强度Rw,完整性系数Kv,结构面强度系数Kf,地下水渗水量W/L等进行了关联分析,建立了围岩稳定评价灰色最优归类数学模型。模型运用了动态权重计算方法和综合评判指数的概念,以充分考虑评价标准指标的离散性。算例分析表明了文中方法对围岩稳定性评估的合理性和有效性。     

基于可变集的围岩质量等级识别原理与判别方法

基于可变集的对立统一定理,提出围岩质量等级可变集识别原理与方法。导出可变集多指标综合相对隶属度模型。首次将辩证法规律及其数学定理用于工程围岩等级识别。列举了两个应用实例,并与集对分析模型的围岩质量等级识别结果进行了比较与分析,指出它存在的问题。提出的围岩质量等级可变集识别原理与方法可推广应用于土木建筑、水利、水电、岩土工程等不同建筑物围岩质量等级识别,有广宽的应用前景。     

基于FA-NAR动态神经网络的隧洞围岩变形时序预测研究

针对隧洞围岩变形动态性、对时间和空间的敏感性、非线性、高度复杂性等特征,为提高围岩变形预测精度,采用萤火虫算法(FA)搜索确定延时阶数和隐含层单元个数,并利用非线性自回归(NAR)动态神经网络进行预测,提出基于FA-NAR动态神经网络的隧洞围岩变形预测模型,结合北山坑探设施围岩变形监测数据进行预测,并将其与BP神经网络算法预测结果对比分析。结果表明:(1) FA-NAR动态神经网络的预测值与实测值基本吻合,其产生的平均绝对误差和平均相对误差分别约为BP神经网络的1/5和1/4,表明FA-NAR动态神经网络算法模型比BP神经网络算法模型预测精度高;(2)采用FA-NAR动态神经网络算法模型能够很好地解决围岩变形预测问题,既减少了人为输入网络参数的盲目性,又提高了网络的学习能力和预测精度。     

基于云模型的围岩稳定性分类

围岩稳定性分类具有模糊性和随机性特点。基于云模型理论探讨了围岩稳定性分类新模型,以综合分析围岩稳定性评价的模糊性和随机性。该模型依据围岩稳定性评价因子分类标准,计算各评价因子隶属于不同围岩稳定性等级的云数字特征,并结合评价因子权重和正向正态云发生器,得到待评样本的综合确定度,以确定围岩稳定性级别。实例应用结果及与其它评价方法对比结果表明,该模型应用于围岩稳定性分类是有效可行的,且具有计算过程简便,结果可靠的优点,也为其他类似问题分析提供了参考。     

长隧道围岩稳定性的模型预测

长隧道围岩级别交替变化,围岩稳定性较差。监控量测是隧道安全施工的重要保证,通过对隧道现场实测数据进行建模评价和稳定性预测,来判断隧道围岩的稳定性,从而指导隧道的下一步施工。本文首先对测量数据进行粗差探测,然后利用灰色系统理论中的GM(1,1)预测模型和BP神经网络原理对测量数据进行建模分析,来预测围岩变形量。     

考虑累积微震损伤效应的荒沟电站地下洞室群围岩稳定性分析

微震监测作为开挖岩体附加损伤的指示器,已被广泛应用于地下工程施工期的围岩损伤区识别、圈定及稳定性分析评价中。然而,如何利用丰富的微震信息来标定岩体动态损伤过程中的力学参数,是定量评估围岩损伤程度及稳定性的关键。依托首座采用微震法岩爆监测的抽水蓄能电站工程——荒沟抽水蓄能电站,首先分析了地下洞室群施工期的微震活动性及围岩损伤情况;其次,建立以微震视体积确定岩体损伤尺度并考虑累积损伤效应的岩体劣化模型;最后,编写FISH语言将微震数据嵌入数值模拟中,首次实现了考虑累积微震损伤效应的地下洞室群围岩稳定性分析。结果表明:考虑累积微震损伤效应的围岩稳定性分析方法,有效利用了反映外界施工扰动和地质构造等异常活化的微震信息,岩体损伤程度、应力场和塑性区等分析结果与微震监测结果具有很好的一致性,对支护方案的优化设计具有指导意义。