基于人工神经网络和遗传算法的隧道爆破超挖预测模型研究

隧道超挖会额外增加施工成本，还将面临潜在开挖面坍塌、冒顶等风险。本文以G0711乌鲁木齐至尉犁段天山胜利隧道主洞施工为依托，利用人工神经网络(ANN)、遗传算法-人工神经网络(GA-ANN)两个智能模型来预测隧道超挖量。首先提取依托工程中的406个数据集组成数据库，其中延误次数、炮孔长度、炮孔抵抗线、炮孔间距、炸药单耗、围岩等级、炮孔抵抗线等参数为输入端，所预测隧道超挖量为输出端；然后根据均方根误差(RMSE)、方差贡献(VAF)和确定系数(R²)等性能指标筛选出预测精度更高的智能模型。研究结果表明：GA-ANN模型训练集和测试集结果(VAF=90.134,R²=0.903,RMSE=0.058;VAF=88.030,R²=0.881,RMSE=0.074)明显优于ANN模型(VAF=70.319,R²=0.703,RMSE=0.103;VAF=768.731,R²=0.693,RMSE=0.108)，因此GA-ANN预测方法更能精确预测隧道钻爆施工超挖量。此外，敏感性分析结果...