光面爆破技术及其在隧道掘进中的应用

研究光面爆破机理及其爆破参数的确定和装药结构,并将光面爆破技术运用于大坪尾隧道爆破开挖工程,计算隧道光面爆破参数,给出炮孔布置和施工工艺。结合工程实践,探讨光面爆破设计与施工中应采取的技术保证措施,并提出在光面爆破中使用水袋进行炮孔填塞的建议。     

南京地铁小净距隧道爆破振动控制技术研究

对南京地铁苜蓿园站~小卫街站区间小净距隧道安全施工技术进行研究,包括振动参数选取、爆破动力响应数值分析、爆破振动监控量测技术。采用降低循环进尺、分部开挖、增设周边减振眼及严格控制药量等措施,有效地控制了爆破振动强度,保证了隧道的安全施工。说明所采取的爆破振动控制技术是成功的,为同类工程提供有益的借鉴。     

基于BP神经网络的煤炭企业可持续发展评价

在分析煤炭企业可持续发展评价方法的基础上，建立了煤炭企业可持续发展评价指标体系，构建了基于误差反向传播算法（BP算法）的多层前向神经网络模型．为减小希望输出与实际输出之间的误差，从输出层神经元到输入层神经元逐层反向修正各连接权，并在网络训练学习的过程中不断执行误差反向传播修正，以提高网络对输入模式响应的正确率．通过算例验证了运用BP神经网络评价煤炭企业可持续发展的有效性和准确性．     

小净距隧道施工中减振技术研究

结合云（阳）-万（州）高速公路张家山隧道小净距段的实际情况,介绍了小循环进尺、分区开挖的台阶分部法和短台阶断面法开挖,以及包括控制最大段装药量、段间隔时间、确定合理的爆破参数和对先行洞最不利部位振速监测等措施的爆破振动控制技术。实践表明：爆破振动控制技术保证了小净距段先行洞的安全和后行洞施工的顺利进行。     

小净距交叉隧道爆破对既有隧道的振动影响分析*

结合兰州枢纽新建北环隧道小净距上穿红山顶隧道工程,实时监测爆破施工过程中既有隧道的振动速度和应变。通过分析多次试爆振动数据,确定了施工过程中地质条件、爆心距、装药量、夹质作用和迎爆面对爆破振动速度的影响,并拟合回归了适用于本隧道的爆破振动速度公式和合理振速标准。基于爆破振动速度的影响因素,本文还对原有爆破方案从装药量、起爆次数、开挖进尺和起爆时差等方面进行了调整。最终新建隧道顺利通过小净距影响区域,证明了研究方法的可行性和正确性。     

公路隧道光面爆破系统在某隧道中的应用

公路隧道光面爆破设计主要是根据经验公式来进行计算,在分析多种经验公式的基础上,综合实际工程经验提炼出一套更加能够满足实际工程需求的设计方法—综合分析法。以综合分析法为理论背景,结合VB6.0编程语言开发出一套公路隧道光面爆破设计系统,在输入部分必要参数后,该系统能够自行进行公路隧道光面爆破的炮孔布置图设计。实际隧道工程中的应用表明该系统操作简便,设计结果合理可行。     

改进的BP网络在隧道锚喷支护参数设计中的应用

建立了隧道锚喷支护设计参数选择的BP网络模型，并对BP算法中的不足之处加以改进。对隧道锚喷支护的影响因素进行了分析研究，结合我国隧道的实际情况，确定了神经元网络的输入参数。同时根据计算时BP网络对于数据取值范围的要求，对输入输出参数进行了必要的变换处理。结果表明，用改进的BP网络方法选择隧道锚喷支护设计参数的效果是良好的，设计误差能够满足工程实际的需要。     

一种用于火灾识别的高斯函数动态神经网络分类方法

在火灾识别过程中,模式类的统计特性通常是未知的或者无法估计的,这类决策问题最好直接通过训练,生成所需的判别函数来处理.文中构建了高斯动态神经网络G-DNN结构,给出了G-DNN的理论分析和具体的算法步骤.对于网络学习的收敛速度非常重要网络参数σ,μ,ω,τ初值设定问题,充分利用参数与输入特征值、输出值和中间值分别相关的思想,引入参数预定义的方法,实验证明这种方法可以使网络学习较快收敛.     

中深孔扇形掏槽减振技术在地铁隧道的应用

为减小爆破振动和增加爆破循环进尺,以青岛地铁2号线车站主体Ⅰ部上台阶的爆破开挖为背景,通过理论分析和现场试验,对扇形掏槽机理和参数进行探讨。结果表明:中深孔扇形掏槽减振技术,不仅将爆破振速控制在0.5cm/s以内,而且将炮眼利用率提高到95%,爆破循环进尺提高到2m。扇形掏槽技术控制振速和加大爆破进尺的效果明显。     

近接隧道中减振孔的爆破振动控制效应研究

新建隧道爆破施工时, 邻近既有隧道在爆破应力波作用下会产生一定的振动响应, 严重时会引起既有隧道衬砌结构开裂、 崩落等, 对既有隧道结构的安全与稳定构成一定威胁。 为了有效降低新建隧道爆破作业对邻近既有隧道的危害, 研究近接隧道中减振孔的爆破振动控制效益就显得尤为重要。 基于此, 本文分析研究了不同减振孔直径、 间距、 位置、 排数条件下的岩体质点振速及减振效率的变化规律, 得出描述减振率与减振孔参数间的关系式。 并借助数值分析软件 ANSYS / LS-DYNA, 分析近接隧道爆破中减振孔的降振效果。 研究结果表明: (1) 减振孔直径越大, 减振孔间距越小, 对爆破应力波的衰减作用越显著。 (2) 减振孔距爆源越近, 减振孔排数越多, 对爆破应力波的衰减作用越显著。 (3) 四个因素对爆破振动强度的影响程度由大至小依次为减振孔排数、 减振孔位置、 减振孔直径、 减振孔间距。 (4) 既有隧道中心断面前后 10m 范围内是关乎结构安全的重点部位, 单排减振孔对中心断面各部位的减振率达到 30% ~40%。     

Prediction of Axial Capacity of Concrete-Filled Square Steel Tubes Using Neural Networks

The application of artificial neural network to predict the ultimate bearing capacity of CFST （ concrete-filled square steel tubes） short columns under axial loading is explored. Input parameters consiste of concrete compressive strength, yield strength of steel tube, confinement index, sectional dimension and width-to-thickness ratio. The ultimate bearing capacity is the only output parameter. A multilayer feedforward neural network is used to describe the nonlinear relationships between the input and output variables. Fifty-five experimental data of CFST short columns under axial loading are used to train and test the neural network. A comparison between the neural network model and three parameter models shows that the neural network model possesses good accuracy and could be a practical method for predicting the ultimate strength of axially loaded CFST short columns.     

基于进化神经元算法的堡镇隧道软弱围岩施工弹塑性智能位移反分析

结合宜万铁路堡镇隧道的施工,将BP神经网络和遗传算法引入特长隧道软岩段的施工位移反分析,采用遗传算法自动搜索BP神经网络训练效果最优的参数,建立起反映围岩变形与岩体物理力学参数及初始地应力之间高度非线性、不确定的GA-BP智能模型,然后采用遗传算法在岩体物理力学参数和初始地应力取值范围内,搜索BP神经网络预测围岩变形与实测围岩变形最接近的参数组合,取得反演获得的岩体物理力学参数和初始地应力.从堡镇隧道应用结果来看,这种进化神经元算法反演结果可以满足隧道施工的需要,并为类似工程提供了借鉴.     

基于改进算法的多层神经网络的结构优化设计

简要地介绍了工程中应用较多的多层前向神经网络(BP网络)的结构和网络的设计．通过采用一种改进的训练算法(参考隐层的输出),并结合科学的样本选择方法(“超立方体”法)设计网络,进行网络训练．最后通过数字仿真证明了这个网络模型用于结构优化设计的有效性．     

隧道下穿既有线爆破方案的研究与实践

某隧洞下穿鹰厦线工程,工程地质水文地质复杂,下穿段铁路路基为半路堤半路堑形式,路堤边坡坡度约为i：0．75,且铁路右侧为九龙江,铁路轨底到隧洞顶的覆土厚度约为20m。爆破方案的设计与实施十分复杂,在详述工程概况、工程地质和水文地质条件的基础上,从爆破方案的选择、爆破参数的确定以及爆破技术的实施等多个方面对隧道下穿既有鹰厦线方案进行了详细的论证和阐述,研究的结论和实践经验对同类工程有较好的借鉴作用。     

Intelligent direct analysis of physical and mechanical parameters of tunnel surrounding rock based on adaptive immunity algorithm and BP neural network

Because of complexity and non-predictability of the tunnel surrounding rock, the problem with the determination of the physical and, mechanical parameters of the surrounding rock has become a main obstacle to theoretical research and numerical analysis in tunnel engineering. During design, it is a frequent practice, therefore, to give recommended values by analog based on experience. It is a key point in current research to make use of the displacement back analytic method to comparatively accurately determine the parameters of the surrounding rock whereas artificial intelligence possesses an exceptionally strong capability of identifying, expressing and coping with such complex non-linear relationships. The parameters can be verified by searching the optimal network structure, using back analysis on measured data to search optimal parameters and performing direct computation of the obtained results. In the current paper, the direct analysis is performed with the biological emulation system and the software of Fast Lagrangian Analysis of Continua (FLAC3D. The high non-linearity, network reasoning and coupling ability of the neural network are employed. The output vector required of the training of the neural network is obtained with the numerical analysis software. And the overall space search is conducted by employing the Adaptive Immunity Algorithm. As a result, we are able to avoid the shortcoming that multiple parameters and optimized parameters are easy to fall into a local extremum. At the same time, the computing speed and efficiency are increased as well. Further, in the paper satisfactory conclusions are arrived at through the intelligent direct-back analysis on the monitored and measured data at the Erdaoya tunneling project. The results show that the physical and mechanical parameters obtained by the intelligent direct-back analysis proposed in the current paper have effectively unproved the recommended values in the original prospecting data. This is of practical significance to the appraisal of stability and informationization design of the surrounding rock.     

斗篷山隧道光面爆破施工技术

光面爆破技术是隧道施工的基础,光爆效果对隧道施工质量、超欠挖及成本控制至关重要。为进一步完善光面爆破技术,结合斗篷山隧道工程实践,对光面爆破技术进行了全面阐述,重点介绍了光面爆破的初步设计和调整设计的方法,并通过试验统计分析最终确定了该隧道Ⅲ、Ⅳ、Ⅴ级围岩的光面爆破技术参数,通过实施取得了良好效果。对类似工程有参考意义。     

遗传算法优化的RBF神经网络模型在公路隧道群交通事故微观预测中的应用

本文根据构建的遗传算法优化的RBF神经网络模型,提出了公路隧道群交通事故微观预测方法,对以任意断面为中心的单元长度内的交通事故率进行合理预测,为公路隧道群事故多发点的鉴别及预防管理措施的制定提供理论支撑。最后,以西汉高速公路隧道群区段为例,以调研所得的交通事故微观预测模型参数基础资料,运用本文构建的预测模型进行工程实践应用分析,同时与传统的RBF神经网络预测结果进行对比,分析说明遗传算法优化的RBF神经网络预测模型的科学性及可行性效果良好。     

高速公路隧道交通事故严重程度的影响因素分析

根据京珠高速公路韶关段4个隧道的交通事故资料,从时间因素、隧道环境因素和交通动态因素3个方面选取9个输入变量,以交通事故严重程度为输出变量,建立高速公路隧道交通事故严重程度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析．研究结果表明,日交通量与年平均日交通量之比和大型车混入率对交通事故严重程度的影响最大,天气、线形、坡度和事故发生地点在隧道中的位置对交通事故严重程度的影响基本相等,事故发生时段对交通事故严重程度的影响可以忽略不计．     

����GA¬¬-BP�ĸ��ٹ�·����ѵ�ģ������������о�

鉴于模糊神经网络具有良好的非线性特性、学习能力、自适应能力和抗干扰能力,本文将模糊神经网络技术引入到高速公路入口匝道控制中。提出一种基于GA和BP算法的模糊神经网络控制器,并对控制器进行了详细设计。设计过程主要分为三部分：输入输出参数的选择、模糊神经网络的结构设计以及基于GA-BP的学习算法设计。最后,使用MATLAB软件对其进行了仿真。仿真结果表明,本文提出的方法是有效的,较之基于BP的模糊神经网络控制和ALINEA控制,能更好地稳定主线交通流密度。