隧道围岩分级的模糊模式识别法

利用模糊数学方法而建立的基于模糊模式识别的隧道围岩分级模型,给出了较为简单而且准确的隧道围岩级别判定方法,其有效性已经过了工程实例的验证。     

隧道围岩分级的模糊模式识别法

利用模糊数学方法而建立的基于模糊模式识别的隧道围岩分级模型．给出了较为简单而且准确的隧道围岩级别判定方法,其有效性已经过了工程实例的验证。     

基于先验知识和BP网络的隧道爆破参数计算

为克服当前隧道爆破参数选取受人为因素影响的不足,以围岩普氏系数、隧道断面积、实际进尺和炮孔直径等为网络输入参数,以设计进尺、炸药单耗、周边孔距和掘进孔孔距等为网络输出参数,建立了含输入层、输出层和隐含层的神经网络模型,并给出了模型学习算法,提出了基于爆破先验知识的可加快模型求解收敛速度的网络学习约束条件.隧道爆破参数的实例计算结果表明,给出的网络模型及其算法能在借鉴已有爆破资料的基础上准确、快速计算爆破参数,并且获得理想的爆破效果.     

人工神经元网络在公路隧道围岩判别中的应用

基于人工神经元网络原理,结合公路隧道围岩判别的工程实际资料,通过BP神经网络模型的有师学习记忆和预测功能,对公路隧道围岩判别预测进行了研究。通过实例预测检验,证明了人工神经元网络在公路隧道围岩判别中的可行性和实用性。     

阳宗隧道围岩变形的神经网络技术预测

隧道新奥法施工中,常以围岩变形量作为评判围岩稳定性和支护结构合理性的重要指标.公路隧道围岩变形量是随时间而变化的数据序列,因而可以建立一些实时跟踪预测模型和方法.本文根据阳宗隧道围岩拱顶下沉位移变形的特性,采用神经网络技术来预测其变形量,结果表明该方法简易、有效.     

基于正态云理论的软弱隧道围岩分级

选取针对软弱隧道围岩的4个指标——单轴抗压强度Rc、完整性系数Kv、黏聚力c及软化系数Kf,构建了基于正态云理论的软弱隧道围岩分级体系;用隧道工程实例对软弱隧道围岩分级体系进行了验证计算,并以实际开挖围岩等级作为参照标准,对比分析了分别用正态云法与BQ法得到的围岩分级结果.结果 表明:与BQ法相比,正态云法得到的围岩等级与实际开挖围岩等级的一致性更高;验证了基于正态云理论的软弱隧道围岩分级体系的可行性;正态云法围岩分级体系可作为一种新的软弱围岩分级判定方法.     

基于正态云理论的软弱隧道围岩分级

选取针对软弱隧道围岩的4个指标——单轴抗压强度Rc、完整性系数Kv、黏聚力c及软化系数Kf,构建了基于正态云理论的软弱隧道围岩分级体系;用隧道工程实例对软弱隧道围岩分级体系进行了验证计算,并以实际开挖围岩等级作为参照标准,对比分析了分别用正态云法与BQ法得到的围岩分级结果.结果 表明:与BQ法相比,正态云法得到的围岩等级与实际开挖围岩等级的一致性更高;验证了基于正态云理论的软弱隧道围岩分级体系的可行性;正态云法围岩分级体系可作为一种新的软弱围岩分级判定方法.     

阳宗隧道围岩变形的神经网络技术预测

隧道新奥法施工中,常以围岩变形量作为评判围岩稳定性和支护结构合理性的重要指标.公路隧道围岩变形量是随时间而变化的数据序列,因而可以建立一些实时跟踪预测模型和方法.本文根据阳宗隧道围岩拱顶下沉位移变形的特性,采用神经网络技术来预测其变形量,结果表明该方法简易、有效.     

模糊逻辑与神经网络技术协作系统的研究

分析了模糊系统与神经网络系统的相同及相异性。在此基础上研究了模糊逻辑与神经网络技术协作系统的结构和实现技术，并着重研究了模糊控制器的神经网络实现技术及改善神经网络学习特性的模糊控制技术。     

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.