基于因子分析与Fisher判别分析法的隧洞围岩分类研究

为快速有效地预测隧洞围岩的类别,提高地下工程的稳定性和安全性,应用因子分析与Fisher判别分析理论,选取岩石质量指标、完整性指标、饱和单轴抗压强度、纵波波速、弹性抗力系数和结构面摩擦因数等6个指标作为Fisher判别分析的判别因子。建立基于因子分析的隧洞围岩分类的Fisher预测模型。将现场勘测的30组隧洞围岩数据作为学习样本进行训练。利用回代估计法对模型效果进行检验,正确率为96.7%。将建立的判别模型应用于工程实例,以6组工程数据作为预测样本,进行隧洞围岩的分类预测,并与神经网络方法和Bayes方法进行对比。结果表明:因子分析可以有效提取围岩分类指标,去除冗余影响因素,基于因子分析的Fisher判别模型可有效地预测隧洞围岩的类别,所得预测结果的正确率为100%。     

基于Fisher判别准则的公路隧道围岩分级评价

该文借鉴Fisher判别理论,建立公路隧道围岩评价模型,以期取得较好的效果。该项研究借助Fisher判别明显的统计优势,综合国内外大量岩体围岩分级指标资料及工程实际,建立了公路隧道围岩识别的Fisher判别分析模型,选用隧道洞室围岩岩石单轴饱和抗压强度σc、节理平均间距d、岩石质量指标RQD、地下水情况W等方面的综合指标作为围岩类别判定的评价因子,以21组公路隧道围岩实测样本数据进行学习训练和检验,并建立了相应的线性判别函数对13组待判隧道围岩类别情况进行了预测,判别结果与实际一致。研究结果表明,FDA模型回判估计误判率为0,交叉确认估计误判率为4.8%,判别性能稳健可靠,对现有评价公路隧道围岩分级方法进行了有效的验证和补充。     

基于PSO-SVM公路隧道水害危险性分级研究及应用

复杂工程水文地质条件下,为提高公路隧道施工和运营的整体安全性能,避免人员和财产损失,基于粒子群算法优化的支持向量机(PSO-SVM)判别理论,构建山岭公路隧道水害的危险性的分级评价模型。将隧道水害危险性分为4个等级作为SVM分类器的4个标签,依据"物质-构造-自然-人工"的事物发展逻辑,选取围岩岩性、岩体质量分级、构造断裂带类型、隧道围岩水系连通性、降水量、汇水面积、地下水高程差、防排水措施、爆破振动、隧道施工分级共10项指标作为SVM的判别指标。收集整理国内典型的20组公路隧道的指标数据作为模型的训练样本,将训练后的模型应用于济南二环高速公路项目上在建的6条隧道水害危险性分级中。研究结果表明:构建的PSO-SVM的分级模型准确率高,分级效果合理有效,及时提出了相应的公路隧道水害的预防和治理措施,有效地减少了隧道水害的发生,为类似隧道工程水害危险性分级提供参考和借鉴。     

不同初始地应力条件下节理岩体隧道稳定性分析

围岩稳定性评价是隧道工程建设中最重要的内容,现有的稳定性判据多是针对均质岩石或土体而言的,尚缺少针对节理岩体隧道提出的判别指标。文章采用离散元数值模拟方法,以探索合理稳定性判据为目标,对不同地应力条件下节理岩体隧道的稳定性进行了深入研究。研究结果表明:(1)均匀应力场条件下,隧道围岩受拉屈服塑性区与节理张开区的分布相似,岩体节理滑移破坏区明显大于围岩塑性区和节理张开区;(2)侧向压力系数对围岩屈服区的影响较小,而对节理剪切滑移破坏区的影响却非常显著,因此以节理滑移破坏区作为节理岩体隧道稳定性的判别指标更加科学合理。     

310国道宝鸡-天水二级公路隧道围岩类别变更分析

通过论证比较,按照隧道围岩主要工程地质特征、围岩岩体结构及结构面特征、水文地质特征、围岩弹性纵波波速、变形系数、泊松比、内摩擦角、软化系数等指标,重新划分和确定了围岩类别;分析了产生围岩类别判定偏差的原因,以期对同类工程勘察起到借鉴和参考作用。     

基于BP神经网络高风险隧道围岩判定模型的研究

针对铁路高风险隧道地质围岩复杂性、突变性的问题,基于BP神经网络构造了以岩体完整性系数、岩体质量指标、结构面强度系数、岩石单轴饱和抗压强度和地下水渗流量5个参数,进行高风险隧道围岩级别判定模型的研究。通过该模型对相关数据进行学习、训练以及回判和预测,实现判定围岩级别和实际围岩级别基本一致。     

隧道围岩模糊分类研究

针对目前普遍使用的几种公路隧道围岩分类方法中存在的缺陷,提出了以隧道稳定性为基础,全面考虑影响围岩稳定的各类因素,运用模糊数学理论对隧道围岩分类进行定量化划分。总结了几种容易在洞顶和侧壁造成掉块的不利节理组合。建立了公路隧道模糊评判模型,对诸永高速公路西华岭隧道的围岩类别进行了评判。结果证明比以往的仅靠经验定性判断或仅以几个物性指标来对围岩好坏进行定量判别,更能准确无误的评判,能够很好的指导施工,保证隧道的安全。     

最小二乘支持向量机在隧道围岩变形预测中的应用

针对基于标准型支持向量机(Vapnik SVM)的岩体变形预测方法计算复杂度大、应用不便的缺点,提出一种基于最小二乘支持向量机的围岩变形预测方法.该方法结合开挖岩体具有高度不确定性的特点,将其作为一个时变系统考虑,首先采用滑动时窗方式选取学习样本,然后利用获得的样本训练最小二乘支持向量机预测模型.利用这种方法对雪家庄隧道围岩变形进行预测,分析结果表明,该方法具有较高的预测精度,是一种简单可行的变形预测方法.     

基于GA-SVM的汽车追尾预测方法研究

提出了一种基于GA-SVM的汽车追尾预测方法.该方法选取行车间距、后车车速、前后车速差、汽车制动时间、制动减速度等5个因素作为预测模型的输入指标,选取追尾概率作为输出向量,通过建立SVM预测模型,并用GA进行参数优化,对汽车追尾概率进行预测.通过仿真值与预测值对比,证明了该方法的准确性.     

考虑钻孔速率的公路隧道围岩类别超前分类研究

为了有效的进行公路隧道围岩稳定性超前分类,将台车钻孔速率引入到围岩稳定性评价指标体系中,通过增加动量因子和设置自适应调整学习率的方法建立了改进型BP神经网络的围岩分类模型。该模型考虑了钻孔速率这一实测性、超前性的数据,为模型注入了更为丰富的信息量,提高了围岩分类的可靠性,能较准确的预测出掌子面前未开挖段的围岩类别,弥补了施工地质超前预报中靠主观经验观察、分析的不足。通过实例分析,所得的分类结果与实际吻合,对施工的指导性强。     

公路隧道围岩分类模糊综合评判

根据现行的《公路隧道设计规范》和《公路工程地质勘察规范》的有关要求，对岩体质量系数进行分级，分级中选择了7个地质因素和6类围岩指标，并与稳定性相对应，构成了隧道围岩分类质量标准表。在此基础上，分析了围岩分类诸因素及各自特征，采用模糊综合评判的方法，建立了隧道围岩的数学模型，使围岩分类变得简单易行。     

TBM施工隧洞围岩分类方法的探讨

针对TBM施工隧洞中的围岩分类问题,指出TBM施工条件下的隧洞围岩分类应针对围岩的可钻掘性,充分考虑影响TBM掘进效率的主要工程地质因素,提出了在《工程岩体分级标准》围岩稳定性基本分级的基础上,依据岩石的单轴抗压强度、岩石的耐磨性和岩体的完整性,将TBM施工条件下的隧洞围岩分为A(好)、B(一般)、C(差)3个级别,对于当今隧洞围岩分级方法的进一步发展,以及提高我国TBM施工隧洞的设计和施工水平具有一定的实用价值。     

基于完整性系数的声波法围岩松动圈测试

声波法围岩松动圈测试技术以精度高、成本低、操作简单等优点而被广泛采用,但由于现有的判别标准均存在模糊性大、主观因素强等缺陷而始终没有统一的松动圈位置界定标准。根据弹塑性介质波动理论,定义破碎岩石完整性系数Rv为破碎岩石纵波波速与完整岩石纵波波速比值的平方,松动圈完整性系数Lv为松动圈岩体纵波波速与原始未扰动岩体纵波波速比值的平方,对岩石和松动圈岩体的完整程度进行定量分析。依据松动圈的形成原理,假定在硐室开挖中松动圈完整性系数Lv近似等于破碎岩石完整性系数Rv,提出了基于完整性系数的围岩松动圈判别准则和测试方法。在宝汉高速石门隧道围岩松动圈测试中,利用室内试验和现场试验,得到石门隧道Ⅲ级片麻岩破碎岩石完整性系数Rv为0.53;根据现场围岩波速测试结果,在假定松动圈完整性系数Lv近似等于破碎岩石完整性系数Rv的条件下,得出松动圈位置岩体的纵波波速,进而得到Ⅲ级围岩松动圈厚度在0.55~1.35 m之间,且沿洞周分布并不均匀,明显呈拱肩部厚,边墙部薄,这与围岩的初始应力状态较为吻合。通过与原有声波法松动圈测试判别标准的结果对比中发现,基于完整性系数的新判别方法更为准确可靠,可有效为隧道设计和施工提供依据。     

基于改进Sarma理论的隧道围岩楔形体稳定性计算方法及应用

隧道围岩楔形体是节理面、软弱夹层或断层等结构面经过切割完整岩体形成的岩石块体,是地下洞室中常见的地质灾害之一。为了量化评价隧道围岩楔形体稳定性情况,基于改进的Sarma理论方法,建立了地下隧洞楔形体计算物理模型及力学模型,推导了楔形体稳定性计算的临界加速度系数,提出了楔形体正压力计算方法,并基于结构面参数给出了楔形体稳定系数计算的隐函数表达式。将此方法应用于粗石山隧道围岩楔形体工程,结果表明,该楔形体稳定系数为1.05,处于欠稳定状态,建议通过采用喷钢纤维混凝土、系统长锚杆、设置格栅钢架等措施提高结构的整体支护能力,加强支护后的位移监测数据表明,该段围岩楔形体变形量很小,围岩整体稳定。     

基于蚁群优化支持向量机的公路隧道围岩变形预测模型及应用

为及时掌握隧道施工中围岩变形趋势以便采取措施加以控制,采用基于结构风险最小化的支持向量机(SVM)进行预测。介绍支持向量机的基本原理,研究蚁群算法(ACO)实现支持向量机参数优化的方法,构建ACOSVM模型。对某公路隧道随机选取的2个监测断面的预测结果表明,该模型预测精度较高,泛化性能较好,用蚁群算法进行SVM参数优选是一种简单、优选的方法,可以有效指导隧道的施工。     

集对变权法在公路隧道围岩分级中的应用

隧道围岩分级是通过一些实测指标,将隧道工程地质条件和岩体力学性质参数相结合,通过对围岩的地质分级,为工程设计、支护衬砌、建筑选型和施工方法选择等提供参数和依据。基于现场调查资料和室内外试验成果,对隧道围岩进行等级划分。针对公路隧道围岩分级的复杂性,以集对论为基础,进行了同、异、反分析,在确定隧道围岩分级指标和评价类别的联系度后,建立了集对分析模型。从隧道围岩分级的特点出发,给出了一种局部惩罚—激励型变权确定方法,并与所建的集对分析模型相结合,采用联系数最大原则,提出了变权综合方法,使得评价结果更加客观科学。     

基于超前钻探及优化集成算法的隧道围岩双层质量评价

为解决隧道超前钻探地质预报在解译过程中存在的主观判断性强、定量数据利用率低、评判标准不统一等问题，通过引入机器学习中的极限梯度提升集成算法模型（extreme gradient boosting，XGBoost），结合钻探数据开展隧道围岩完整程度与围岩级别的双层质量评价研究。一方面，采取数据降噪、等距分割、二级指标计算等数据预处理手段对11 233条原始钻探采样数据进行规律发掘和质量提升；另一方面，结合遗传算法（genetic algorithm，GA）与分类器链（classifier chains，CC）构建GA-CC-XGBoost模型，实现复杂机器学习模型的超参数组合自动寻优以及多标签分类的内在相关性考虑。最终所构建训练集的完整程度与围岩级别2项标签的分类准确率分别为95.91%、97.95%，综合分类准确率为93.88%。经过实际隧道工程应用表明，该模型预测结果满足现场超前钻探地质预报的解译需求。     

隧道围岩稳定性改进模糊概率模型及其应用研究

为更加准确有效地判别隧道围岩稳定性,引入RandWPSO-LSSVM(随机权重粒子群算法-最小二乘支持向量机)围岩极限位 移预测模型,对传统模型的隶属函数进行优化,建立围岩稳定性改进模糊概率模型。基于改进模型方法,由围岩位移预测值u、预测 位移标准差、围岩极限位移预测值U 及预测极限位移标准差即可求解隧道围岩稳定概率,并结合8 个工程算例对模型进行验证。 结果表明,改进模型解决了传统模型隶属函数存在的极限位移取值范围不合理的问题,且有效消除了隶属函数线性简化处理导致 的偏差,由其计算的稳定概率与实际情况吻合较好,围岩稳定性评价结果的可靠性更高; 将改进模型应用于实际工程的隧道围岩 稳定性判别中,计算结果能够较好地反映实际工程情况。     

断面形状对隧洞围岩位移和应力的影响分析

采用FLAC3D软件分析了圆形断面、矩形断面、直墙式断面和曲墙式断面形状隧道开挖在III级围岩中的位移和应力集中分布规律。圆形断面隧洞围岩位移最小,应力集中系数最小,塑性区厚度最小,应力集中系数最大点距洞面的距离最大,即支护结构受到的围岩压力最小;与圆形断面隧洞相比,曲墙式隧洞围岩位移、应力集中程度和塑性区仅次于圆形隧洞,曲墙式断面是合理的隧洞断面形式;矩形隧洞围岩位移、应力集中程度和塑性区最大;直墙式隧洞围岩位移、应力集中程度和塑性区仅比矩形隧道略小,与矩形一样,直墙式断面是不利的隧洞断面形式。     

层状岩体地下洞室施工阶段围岩精细化分级

围岩分级方法在实际应用中存在结果处理复杂、围岩分级量化数值范围交叉及围岩分级精度较低等问题，为了对层状岩体地下洞室施工阶段的围岩进行精细化分级，基于HC分类法，重点考虑层状岩体的层厚与产状对围岩稳定的影响，通过有限元软件Midas GTS对25种由正交试验方法得到的代表性工况进行了数值模拟，并将位移计算结果进行了极差分析。结果表明：层状岩体隧洞位移分布方向主要取决于结构面走向与洞轴线夹角α及结构面倾角β,而位移分布范围的大小主要取决于岩层厚度h;对层状岩体隧洞稳定性影响的大小排序为，饱和单轴抗压强度R_c>结构面走向与洞轴线夹角α>张开度W>层状岩体层厚h>结构面倾角β,因此，层状岩体隧洞围岩分级时，应充分考虑结构面产状的影响；饱和单轴抗压强度R_c、结构面走向与洞轴线夹角α均与层状岩体隧洞的稳定性近似呈正比，张开度W则与层状岩体隧洞的稳定性近似呈反比；层状岩体层厚h=0.6 m时，层状岩体隧洞稳定性最差，结构面倾角β=60°时，层状岩体隧洞稳定最差。基于HC分类法提出了基于隧道相对变形的修正分级区间，并分别采用了模糊物元...