粉煤灰-石灰-硫酸盐体系在软基加固中的应用

结合安徽省合徐高速公路软土地基工程，介绍了由粉煤灰—石灰—硫酸盐体系所构成的复合桩复合地基的工程应用情况。     

隧道围岩分级的遗传-支持向量分类耦合模型

针对现阶段围岩分级方法存在的主要问题,提出隧道围岩分级的遗传-支持向量分类方法。结合佛岭隧道施工期围岩分级实践,以公路隧道设计规范BQ分级为基准,分别采用岩石回弹强度和掌子面状态替代饱和单轴抗压强度和地应力状态,并增加节理延展性观察的定性指标,在大量现场测试和室内试验的基础上,给出每个分级指标的现场快速测试方法,并以分级结果作为遗传-支持向量分类算法的训练样本,建立隧道围岩分级的遗传-支持向量分类智能模型。佛岭隧道围岩分级实例表明:该模型分级结果与现场勘测基本一致,且较遗传-神经网络模型有更高的分级准确性,为隧道围岩分级提供一种方法。     

佛岭长大隧道洞口段施工方案优化研究

绩黄高速佛岭长大隧道洞口段存在埋深浅、围岩自稳能力差的特点,采用FLAC3D程序对拟定的预留核心土法、CD法、中隔壁法(CRD)和单侧壁导坑法、双侧导坑法,进行了施工过程的三维数值模拟.以不同方法施工过程中的同岩变形、塑性区体积和支护材料用量作为考察指标,经过技术和经济综合比选,最终确定采用单侧壁导坑法为最优工法,为佛岭隧道洞口施工提供了指导.     

隧道监控量测数据分析与管理系统的设计与开发

对国内外监测数据分析管理系统开发现状进行调研,分析监测数据分析管理系统的需求,以隧道工程的施工监测项目为应用对象,运用数据库管理和图形可视化技术,采用面向对象的关系数据模型,实现监测数据的录入与存储操作、多视图可视化查询、时态曲线与空间状态曲线图、回归分析、生成报表等基本功能。在此基础上,依据隧道设计规范中围岩稳定判断的相关规定,增加围岩稳定分析与预测专家库功能模块,最终开发完成隧道工程监控量测信息管理系统,并将该系统应用于工程实际,验证该系统的有效性和可靠性,为隧道工程施工监测数据分析提供一个新的工具。     

隧道施工围岩变形预测的智能模型

将支持向量回归(SVR)算法引入隧道施工期围岩变形预测,并采用遗传算法来自动搜索支持向量回归算法的模型参数,形成GA-SVR算法。结合香河隧道的施工变形监测,建立起了公路隧道施工围岩变形预测的GA-SVR智能模型。采用此模型对香河隧道后继开挖的监测时间点进行变形预测,并与实测变形对比,所建立的GA-SVR智能模型预测最大相对误差仅为6.99%,平均预测相对误差仅为1.99%,完全可用于公路隧道施工期的围岩变形预测,并为类似工程提供了借鉴。     

隧道围岩变形预测的进化高斯过程回归模型

隧道施工围岩变形预测是关系到隧道施工安全和工程质量的关键,至今已出现多种预测模型,但也存在各种问题。本文将高斯过程回归(GPR)引入隧道施工围岩变形预测以克服现有模型存在的问题,针对目前采用共轭梯度法获得GPR模型最优超参数的缺陷,将十进制遗传算法(GA)与高斯过程回归算法相耦合,采用遗传算法在训练过程中自动搜索GPR模型最优超参数,形成GA-GPR算法,并编制相应的计算程序。为了对比,采用遗传算法与支持向量回归(SVR)算法相耦合,形成GA-SVR算法,将这两种算法程序应用于黄榜岭隧道施工围岩变形预测。计算结果对比表明:本文提出的进化高斯过程回归算法明显提高了预测精度,并为类似工程提供借鉴。