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。     

考虑岩体非均质性的隧道掌子面图像分级方法

针对隧道掌子面围岩等级识别主观性强、依赖技术人员经验，且同一隧道掌子面某一区域地质情况可能存在差异等问题，通过引入深度学习方法，结合掌子面图像滑窗识别技术，开展掌子面围岩等级自动识别研究。通过现场采集隧道掌子面图像共1 192张，建立隧道掌子面图像数据库，采用图像预处理技术对掌子面图像进行预处理以满足模型训练要求；构建AlexNet、ResNet34和ResNet50共3类卷积神经网络模型，并对比其性能优劣与适用性，获得识别准确率为85.2%的ResNet50最优模型；最后结合ResNet50模型建立掌子面图像滑窗识别技术，解决了非均质掌子面岩体分级效果差的问题，进一步提高识别准确率，实现隧道掌子面围岩等级自动识别。经过实际隧道工程应用，验证了该方法的可行性与适用性。     

基于遍布节理模型的超大断面隧道开挖优化研究

为优化节理发育岩体条件下超大断面隧道开挖方法,文章以天峨至北海公路(巴马至平果段)山贡隧道为工程依托,通过引入遍布节理模型开展隧道开挖过程数值分析,并建立0.5 m、1.0 m、1.5 m、2.0 m、2.5 m、3.0 m共6种中隔壁法循环开挖进尺数值模拟工况,从围岩变形及塑性区分布的角度分析循环开挖进尺对围岩稳定性...