基于PSO-RBF神经网络模型的铁路隧道突水危险性评价

突水是铁路隧道施工过程中发生频率最高的灾害事故,为有效预防突水事故,降低隧道施工风险,保障施工人员安全。在已有研究基础上选取10个核心指标作为影响突水事故发生的判断依据,收集50组典型隧道突水实例数据作为突水危险性评价的研究样本,运用粒子群优化算法(PSO)优化径向基神经网络(RBF)后,对样本数据进行训练测试,建立PSO-RBF神经网络铁路隧道突水危险性评价模型。最后,将该模型应用于井家山隧道验证其实用性。实例研究表明：PSO-RBF模型能够准确对井家山隧道突水危险性作出判定,且与梯度下降法改进的RBF神经网络相比,PSO-RBF神经网络模型具有更高的准确率和更快的迭代速度。     

基于层次分析法的铁路岩溶隧道突水风险评价

研究目的:基于层次分析法的铁路岩溶隧道突水风险评价,是将岩溶隧道突水风险因素定量化,通过数学运算计算出各风险因素相对于突水风险评估总目标的排序权重,并比较各风险因素之间权重大小,用于评价不同水文地质条件的岩溶隧道或岩溶隧道不同地段突水的风险性。研究结论:应用层次分析法对铁路岩溶隧道突水风险进行评价,解决了因人而异、人的主观性带来的偏差。以宜万铁路齐岳山隧道为例,论证了隧道得胜场地下河槽谷段及进口山地斜坡段分别为突水风险极高、高度地段,基本符合该隧道掘进过程中突水状况。     

PCA-PNN模型在铁路隧道围岩安全性预测评价中的应用

为客观评价隧道围岩安全状态,结合围岩岩体结构及地质特征等影响因素,建立影响隧道围岩安全的各指标因素。用主成分分析PCA法应用MATLAB软件对建立的指标因素进行主成分提取。将分析后所得的主成分作为概率神经网络PNN的输入向量,构建隧道围岩安全性预测评价模型。运用PCA-PNN模型对张吉怀铁路兰新乡隧道围岩进行安全性预测评价,得出各样本的围岩安全状况与现场情况相吻合,评价结果切合实际并与TOPSIS法评价结果基本相符。该评价模型简单可操作,预测评价结果对隧道施工有一定的指导意义,可应用于隧道围岩安全性预测评价研究中。     

基于可变模糊集理论的铁路隧道塌方风险评价

为准确预测铁路隧道塌方风险等级,避免塌方事故的发生,建立铁路隧道塌方风险评价可变模糊集理论模型.从工程地质、勘察设计、施工技术与管理3方面分析隧道塌方的风险因素,建立共10个2级评价指标的铁路隧道塌方风险评价指标体系,分别运用改进G2法和改进CRITIC法对评价指标进行主、客观赋权,运用博弈论组合赋权法对权重分配结果进行优化,通过可变模糊评价法结合岩山隧道工程实例验证评价模型可行性.研究结果表明:岩山隧道各区段塌方风险等级均在2级与3级之间,隧道整体风险在中等风险与高等风险之间,评价结果与工程实际情况吻合,说明该模型在铁路隧道塌方风险评价具有一定适用性.     

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数σ_θ/σ_c、岩石脆性系数σ_c/σ_t以及弹性能量指数W_et作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证。研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法。     

基于改进理想点法的岩溶隧道突水风险预测

为准确评价隧道突水对施工安全的影响,筛选地层岩性、地形地貌等8个水文地质指标作为隧道突水主要影响因素,建立突水风险评价体系,提出一种基于改进理想点法的风险预测方法。根据改进的模糊层次分析法和熵权理论分别确定指标的主客观权重,将主客观权重之和的最小值作为综合权重并动态修正。运用该方法对杨林隧道4个突水区域的风险等级进行预测,结果和现场实际情况一致,从而验证了该方法的适用性。     

IPP-PNN模型在川藏铁路深埋长大隧道岩爆预测中的应用

为了准确预测在高地应力、高地温铁路隧道中的岩爆灾害,以川藏铁路前期拉林段的重要隧道节点工程为研究背景,系统、全面地总结应力水平、埋深、温度、围岩岩性及地质构造、岩体系统刚度等影响因素对川藏铁路深埋长大隧道岩爆的孕育作用,重点分析高地应力和高地温对岩爆发生的影响相关性。构建川藏铁路深埋长大隧道岩爆预测指标体系,测试并量化岩体岩爆的倾向性指标。由于各影响因素与岩爆的非线性关系,选用能充分提取数据信息、处理多因素复杂非线性问题的改进投影寻踪(Improved Projection Pursuit,IPP)评价模型对川藏铁路拉林段典型高地应力、高地温深埋长大隧道桑珠岭隧道在施工期发生的岩爆问题做初步评价,并引入密度函数估计和贝叶斯最小风险准则,将IPP模型和概率神经网络(Probabilistic Neural Networks,PNN)模型相结合,实现对岩爆等级的聚类划分。研究结果表明：根据岩爆等级预测结果可知IPP-PNN模型预测结果相比于传统PP-PNN模型和GSA-PP模型其准确度更高,在对桑珠岭隧道11～19号隧道路段的岩爆预测中,岩爆预测等级与实测等级相符合程度由66.67%和77...     

基于神经网络的铁路路基工程地质灾害危险性预测评价

论述径向基函数神经网络(RBF)和广义回归神经网络(GR)结构,通过人工神经网络建立铁路路基工程地质灾害危险性评价模型。结合工程实际,对工程项目报告中的45组含有路基工程引发或加剧地质灾害危险性预测评价单元进行分析量化。RBF和GR模型预测评价后的输出结果与实际调查结果对比表明,RBF和GR模型对3种危险等级的预测评价单元有较好的预测结果,用于地质灾害评估工作具有较好的参考价值。     

街子坡向斜岩溶水系统及隧道涌突水危险性研究

研究目的:大瑞铁路大柱山隧道横穿街子坡复式向斜富水构造,分为街子坡向斜和搬家寨两个水文地质单元,褶皱和断裂构造复杂,岩溶水活动活跃,存在较大的岩溶隧道施工工程风险.通过街子坡复式向斜岩溶水系统及隧道涌突水危险性研究,有效预测评价岩溶隧道的涌突水危害,以期能对工程的顺利实施和安全有所裨益,对类似岩溶富水构造涌突水危险性分析具有一定的借鉴意义.研究结论:通过隧道涌突水危险性评价体系研究表明,大柱山街子坡复式向斜涌突水危险等级主要集中在高危险区、中危险区,隧道发生涌突水风险大,属施工涌突水风险大的储水构造.     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

RBF神经网络在铁路货运量预测中的应用

基于回归和时间序列模型的传统预测方法以及目前较为常用的灰色预测和BP神经网络预测方法，建立了RBF神经网络模型对全国铁路货运量进行详细分析和预测。利用铁路货运量的原始数据构造时间序列，并对时间序列进行分析和相应的处理。将处理后的数据构造为一个非线性映射，利用RBF神经网络进行逼近。利用Matlab对灰色预测、BP神经网络预测和RBF神经网络预测模型进行仿真实验，得出3种预测模型的平均相对误差，分别为7.67%、4.79%和1.31%。表明RBF神经网络预测方法的预测精度比另外两种预测方法高很多，可为铁路货运量预测研究提供方法支撑。     

基于径向基神经网络的铁路客货运量预测研究

根据径向基神经网络具有分析非线性动态系统的混沌特性的特点,对铁路客货运发送量相关时间序列进行分析和研究,在Takens相空间重构的基础上,利用互信息方法求嵌入时延、伪邻域方法求嵌入维数;应用G-P方法和最大Lyapunov指数方法对铁路客货运量时间序列进行混沌识别;根据RBF神经网络的学习算法和辨识原理,对铁路客货运量预测流程进行分析。应用径向基神经网络对铁路客货运量自1999-01-01-2012-08-27共4 988 d的发送量为基础进行径向基神经网络预测;并对预测误差进行检验及对预测结果进行分析。研究结果表明：基于径向基神经网络预测值能很好地与实际值相吻合,因而在铁路客货运量相关时间序列中预测有广泛的实用价值。     

RBF神经网络在铁路客运成本预测中的应用

铁路运输客运成本指的是铁路运输企业为了完成客运运输作业在运输过程中所耗费的一切费用的支出,包括运输生产过程中生产资料的消耗和劳动力的消耗。合理地控制铁路运输成本可以有效地提高铁路运输企业的管理水平、经营状况等。可见,选取符合具有铁路成本特点的预测方法准确地对运输成本进行预测具有重要的意义。通过对铁路客运成本的影响因素进行分析,选取主要影响因素并结合RBF神经网络超强的学习能力和适应能力建立铁路客运成本预测模型进行预测。最后,通过案例分析得到RBF神经网络对客运量成本具有很好的预测性。     

基于径向基神经网络的铁路货运量预测

货运量预测是铁路运输部门一项重要工作,因此,关于铁路货运量预测理论和方法的研究一直是一个热点。但是,铁路货运量受多种因素影响,且各因素的作用机制通常不能或无法用精确的数学语言来准确描述。本文采用径向基函数(RBF)神经网络对货运量进行分析及预测。通过对1989~2002年全国铁路货运量的历史数据分析处理后,得到铁路货运量增长量的时间序列,将时间序列视为一个从输入到输出的非线性映射,引入RBF神经网络来进行非线性映射的逼近。对网络进行学习与训练仿真实验后,用2003~2004年的增长量进行模型检验,并与BP神经网络、灰色预测模型预测结果进行对比,结果表明,应用RBF神经网络对铁路货运量进行短期预测预测精度更高、效果更好。     

岩溶风险隧道监理工作控制要点分析

可溶岩地区隧道施工存在突泥突水、围岩变形、塌方、沉陷等诸多风险因素。通过贵广铁路岩溶风险隧道施工现场监理工作实践,介绍了在可溶岩地区铁路隧道施工监理工作中,应重点注意的综合超前地质预报、风险评估、专项施工方案及专项应急救援预案等关键事项;对岩溶风险隧道开挖、初期支护、施工防排水、衬砌、围岩监控量测等各工序的监理工作控制要点进行了详细阐述;同时介绍了在实施现场监理的过程中,为了保证岩溶风险隧道施工安全及质量,监理单位应该采取的监控手段、监理工作方法及措施。     

京张高铁正盘台隧道立体式多径路排水方案研究

长大富水隧道施工过程中涌水风险高,工期紧张,对排水能力要求高,辅助坑道设置方案及排水方案对隧道施工及运营有着重要影响。根据正盘台隧道的工程特点及涌水涌渣情况,结合排水需求,合理地选择辅助坑道设置方案,采用辅助坑道为正洞,增开工作面,实现"长隧短打",同时充分利用辅助坑道进行可控式排水、洞内储水仓、中心排水管分流等创新设计。多辅助坑道与正洞排水系统一起形成了立体式多径路的排水系统,有效降低了涌水淹井风险,保障了隧道工期,减轻了正洞防排水压力,可为类似工程的排水设计提供参考。     

基于主元分析-概率神经网络的车辆受电弓故障诊断

在城市轨道交通车辆受电弓日常检修过程中,大量检修及故障数据未得到合理利用。针对计划检修已不能满足目前受电弓检修要求的问题,提出了一种基于主元分析和概率神经网络结合的故障诊断方法。该方法运用主元分析法对受电弓日常检修中的初始特征参数进行降维,将降维后特征参数输入到概率神经网络模型中进行故障诊断,判定受电弓故障模式。仿真结果表明,该诊断方法耗时短、正确性高。     

基于代价敏感RBF神经网络的道岔故障诊断系统

针对铁路道岔故障中几种常见类型故障,为尽量减少道岔故障误分类所造成的损失,特建立基于遗传算法的代价敏感RBF神经网络模型以及基于该模型的道岔故障诊断系统。模型通过建立代价敏感适应度函数,实现基于遗传算法的RBF神经网络向代价最优的方向进行随机搜索。利用某车站道岔动作电流监测数据进行验证,证明系统能够提高故障数据的识别精度,降低故障数据的误分类代价。该系统可帮助维护人员快速、准确地对道岔故障进行诊断,缩短故障处理时间,提高铁路行车的安全性。