长大山岭隧道涌水量的BP神经网络时间序列预测模型

基于BP神经网络时间序列的隧道涌水量预测模型不必考虑隧道涌水量的影响因素及其关系,而是将隧道涌水量的时间序列做归一化处理,作为模型的输入输出变量,通过历史数据和所建立的预测模型来预测隧道涌水量。以一隧道1999年6月—2000年6月涌水数据序列为例,进行了基于BP神经网络时间序列模型的隧道涌水量预测,预测误差约为5.74%,满足精度要求。     

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。     

长大隧道软弱围岩施工大变形智能预测方法

长大隧道软弱围岩段施工大变形预测是保证长大隧道施工安全和工程质量的重要措施。结合宜万铁路堡镇隧道工程，运用BP神经网络和遗传算法进行长大隧道软岩段施工大变形预测。采用遗传算法自动搜索使BP神经网络训练效果最优的网络参数，形成能够反映变形与时程高度非线性和不确定关系的GA-BP算法，建立预测智能模型。将预测时间点输入此智能模型，由BP神经网络优异的泛化性能获得该时间点的变形预测值。堡镇隧道应用结果表明，GA-BP算法具有很高的预测精确度，对连续5d隧道变形预测的最大误差仅为6．68％，完全满足长大隧道软岩段施工大变形预测的需要。     

一种基于BP神经网络的铁路大宗货物运价风险预警判定方法

为获取较大的市场占有率和较好的利润增长水平,铁路货运公司需要实时掌握铁路货物运价在货运市场中的竞争力,综合考虑社会、企业自身和货主等因素,基于BP神经网络算法,进行铁路货运价格风险预警判定方法研究,并建立运价风险预警模型。以某铁路局集团有限公司大宗货物运输中的煤炭运输为例,选取2015-2017年相关数据,训练BP神经网络模型,得到铁路煤炭运价的风险预警结果。与实际数据对比,拟合程度较高,因此可使用该方法对当期的运价风险程度进行合理预测,同时也对相关铁路部门的运价政策制定与调整起到辅助决策作用。     

复杂艰险地区铁路隧道钻爆法施工安全风险评估

针对复杂艰险地区铁路隧道钻爆法施工安全风险问题,综合考虑复杂艰险地区地质结构、气候条件和施工方法等,利用Python对隧道施工安全风险文献资料和安全风险评估报告进行文本挖掘,并基于事故致因理论、风险识别理论和风险因素核对表等对隧道钻爆法施工安全风险因素进行辨识。针对安全风险因素从施工环境、施工技术、材料设备、施工管理、施工人员5个方面构建较为完善的复杂艰险地区铁路隧道钻爆法施工安全风险评估指标体系,并利用博弈论对层次分析法和熵权法进行组合,确定安全风险评估指标权重。采用二维云模型从安全风险发生概率和安全风险损失程度2个方面构建复杂艰险地区铁路隧道钻爆法施工安全风险评估模型,提出采用主、客观概率相结合的方法确定安全风险发生概率,采用雷达图法从人员伤亡、经济损失、工期延误、环境影响和社会影响等方面综合确定安全风险损失程度。结合MATLAB实现定性评估和定量评估的相互转换,并引入贴近度的概念定量确定复杂艰险地区铁路隧道钻爆法施工安全风险评估等级。对Z隧道钻爆法施工安全风险进行评估,确定其施工安全风险等级为IV级,施工安全风险程度为高度,验证了该模型的可行性和有效性,为复杂艰险地区铁路隧道钻爆...     

BP神经网络法预测隧道瓦斯突出的模型与实例

研究目的:目前隧道煤与瓦斯突出预测主要采用煤炭的常规接触式预测方法,如综合指标法、钻屑指标法等,但隧道与煤巷在断面大小、施工支护等方面有诸多不同,照搬煤炭预测方法并不一定能取得预期效果。本文根据煤与瓦斯突出综合作用假说,借鉴BP神经网络原理,对隧道瓦斯突出的多指标神经网络综合预测进行探讨,确定突出的评价指标,构建神经网络预测模型,通过神经网络模型的训练和回判,综合评价预测煤与瓦斯突出危险性。研究结论:(1)在综合分析突出影响因素基础上,基于瓦斯突出综合作用假说机理,提出了BP神经网络预测隧道煤与瓦斯突出危险性的方法;(2)选取瓦斯压力、地质构造、隧道埋深、煤的坚固系数、煤体结构类型及瓦斯放散初速度作为突出评价指标;(3)采集矿井突出样本进行神经网络模型的训练及回判,通过对已建成瓦斯隧道进行判别,判别结果与实际相符,验证了矿井突出样本应用到瓦斯隧道的突出预测可行性;(4)通过BP神经网络对成贵高铁7座高瓦斯隧道进行预测判别,表明玉京山隧道C5、C6煤层具有突出危险性,其他6座隧道无突出危险性;(5)本研究成果可为瓦斯隧道设计与施工提供借鉴。     

基于双层次正交神经网络模型的铁路客运量预测

针对传统BP神经网络模型存在的计算效率和泛化能力低的问题,采用双层次特征分析方法对铁路旅客发送量统计数据的时间特征进行分析,提取出日趋势特征、月趋势特征、日周期性特征、月周期性特征、春运-暑运特征和黄金周-小长假特征作为模型的输入变量,建立双层次的BP神经网络模型,然后根据Gram-Schmidt正交化定理对双层次BP神经网络模型进行改进,在隐含层的输出采用Gram-Schmidt变换增加投影层,从而得到双层次正交神经网络模型。该模型包括2个相对独立的网络模型,1个用于处理客运量日数据,另1个用于处理月数据,2个网络模型的输出经过合成,最终得到客运量的预测结果。模型的应用证明,在铁路客运量预测中双层次正交神经网络模型比传统的BP神经网络模型更为有效。     

隧道渗漏水病害等级评价体系研究

研究目的:隧道渗漏水是隧道运营中的主要地质灾害之一,为了更好地预防渗漏水的发生,以及运营阶段的渗漏水病害治理,本文系统性提出了"隧道渗漏水病害发生可能性等级预测——运营隧道渗漏水病害等级评价——现场实测资料评价渗漏水病害等级"的思路,为隧道渗漏水病害分级预测、评价提供一条新思路。研究结论:采用不同的随机性数学方法建立了渗漏水病害发生可能性等级预测、运营隧道渗漏水病害等级评价的模型,并进行了模型的实例应用研究。结果表明马氏距离法预测隧道渗漏水的等级,BP神经网络方法和模糊综合评价法评价渗漏水等级与现场资料实测的评价等级一致。     

高速公路隧道施工事故三维智能识别与预控技术

针对公路隧道工程地质条件、水文情况较复杂,安全环境影响因素具有典型的开放性、随机性、非平衡性等复杂系统特点,以实际工程为例,构建三维智能识别和预控模型进行施工安全管理,以提高高速公路隧道施工管理技术水平.首先,对国内高速公路隧道施工发生的安全事故案例进行收集,建立基础案例数据库,运用BP神经网络对目标工程可能发生事故类...     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

基于地应力场特征的川藏深埋隧道岩爆等级预测研究

地应力和岩爆是隧道动态设计的重要因素,针对川藏地区某深埋硬岩隧道地应力场特征与岩爆等级不明确的现状,提出基于地应力场特征的深埋隧道岩爆等级预测方法.采用基于神经网络替代模型的加速优化算法进行地应力反演,分析其主应力特征及与埋深的关系,并基于该隧道开挖过程中的弹性应变能特征预测该隧道开挖后的岩爆等级.结果表明,该隧道隧址...     

基于BIM与GIS结合应用的地铁隧道安全预警预报技术

地铁隧道结构安全性评估是地铁建设的重要环节。针对南宁地铁2号线岩溶发育的工程地质条件,在GIS(地理信息系统)中展现和分析不良地质体的空间分布,进行隧道穿越区域的岩溶塌陷风险评价;针对不同岩溶地质灾害风险等级,根据施工信息和监测信息在BIM(建筑信息模型)平台上进行地铁隧道结构安全风险评估,进而采取不同防治措施,以及进行隧道安全预警预报。基于BIM与GIS结合应用的隧道结构安全风险评估,综合考虑了地铁隧道结构模型宏观地理环境,可为地铁隧道结构安全预警预报提供技术支持。     

盾构施工诱发临近桥梁安全风险评价

针对地铁盾构施工诱发临近桥梁安全风险评估结果不完善、存在失真等问题,提出一种基于变权可拓云模型的盾构施工诱发临近桥梁安全风险评价方法。首先,结合以往研究基础和实际工程经验,建立盾构施工诱发临近桥梁安全事故机理模型,进而确定孕险环境、致险因子和承险体3个1级指标,其中包括有岩土层物理性能参数、隧道工程条件、盾构施工条件、盾构施工参数、施工管理风险、桥梁现状及桥梁自身条件7个2级指标和内摩擦角、弹性模量等27个3级指标为依据建立盾构施工诱发临近桥梁安全风险评价指标体系。其次,通过改进CRITIC客观赋权法获取评价指标权重,并采用变权可拓云模型构建盾构施工诱发临近桥梁安全风险评价模型,其中引入变权理论得到使评价结果更加科学合理的变化权重。最后,对某市轨道交通1号线一期工程Ⅱ标段沿线桥梁进行实例分析。研究结果表明,4座盾构施工临近桥梁安全风险等级分别为Ⅲ、Ⅱ、Ⅱ、Ⅰ级。其中,该施工场地各项土体指标、隧道覆跨比、隧道埋深、隧道直径及桥桩与隧道的相对位置等指标风险较大,即该段隧道盾构施工时对于桥梁自身情况及其施工场地环境需要重点监测,并严格做好周围土体加固等各项技术措施。研究结果可为盾构施工诱发临...     

基于PSO-BP神经网络的隧道绿色建造污水处理预测模型

隧道施工过程中产生的污水的无害化处理对于维护周边自然生态环境有着重要意义。为了实现对隧道污水处理后浊度大小的实时准确预测,保证排放的污水能够满足国家相关标准,采用粒子群算法(PSO)对BP神经网络的初始阈值和权值进行优化,以污水的原水浊度、投药量、聚丙烯酰胺的分子量、搅拌速度、pH值和搅拌时间6个主要参数为输入,以处理后污水的浊度大小为输出,建立PSO-BP隧道污水处理浊度预测模型。为了验证优化后模型的有效性和可靠性,以桂柳高速公路隧道施工现场的污水处理数据为测试集,采用BP神经网络模型进行对比验证分析,研究结果表明：PSO-BP神经网络模型能够有效地对隧道施工污水处理后的浊度大小进行预测,平均相对误差为8.86%,预测值和实际值的拟合度(R²)为0.949,在预测精度和泛化能力上均明显优于BP神经网络,解决了BP神经网络容易陷入局部最优的问题。基于提出的PSOBP预测模型构建隧道施工污水处理智能预测系统,实现了对桂柳高速公路隧道施工污水处理参数的灵活调整,有效解决了实际隧道工程中施工污水处理后浊度去除效果不佳的问题,对于隧道绿色施工过程中的水污染防治具有参考价值...     

基于结构优化BP神经网络的铁路“走出去”目标国宏观风险评估模型研究

本文综合考虑典型的BP神经网络模型优缺点,对典型3层前馈型BP神经网络模型进行结构优化,提出随机重连BP神经网络模型。综合各项因素研究,提出铁路"走出去"目标国铁路项目投资建设风险评估指标体系。运用"一带一路"32个沿线国家数据,通过建立随机重连BP神经网络模型,对模型进行训练和预测验证,其精度达到目标要求,验证了此模型可用于海外铁路项目投资建设的风险评估。     

利用人工神经网络模型判定膨胀土等级

膨胀土是一种吸水后体积产生膨胀，失水后体积产生干缩，对铁路工程极其有害的土质，而其胀缩等级的划分是一个典型的不确定性问题。应用神经网络的联想记忆功能，以膨胀土胀缩等级划分标准中三个类别作为训练标本，建立膨胀土缩等级与分级指标之间的对应关系的BP判定模型，以对膨胀土胀缩等级进行划分，并结合具体工程进行了应用。应用表明，神经网络方法与模糊综合评判法膨胀土胀缩等级判定结果一致，神经网络具有在膨胀土胀缩等级判定问题上的可靠和从训练模型中获得划分智能的能力。此方法为划分膨胀土胀缩等级提供了一条新途径。     

基于Logistic回归的无砟轨道层间位移预警研究

无砟轨道层间位移是运营期间荷载作用下轨道板与砂浆层产生的离缝宽度,也是影响行车安全与养护维修的关键参数。针对层间位移状态的预警问题,以华东地区某线路无砟轨道为研究对象,基于现场实测数据,以环境温度、太阳辐射、风速、日温差、前4小时太阳辐射量均值、前6小时环境温度均值等气象参数为输入,无砟轨道层间位移值为输出,建立基于Logistic回归的无砟轨道层间位移分类预警模型,利用实测数据进行模型验证并与传统的BP神经网络模型和决策数模型作对比。研究结果表明:无砟轨道层间位移预警模型的准确率为95.21%,预测结果优于BP神经网络94.33%和决策数模型95.07%,为无砟轨道结构的病害预警与养护维修提供指导和建议。     

基于GEMS模型的高铁违章违纪事故人为因素研究

为探究高铁行车安全关键工种作业过程中,不安全行为发生的深层次原因并有效预防和控制这些行为,在改进传统通用失误模型系统(GEMS)的基础上,选择动车组司机和动车组机械师2个典型工种,收集这2个工种经常发生的违章违纪事故资料,将事故原因从人的角度进行分层次分析研究。研究结果为高铁管理者加强安全管理提供参考,为高铁运行作业一线职工提供主动安全防范的建议,以便更好地进行高铁运营安全管理。     

新倮那隧道施工风险分析

针对隧道施工事故多发特点和影响隧道施工的复杂因素,建立了新倮那隧道施工阶段多层次多因子施工风险评价指标体系,运用模糊数学中的多层次多目标模糊优选模型,建立隧道风险预警,利用层次分析法(AHP)计算和评估指标的要重,使评价结果更客观、更符合实际,可为隧道安全管理提供一定的理论指导。     

基于BIM技术与定位技术的地铁施工人员安全预警

针对施工现场人员不安全行为,构建了基于BIM(建筑信息模型)技术和定位技术的地铁施工事故预警系统,重点分析了该系统中的采集层、数据输入层、数据处理层、模型应用层等4大层级结构.该系统以BIM作为底层孪生数据,通过定位技术采集的实时定位数据,在施工人员实时定位、危险区域自动预警识别与分析的基础上,结合集成化管理平台,从而实现了基于BIM技术和定位技术的施工人员安全行为智能化管控.