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。     

基于BP神经网络的隧道围岩分类

应用BP神经网络建立了隧道围岩分类模型,对其影响因素进行分析,并对模型进行优化,将训练好的分类模型运用到贵安隧道,为隧道围岩分类提供了一种简便可行的方法。     

RQD在隧道围岩分类中的应用

按岩石质量指标ＲＱＤ值对隧道围岩分类已被纳入《公路隧道设计规范》（ＪＴＪ０２６－９０）。测取ＲＱＤ值可采取直接钻探法，也可用结构面网络模拟法。复杂多变的岩石结构使得ＲＱＤ值在不同方向上有较大差异，直接钻探法测得的ＲＱＤ值有较大的离散性，甚至不反映围岩结构的真实状况。用引入微小间距效应概念的间距法实地钻探与结构面网络模拟法相结合获取ＲＱＤ值较为准确。引入岩石质量百分比ＲＱＤ和岩石质量风险ＲＱＲ使得按     

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。     

模糊理论在公路隧道围岩分类中的应用研究

目前公路隧道中围岩的分类方法主要以经验为主,常常在特定的围岩地质条件下,不能确切地给出围岩的类别,这对公路隧道的设计和施工带来了不便。本文在多因素围岩分类法的基础上,引进模糊理论,建立围岩模糊分类法;围岩地质条件确定后,用围岩模糊分类法中的隶属度函数计算出各因数的隶属度,按照最大隶属度原则给出确切的围岩类别;围岩模糊分类法的应用将对公路隧道的设计和施工带来方便。     

公路隧道围岩定量分类系统研究设想和建议

回顾了隧道围岩分类研究现状。从高速公路隧道具体特点出发，在系统分析各工程地质要素对隧道稳定影响的基础上，提出建立高速公路隧道围岩定量分类系统的设想和建议。     

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。     

采用小样本统计理论的隧道围岩分类

隧道围岩级别判断存在较多的不确定影响因素,特别是各影响因素的参数信息和样本资料有限,给判断工作造成了很大的困难。利用专为小样本统计分析而提出的支持向量机方法,在分析围岩级别划分的基础上,选取隧道围岩级别划分需要考虑的9个关键因素,将这9个因素作为输入参数,同时将围岩划分为5个等级作为输出参数,建立了围岩级别判断的小样本统计模型。利用该模型对二郎山隧道的围岩级别进行测试,并与ART1神经网络和BP神经网络的结果进行对比,表明将基于小样本统计的支持向量机理论用于围岩级别判断是可行的,并且具有很好的精度。     

基于隧道围岩稳定性的地质预报

通过曼歇2号隧道中导洞开挖中的地质素描和资料收集,依据掌子面和两壁出露的地质体的岩性、节理、岩体结构类型、地质构造特征等综合特征,沿其走向、倾向和倾角的延伸推断工作面短距离前方的地质情况,应用赤平投影分析法对正洞的围岩稳定性和边坡的变形破坏做出定性和定量分析,从而预测两侧正洞的地质情况,对连拱隧道上、下行线正洞的施工予以指导和控制,进而达到短期预报的目的。     

基于LSTM-SVM的隧道围岩位移预测

提出了一种基于长短时记忆神经网络算法的支持向量机(LSTM—SVM)的隧道围岩位移预测方法,为了保证支持向量机(SVM)预测结果的准确性,选用粒子群算法(PSO)和遗传算法(GA)对支持向量机参数进行优化处理.为了减小在多步预测算法(MS)中,由于误差的传递导致最终预测结果与实际结果产生较大偏离,在多步预测运算过程中对...     

模糊推理的综合评判系统在隧道围岩智能分类中的应用研究

利用模糊综合评价原理建立数学模型,结合相关专业知识、专家经验和人工智能的理论、方法,形成基于自组织神经网络检索机制及模糊数学评判的模糊推理综合评判系统。通过处理决策中的不确定信息,对受诸多因素影响下围岩变形的复杂特性给予定量表达。根据不同地质条件快速得到分类结果及相应的支护方案。在对云岭隧道围岩进行分类研究中,得出的围岩类别与实际围岩类别比较吻合。     

基于灰色-马尔可夫链的软弱围岩隧道施工期围岩变形预测研究

施工中的围岩变形监测目的在于掌握围岩动态,对围岩做出稳定性评价,为确定支护形式、支护参数的选取和支护的最佳时机提供指导。从而实现保障施工安全、利用围岩动态信息指导施工。当然隧道的变形是受多重因素的综合影响下,具有不确定性、模糊性、时间单调增长性等特点。而软弱围岩本身由于强度低、稳定性差、变形时间长等特点、往往因为支护参数、水的影响及预留变性量不足或者支护时机不对,在施工过程中易引发初支大变形、侵限甚至地表开裂、坍塌、冒顶等现象。针对软弱围岩的变形这一不确定系统,本文尝试利用灰色模型和马尔可夫链修正的方式相结合,根据已有监控数据预测未来围岩的变形发展趋势。结果表明预测模型所得出的计算结果和监控数据实测值拟合度较高,表明灰色-马尔可夫模型在隧道围岩预测中有着广泛的应用前景。     

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。     

基于Bayes-LSTM的公路隧道围岩变形预测方法研究

在公路隧道施工过程中,围岩的稳定性对隧道施工的影响较大。因此公路隧道围岩变形的监控量测与准确预测是保障隧道施工安全的关键。针对当前隧道围岩变形的预测精度较低以及泛化能力较差等问题,该文提出一种基于贝叶斯（Bayes）优化长短期记忆网络（LSTM）的方法,该方法首先对拱顶沉降和周边收敛的原始监测数据进行预处理,而后构建公路隧道拱顶沉降与周边收敛的初始LSTM模型,并利用Bayes优化模型中的超参数,最终得出预测结果。利用该模型对某公路隧道拱顶沉降和周边收敛进行预测,将预测结果以均方根误差为评价指标与神经网络（CNN）和支持向量回归（SVR）进行对比。预测拱顶沉降时,Bayes-LSTM模型的平均预测精度相较于CNN与SVR模型分别提高了1.0与1.26;预测周边收敛时,Bayes-LSTM模型平均精度相较于CNN与SVR分别提高了0.3与0.32。表明Bayes-LSTM模型的预测精度较高,同时其能在训练模型过程中对历史信息进行判断和取舍,极大地提高了时序数据处理的效率,为公路隧道围岩变形预测提供了新的思路和探索。     

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.     

基于块体理论的隧道围岩稳定性分析

为了解决隧道工程施工中围岩稳定性分析这一工程难题,依托某在建公路隧道,基于地质素描与数理统计分析工作,精细化描述节理产状、间距、填充物、黏聚力等特征,并利用三维重构技术建立基于节理特征的隧址区地层模型,最后利用块体理论检索了无支护、有支护工况下隧道临空面潜在的关键块体,分析了滑移形式和安全系数,并对支护参数进行了优化,得知原设计支护强度富余,适当优化后仍可确保结构安全。     

膨胀性围岩隧道施工技术研究

膨胀性围岩具有吸水膨胀、失水干缩、变形量大、易受扰动的特性,隧道施工时如果措施不当,将对支护结构造成破坏.以湖北宜巴高速公路凉水井隧道施工为例,分析膨胀性围岩隧道施工的技术难点和关键点,总结膨胀性围岩隧道的施工方法、工艺和施工技术措施,从而确保施工安全和隧道在运营阶段的结构安全.     

软弱围岩隧道施工技术研究

以谷竹高速公路23标4座软弱围岩隧道为研究对象,依托该4座软弱围岩隧道的建设过程,从实践中探索如何通过开挖工艺、开挖方法、支护措施的调整,有效控制围岩的变形和塌方,保证隧道的施工质量和安全,为类似的软弱围岩隧道提供借鉴.     

连拱隧道围岩压力计算研究

连拱隧道围岩压力的计算与单洞隧道不一样,在《公路隧道设计细则》（JTG/T D70—2010）的基础上对连拱隧道深浅埋分界判断及围岩压力进行了研究。以象山隧道为具体工程实例,对围岩压力进行了计算,并采用midas数值计算软件对衬砌及中隔墙内力进行了计算,得出内力分布图,对连拱隧道设计有一定的指导意义。