隧道涌水预测方法的研究

论述了隧道涌水量预测的基本思路、基本原理与方法,提供了基于双孔介质模型的隧道涌水量及非均质各向异性裂隙含水围岩隧道涌水预测的基本公式,对隧道施工过程中涌水量的预测具有一定指导意义。     

宴家隧道围岩收敛灰色系统预测模型

通过分析隧道围岩的收敛变形特征,基于宴家隧道典型断面开挖过程中的实测围岩收敛变形数据,建立了宴家隧道围岩收敛变形预测GM(l,l)灰色模型。结果表明:采用GM(l,l)灰色系统模型能较好地反映围岩收敛短期数据的变化规律,是对围岩收敛进行短期预测的一种有效方法。当添加实测的新数据,实时更新GM(1,1)模型后,可以提高运用GM(l,l)灰色系统模型预测围岩变形预测的时效性及预测精度,从而成为预测围岩变形的一种更为有效的方法。     

岩溶区反坡施工隧道涌水量计算方法

岩溶区反坡施工的隧道大多需要抽排水,而勘察设计文件仅对隧道分一段或多段进行了涌水量总体预测,工程计量时如何合理确定反坡段涌水量少有研究。针对这一现状,以利万高速齐岳山隧道为例,对勘察设计、工程施工、施工后期3个阶段隧道涌水量预测和计算方法进行了研究,得出隧道反坡施工段合理涌水量的计算方法。     

灰色模型在路基沉降预测中的研究及应用

以湖南益马高速公路典型路基断面实测数据为研究对象,采用GM(1,1)和Verhulst两种灰色系统模型对沉降数据进行建模分析,得到不同维度下拟合公式的预测值及c值,并据此分析了预测精度以确定最佳维度;在最佳维度下计算了两种模型所得预测数据的拟合误差,进而确定了两种模型的适用预测时间。结果显示:在最佳维度7下,灰色模型GM(1,1)可用于路基沉降4个月内的预测;Verhulst模型可用于路基沉降14个月内的预测,其预测结果可为后续施工组织提供参考。     

基于相关性准则和R-ELM模型的岩溶隧道涌水量预测研究

为实现隧道涌水量的高精度预测,以相关系数法和极限学习机为理论基础,构建隧道涌水量预测模型。首先,结合工程实例对隧道涌水的影响因素进行分析,并利用相关系数法分析各因素与涌水量之间的相关性,以筛选出重要影响因素;其次,将筛选出的重要因素作为预测模型的输入层,并利用试算法和经验公式优化极限学习机的模型参数,再利用M估计弱化预测误差,进而构建出用于隧道涌水预测的R-ELM模型。研究表明： 1）岩溶隧道涌水灾害的影响因素较多,包括5类一级因素和12类二级因素,不同因素对隧道涌水灾害的影响程度存在一定差异; 2）R-ELM模型预测结果的平均相对误差仅为1.12%,具有较高的预测精度,不仅验证了模型参数优化和M估计优化的有效性,也验证了R-ELM模型在隧道涌水量预测中的适用性。     

特长深埋公路隧道非对称排水涌水量预测

针对云阳山特长深埋隧道非对称排水设计及两端同时施工现状,通过众多方法比较分析,优选采用灰色理论来预测隧道开挖距离与涌水量间的关系,以确定隧道开挖贯通后围岩总的涌水量,为洞内两排水边沟规格最终确定提供依据,对指导特长深埋隧道施工、动态设计具有重要的应用价值.     

公路隧道综合涌水量预测方法的探索

以甘肃某特长隧道为例,介绍高速公路隧道涌水量预测方法,交流公路水文地质勘察及涌水量预测经验,同时强调综合涌水量预测方法和分段涌水量预测方法的重要性。     

隧道涌水量模糊综合评价法研究

在不同隧道工程中影响涌水量的主要因素不同，且各因素之间相互干扰，导致当前隧址区涌水量预测方法针对不同隧道的广适性较差。对此，总结了目前主流的涌水量预测方法，对其优缺点和适应性进行了比较，并将涌水量影响因素分为5个一级权重指标和10个二级权重指标，提出了基于模糊综合评价法的隧址区涌水量预测方法，最终得到涌水量等级。根据与实际工程的实测涌水量对比结果表明，该方法可以对隧址区涌水量范围有较为准确的预估。     

基于GA-BP神经网络水下隧道涌水量预测及应用

根据有关水下隧道渗流涌水影响因素的研究成果及预测涌水量时选择影响因素的准则,确定了用于预测水下隧道涌水量的6个影响因子。分析了遗传算法与BP神经网络结合的可行性,并利用遗传算法优化BP神经网络的权值和阈值,从而建立了多影响因子的 GA-BP神经网络预测模型,其收敛性能好、简单可行。通过比较GA-BP神经网络和经典BP神经网络模型的预测结果,验证了前者改良了后者的局限性并提高了预测精度。     

张桑高速公路路基沉降预测方法研究

以张桑高速公路3个典型路基断面实测数据为研究对象,采用灰色GM(1,1)、Verhulst和非等时距UGM(1,1)三种模型对各断面的沉降数据进行了拟合及预测,根据计算结果确定了各阶段最适宜的预测模型并利用该模型对各断面的工后沉降进行了预测。结果表明,Verhulst灰色模型模拟和预测精度更高,适用于路基断面的中长期沉降预测,预测结果可为路基施工提供参考。