高压富水岩溶隧道底鼓变形演化机制及防控对策研究

当隧道穿越高压富水岩溶地层时，易发生衬砌开裂、底鼓及渗水等灾害。为探索隧道底鼓变形演化机理，建立高压富水岩溶隧道底鼓变形控制体系，采用现场测试、室内实验、数值模拟相结合的方法，分析了贵州省德江隧道高压富水段底鼓病害成因及孕育过程。研究发现：围岩中大型隐伏溶腔通过地层中复杂的岩溶管道网络与上伏暗河水源连通，导致隧道结构承受高达2.1 MPa外水压力；隧底基岩在水岩作用下劣化严重，饱和状态下基岩抗压强度仅为27.7 MPa,且其强度随浸泡时长增加而显著降低。数值计算揭示了高水压力是诱发隧道底鼓破坏的主要因素；基岩软化对隧底变形存在一定影响，但与高水压叠加效应不明显。基于此，总结提出以“限排、泄压”为主，“主动加固”为辅的高压富水岩溶隧道底鼓防控基本思路，具体为“预留控制砼室+集水管引排+注浆加固基底围岩”的联合控制程序。实现深部溶腔岩溶水的可控排放，消解隧底水压力，辅以注浆重塑隧底基岩，从而改善隧道结构应力环境。长期监测结果表明：隧道衬砌背后水压力较处治前减少了97%,隧道结构稳固。研究结果可为类似岩溶隧道底鼓病害控制提供参考。     

基于数字化技术的铁路路基三维信息模型算量方法研究

路基工程在铁路建设中非常重要，其数量直接影响到铁路建设的投资，因此精确计算路基工程数量非常关键。传统二维设计计算工程数量是根据实测横断面采用平均距离断面法，未有效地根据地形变化对数量进行实时交互计算，导致数量与现场实测值有一定差别，尤其在地形起伏变化较大的丘陵地区差别更为显著。基于数字化技术及多专业协同技术形成的三维设计模型，实现了全方位、多角度查看、构件单元快速识别、构件与地形面数据化交互，从而使设计精度更高，提取的数量相对更精确。以某高速铁路工程为例，详细介绍铁路路基三维信息模型算量方法在铁路正向设计中的应用，将传统二维设计算量与断面法和基于数字化技术的三维信息提取法算量、网格划分法计算土石方数量做了详细对比并得出具体指标值。通过对比分析，总结铁路路基三维信息模型算量的优劣。与传统二维设计算量相比，基于数字化技术的三维信息提取算量方法具有更高的精度、更快的计算速度和更强的交互性，可以在铁路正向设计中发挥重要作用；提出针对不同类型构件、土石方分别采用信息提取法、网格划分法的一整套路基三维信息模型算量方法，大大提高工程算量精度，计算结果更准确。     

基于数字地球的QAR数据飞行航径复现研究

为了更好的实现飞行品质监控和飞行事后分析，本文设计了可将QAR飞行数据关联到响应的地理空间和时间序列的显示平台。针对数据精度有限，提出了基于地理特征点的积分航迹分段修正模型，同时复现飞机实际垂直剖面时对气压高度进行了温度修正。以某航班实际QAR数据为例，通过数据筛选和仿真计算，并对数字地球进行二次开发，复现的飞行航径与时间空间相互关联，从而为飞行品质监控、安全评估以及事故/事故征候调查提供了技术支持。     

铁路勘察数据标准化存储研究与应用

针对铁路勘察信息化、数字化的需要，以及当前多专业协作勘察过程中存在的数据存储标准不统一问题，为规范铁路勘察数据的管理及后续应用，减少因数据标准不统一带来的不同系统之间数据贯通困难，促进系统集成及信息资源共享，根据勘察数据特点，规范了数据分类、格式及编码，建立了结构化数据和非结构化数据的数据库结构。依据计算机存储特点，提出采用关系型数据库存储结构化数据+分布式HDFS存储非结构化数据+空间数据库存储三维空间数据的方案，既保证了不同数据间的分类存储，又实现了底层数据联通。通过研发铁路勘察与选线设计数据管理平台，对勘察数据进行标准化存储和管理，验证了该标准化存储方案，为铁路数字化勘察提供了重要支撑。此外，针对勘察数据标准化存储的未来发展应用，提出利用不断积累的数据，通过大数据分析、数据挖掘、动态感知及人工智能等新技术手段为勘察工作提供更准确的预测和分析，不断提高勘察工作效率和准确性。     

山岭公路隧道掘进施工方案选择研究

山岭公路隧道掘进施工方案的选择，对隧道工程施工效率、成本和环境保护影响较大。现以甘肃地区实际工程为依托，分析隧址区地质状况对隧道掘进施工的影响因素，选取影响隧道掘进施工的因素并建立施工方案可选性分值指标；以隧道工程掘进施工中影响施工成本的超欠挖控制为因素构建经济性分值指标；以各种施工方案对隧道工程环境造成的污染建立环保性分值指标；综合考虑可选性、经济性和环保性指标，提出隧道掘进施工推荐方案。     

基于WebGL引擎的铁路工程BIM+GIS平台研发及(设计阶段)应用

随着铁路行业BIM设计软件和二次开发插件的不断完善，铁路工程中的BIM设计方法正日趋成熟。为了更好地解决BIM软件自身在整体组装、周边地理信息融合、模型尺度表达、一致分析、全局定位存在的不足，提升设计模型集成和信息共享的效率，解决设计人员对设计区域场景立体感不足、多源信息获取不直观、设计专业间交互欠缺及汇报展示过程效率低等问题，依托某铁路项目，开展了针对铁路工程的BIM+GIS平台研究。平台整体采用B/S模式，后台通过融合多源GIS数据、多专业BIM设计模型数据和项目专业人员角色权限数据的综合数据应用构建方案，实现了多源数据的融合与入库；前端以WebGL引擎为底座，开发实现基于设计阶段的场景应用。在此基础上，平台实现了基于人员角色权限的多源异构GIS数据和多专业BIM模型数据的整合与共享，实现了场景数据基础管理、三维空间分析、三维标注与绘制、定位展示查询和快速建模等功能。通过某铁路实际应用验证表明，该BIM+GIS平台准确还原线路周边地理、地质环境，在方案优化、专业接口优化、专业设计优化、差错漏碰冲突检查及可视化交付方面提高了专业内部和专业间的协同设计效率，减少了设计中的差错漏碰及丰富...     

基于机器学习的地铁盾构掘进参数智能预测与控制方法研究

盾构掘进的精细化和智能化控制是现代隧道施工技术的发展趋势，为更好地预测和控制盾构掘进状态，提出一种预测和控制盾构掘进参数的智能模型。该模型考虑了多个影响盾构掘进参数的非线性因素，建立了6种基于机器学习与海鸥算法相结合的混合算法(SOA-ML)盾构掘进参数智能预测模型，并提出基于层次分析法的最佳预测模型判别方法；进一步利用最佳预测模型提出了基于PSO算法的掘进参数控制方法。以金华至义乌至东阳市域轨道交通工程为例，验证了模型的有效性。运用结果表明：SOA算法可有效地对机器学习算法的超参数调优，且SOA种群数量越大，搜索的范围越广，最佳适应度收敛性越快；6种算法模型均具有较好的预测性能，根据层次分析法对预测模型进行性能排序为BP>ELM>CNN>RF>SVM>LSTM;基于BP-PSO的盾构掘进参数预测和控制过程具有消耗时间小、预测与优化性好的特点。