基于PSO-RBF神经网络模型的铁路隧道突水危险性评价 |
| |
作者姓名: | 张鑫 靳春玲 贡力 魏晓悦 杜秀萍 |
| |
作者单位: | 1. 兰州交通大学土木工程学院;2. 保定市水利水电勘测设计院 |
| |
基金项目: | 国家自然科学基金项目(51969011);;甘肃省科技计划资助项目(20JR10RA274,20JR2RA002); |
| |
摘 要: | 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。
|
关 键 词: | 铁路隧道 突水 危险性评价 粒子群算法 径向基神经网络 |
|