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。