论文摘要
为了实现公路隧道建设过程中掌子面前方围岩质量的准确、快速评价,在传统岩体分级BQ方法基础上,基于机器学习与可靠度算法提出了一种隧道施工过程中围岩动态分级方法。机器学习工具选取为最小二乘支持向量机(LSSVM),并通过细菌觅食算法(BFOA)对其参数进行优化选取,以此构建分级指标组与围岩级别之间的非线性映射关系,其中分级指标组是由地质超前预报结果、掌子面强度回弹值等易于在施工过程中获取的参数形成。而且对于某些分级指标获取过程中可能存在的随机性问题,引入可靠度理论加以修正,通过机器学习结果构建可靠度计算的功能函数,最终得出具有概率意义的围岩分级结果。将所述方法应用于甄峰岭隧道现场,根据计算结果对部分区段进行了设计变更,通过自动化监测数据证明了变更方案的适用性。结果表明,所述分级方法可有效实现施工过程中围岩动态分级计算,为隧道建设的动态设计过程提供了一种新思路。
论文目录
文章来源
类型: 期刊论文
作者: 郑帅,姜谙男,张峰瑞,张勇,申发义,姜旭东
关键词: 围岩级别,动态分级,响应面,方案变更,自动化监测
来源: 岩土力学 2019年S1期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 公路与水路运输
单位: 大连海事大学交通运输工程学院道桥所,吉林省高速公路集团有限公司
基金: 国家自然科学基金项目（No.51678101),吉林省交通运输项目（No.2017ZDGC-4）~~
分类号: U455.4;U452.1
DOI: 10.16285/j.rsm.2018.2063
页码: 308-318
总页数: 11
文件大小: 1383K
下载量: 483