基于遗传径向基函数神经网络公路隧道围岩定级方法

如何简单、高效、准确地对工程岩体进行分类是一个具有挑战性的研究课题,也是现场施工的迫切需求,特别是某些特定的地下工程。以江西某公路隧道为研究对象,结合该地区实际所处的地质环境,选取不连续结构面状态及充填情况、岩石单轴抗压强度rc、岩石质量指标rqd、地下水渗水量w和洞轴线与层状岩石的夹角θ这五个指标作为评价因子,建立了基于bp神经网络的公路隧洞围岩分类模型,成功地对公路隧道围岩等级进行了评级,取得了良好的评价效果,为公路隧道围岩的快速分类提供了依据。

目的为解决各种传统位移反分析方法的反分析模型复杂、求解难度大等问题,基于matlab的二次开发语言m语言,编写了用于位移反分析的bp神经网络源程序.针对传统bp网络收敛速度慢的缺点,采用优化算法及归一化方法来加快网络的训练速度.方法隧道开挖模拟采用flac-3d数值方法作为正演工具,结合正交设计法和bp神经网络等程序,建立了用于位移反分析人工神经网络方法,并应用该方法对某隧道围岩力学参数进行了反演.结果反演结果表明,所建立的位移反分析的人工神经网络方法具有模型简单、求解快捷等优点,且其精度亦能达到工程应用要求,因而可以在工程实际中推广应用.结论人工神经网络有着良好的非线性信息存储能力和自适应性,利用人工神经网络中的bp算法反演隧道围岩力学参数,在实际应用中是完全可行的,可以为工程所需的计算参数提供参考,对隧道围岩稳定性评价及信息化设计具用实际意义.

提出了一种更有效的前向网络——径向基函数(rbf)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用matlab语言程序实现,同时采用同样的样本对bp网络进行训练,两者结果比较表明,这种方法弥补了bp网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。

公路隧道围岩稳定性评价的改进人工神经网络方法——本文运用改进的人工神经网络方法,研究了公路隧道围岩稳定性的评价定级问题.首先讨论了模型建立和算法选择与分析,并对实际的工程问题进行了计算和模拟.所得的评价定级结果接近于实际,计算方法可靠,计算时间适中...

本文运用改进的人工神经网络方法,研究了公路隧道围岩稳定性的评价定级问题.首先讨论了模型建立和算法选择与分析,并对实际的工程问题进行了计算和模拟.所得的评价定级结果接近于实际,计算方法可靠,计算时间适中,方法稳定性良好.本文的研究结果表明,利用人工神经网络方法评价隧道围岩的稳定性具有广阔应用前景.

针对滇西复杂地质条件下隧道围岩变形预测问题,以bp神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了pso-bp神经网络.该神经网络结合了粒子群算法的全局搜索能力和bp神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力.计算结果表明:pso-bp神经网络预测精度高,平均绝对误差为2.4mm,平均相对误差为2.7％,满足隧道围岩变形预测精度的需要.

在预测隧道围岩变形的过程中,运用神经网络的方法,建立非线性的预测模型,结合张涿高速公路林里隧道的变形实测数据,借助matlab7.1平台,模拟了隧道围岩的变形过程;实验结果表明：rbf神经网络方法在隧道围岩变形的预测中,具有运算速度快,预测精度高,模型稳定可靠的特点,在隧道施工过程中,能够有效的辅助施工控制,提供预测报告。

基于径向基函数神经网络模型的砂土液化概率判别方法——以国内外25次大地震中的344组场地液化实测资料为基础，通过径向基函数神经网络模型的训练和检验，分析了修正标准贯入击数与饱和砂土抗液化强度之间的非线性关系，建立了饱和砂土液化极限状态曲线或抗液化...

本文建立了基于径向基函数(rbf)神经网络公路工程造价的估算模型,并运用matlab语言程序将其实现。实例分析表明该方法弥补了传统bp网络存在的收敛速度慢,易陷入局部最优等缺陷,基于神经网络的公路工程造价估算方法是可行的,估算结果是可靠的。

基于人工神经元网络原理,结合公路隧道围岩判别的工程实际资料,通过bp神经网络模型的有师学习记忆和预测功能,对公路隧道围岩判别预测进行了研究。通过实例预测检验,证明了人工神经元网络在公路隧道围岩判别中的可行性和实用性。

本文介绍一种适用于隧道动态设计的岩石隧道围岩级别的现场快速判定方法。该方法根据掌子面岩体地质情况,在采用规范的基本原理基础上,考虑岩体级别的位置分布及面积大小的因素,对工程有更好的针对性。

人工神经网络在隧道围岩稳定性识别中的应用——在全面分析影响隧道围岩稳定性因素的基础上,结合人工神经网络方法的特点,提出了一种基于隧道围岩稳定性识别的b-p人工神经网络方法。通过实例分析对比表明,模型精度很高,识别结果可靠,且操作简洁方便,能有效地应用...

本文在某隧道锚的稳定性研究过程中采用正交设计法构造bp神经网络学习样本,均匀设计构造bp神经网络测试样本;并通过bp神经网络对样本进行反复训练,对隧道锚围岩力学参数进行了反演分析。该反演分析方法获得的参数与正向计算得出的位移增量及监测位移增量在量值上基本相当,为更准确地获取围岩岩体力学参数开辟了新途径。

将bp神经网络应用于隧洞围岩分类,bp神经网络通过学习记忆建立输入和输出变量之间的非线性关系。利用淮南洞山隧道围岩分类样本进行模拟检验,bp神经网络模型性能良好,对隧道围岩分类的精度较高,是一种值得推广和应用的围岩智能分类方法。

公路隧道岩质围岩亚级分级方法研究

现行公路隧道围岩分级方法某些围岩级别跨度较大,不能满足实际施工的需要,鉴于此,针对ⅲ、ⅳ、ⅴ级岩质围岩进行了较为全面、系统的围岩亚级分级研究。首先通过数值试验对3种岩质围岩的自稳性进行研究,并根据各围岩的自稳性表现特征进行围岩亚级级别划分,建立围岩亚级分级理论标准,然后结合现场采集的大量围岩样本数据统计分析结果,最终确定围岩亚级分级的判定方法。以上研究对现行公路隧道围岩分级方法起到了细化和完善的作用,同时也可作为公路隧道设计、施工参考之用。

提出了应用径向基函数神经网络进行高层结构体系的选型,它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。研究表明,径向基函数神经网络运算速度较普通bp算法快103～104倍,并且精度高,可以高效、高质地进行高层建筑结构的选型。

隧道是修建在底层中的工程结构,在挖开地层并把隧道衬砌修建在地层内的过程中和以后,地层始终对隧道衬砌结构产生作用,本文在提出围岩稳定性基本判据的基础上,着重对公路隧道围岩稳定性进行了分析。

阐述了国内外公路隧道围岩分级的主要方法,并结合贵州某高速公路隧道围岩分级实例,对某隧道各区段进行围岩分级,为同类隧道工程提供参考。

连拱隧道按荷载结构模式计算分析时,围岩压力的计算仍采用现行《公路隧道设计规范》中的方法,这种计算方法存在一定的问题。探讨了连拱隧道的深浅埋界限,对常用的围岩压力理论进行了比较,找出连拱隧道采用现有围岩压力理论进行计算存在的问题,提出了建议的连拱隧道围岩压力计算方法,并对建议的计算方法进行了效果分析。结果表明,建议的计算方法对连拱隧道及大跨度隧道的设计计算是合理和偏于安全的。

目前为止,现有的油田开发指标预测方法难以反映实际存在的时间累积效应对该指标预测的影响。因此,为提高油田开发指标预测的准确度,本文提出基于径向基过程神经元网络的油田开发动态指标预测模型,并将其应用到实际油田开发动态指标的预测中。实例分析结果表明,本文提出的径向基过程神经元网络的油田开发动态指标的预测方法精度高、速度快,是预测油田开发指标的一种较实用的方法。

针对高速公路隧道工程施工的特点,基于动态化的围岩分类,采用多种方法对隧道围岩进行地质跟踪调查与预测.通过综合分析和优化处理上述信息,从而对公路隧道动态稳定性进行评价,为高速路隧道工程稳定状况的评判提供了一种简单易行的方法.