铁道学报
鐵道學報
철도학보
2013年
1期
108-114
,共7页
隧道工程%围岩分级%人工智能%遗传-支持向量分类算法%稳定性分析
隧道工程%圍巖分級%人工智能%遺傳-支持嚮量分類算法%穩定性分析
수도공정%위암분급%인공지능%유전-지지향량분류산법%은정성분석
针对现阶段围岩分级方法存在的主要问题,提出隧道围岩分级的遗传-支持向量分类方法.结合佛岭隧道施工期围岩分级实践,以公路隧道设计规范BQ分级为基准,分别采用岩石回弹强度和掌子面状态替代饱和单轴抗压强度和地应力状态,并增加节理延展性观察的定性指标,在大量现场测试和室内试验的基础上,给出每个分级指标的现场快速测试方法,并以分级结果作为遗传-支持向量分类算法的训练样本,建立隧道围岩分级的遗传-支持向量分类智能模型.佛岭隧道围岩分级实例表明:该模型分级结果与现场勘测基本一致,且较遗传-神经网络模型有更高的分级准确性,为隧道围岩分级提供一种方法.
針對現階段圍巖分級方法存在的主要問題,提齣隧道圍巖分級的遺傳-支持嚮量分類方法.結閤彿嶺隧道施工期圍巖分級實踐,以公路隧道設計規範BQ分級為基準,分彆採用巖石迴彈彊度和掌子麵狀態替代飽和單軸抗壓彊度和地應力狀態,併增加節理延展性觀察的定性指標,在大量現場測試和室內試驗的基礎上,給齣每箇分級指標的現場快速測試方法,併以分級結果作為遺傳-支持嚮量分類算法的訓練樣本,建立隧道圍巖分級的遺傳-支持嚮量分類智能模型.彿嶺隧道圍巖分級實例錶明:該模型分級結果與現場勘測基本一緻,且較遺傳-神經網絡模型有更高的分級準確性,為隧道圍巖分級提供一種方法.
침대현계단위암분급방법존재적주요문제,제출수도위암분급적유전-지지향량분류방법.결합불령수도시공기위암분급실천,이공로수도설계규범BQ분급위기준,분별채용암석회탄강도화장자면상태체대포화단축항압강도화지응력상태,병증가절리연전성관찰적정성지표,재대량현장측시화실내시험적기출상,급출매개분급지표적현장쾌속측시방법,병이분급결과작위유전-지지향량분류산법적훈련양본,건립수도위암분급적유전-지지향량분류지능모형.불령수도위암분급실례표명:해모형분급결과여현장감측기본일치,차교유전-신경망락모형유경고적분급준학성,위수도위암분급제공일충방법.
