机器学习在铁路隧道施工风险预测中的应用探讨

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：隧道工程在修建中遇到地下水活动频繁、断层破碎带等复杂地质条件，易导致坍塌、突水涌泥等情况，使得施工安全风险增加。因此，需要采取有效的风险管理策略，以确保施工过程的安全性。文章深入探讨了基于机器学习的铁路隧道施工风险预测，旨在利用历史施工案例数据训练算法，精准预测施工风险。通过对铁路隧道安全事故的统计分析，识别出塌方、爆炸和火灾为常见事故类型，并深入剖析了事故背后的环境因素(如地质条件、水文环境等)、技术因素、人的因素以及设备与材料因素等风险源;进一步介绍了针对铁路隧道施工风险预测模型构建的关键步骤，包括数据收集与整合、预处理、模型选择与训练，最后探讨了模型的现场应用方法。该模型可以有效提高隧道施工风险管理的现代化和智能化水平，减少事故发生的概率，保障施工安全。

作者：

杨有平

展开 >

作者单位：

兰州铁道设计院有限公司,甘肃兰州 730000

关键词：

隧道施工风险风险因素机器学习神经网络

出版年：

2024

DOI：

10.20156/j.cnki.2097-2490.2024.07.015

甘肃科技

甘肃省科学科技情报研究所

甘肃科技

影响因子：0.29

ISSN：1000-0952

年,卷(期)：2024.40(7)