摘要
研究目的:围岩的安全性状况决定了铁路隧道施工过程中围岩变形及塌方事故的发生率,而现有铁路隧道围岩安全性等级预测方法普遍存在准确率低、速度慢等问题.为了对围岩安全性作出可靠预测,提出基于PCA-IRBF模型(Improved Radial Basis Function Neural Network,IRBF)的铁路隧道围岩安全性预测评价新方法,并以天秀山隧道工程为依托,对该方法的准确性和适用性进行验证.研究结论:(1)综合考虑围岩完整性程度、岩石物理力学性质和围岩构造发育状况三个方面,遴选12个重要影响因素,构建铁路隧道围岩安全性评价指标体系;(2)通过主成分分析法对原始数据进行预处理后作为神经网络训练样本,利用粒子群算法优化RBF神经网络训练过程,建立PCA-IRBF铁路隧道围岩安全性预测评价模型,与传统RBF神经网络和PS0-RBF神经网络模型相比,该模型收敛速度更快、误差更小;(3)将PCA-IRBF模型应用在工程实例天秀山隧道围岩安全性等级预测评价中,结果与现场工程地质勘查结果完全相符,验证了该模型的准确性和适用性;(4)本研究成果可为川藏铁路等重大工程沿线隧道围岩安全性等级预测评价提供一种新的途径和借鉴.
基金项目
国家自然科学基金(51969011)
甘肃省科技计划(20JR10RA274)
甘肃省科技计划(20JR2RA002)
甘肃省教育厅:优秀研究生创新之星项目(2021CXZX-639)
维普
万方数据