| 改进一维卷积神经网络的隧道围岩收敛变形分级预测 |
| |
| 引用本文： | 吴浩,陈运涛,朱赵辉,李秀文,岳强.改进一维卷积神经网络的隧道围岩收敛变形分级预测[J].应用基础与工程科学学报,2024(1):145-159. |
| |
| 作者姓名： | 吴浩 陈运涛 朱赵辉 李秀文 岳强 |
| |
| 作者单位： | 1. 中国水利水电科学研究院;2. 中交天津港湾工程研究院有限公司;3. 山东农业大学水利土木工程学院 |
| |
| 基金项目： | 国家自然科学基金面上项目(51879284,52179121)； |
| |
| 摘 要： | 隧道围岩收敛变化是认识围岩和支护结构动态作用及其时空演变机理的前提，变形分级准确预测是对围岩稳定性和支护结构有效性评估的重要基础.本文提出了改进一维卷积和支持向量机融合深度网络的隧道收敛变形分级预报模型.根据围岩变形的主要影响因素和特征类型，选取强度应力比、隧道埋深、隧道等效直径、支护刚度和岩体质量指标，建立了变形等级的识别框架.收集了159组国内外经典的隧道收敛变形实例数据，采用全局均值池化层和支持向量机改进传统卷积神经网络中全连接层和Softmax层进行等级分类，利用改进的一维卷积神经网络自动提取隧道变形的隐含典型特征.运用衰减学习率和Dropout正则化深度学习训练技巧，防止模型出现过拟合.与其他方法的结果对比，证明了该方法有着更好的准确率和鲁棒性，模型完全利用数据驱动实现有限数据集的深层复杂且微妙关系学习.应用于多雄拉公路隧道的围岩收敛变形分级预测，预测结果与现场实际一致，进一步验证了方法的准确性和适用性.研究结果有利于提高隧道收敛变形预测的理论水平和可靠性，为类似工程提供参考.
|
| 关 键 词： | 隧道工程 收敛变形 预测 深度学习 改进一维卷积神经网络 |
|
|
