BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

软弱围岩公路隧道失稳变形特征及其施工技术

由于软岩自身的一些特性,隧道施工时将对稳定和安全产生影响,造成工程成本的增加等,因此软弱围岩隧道开挖支护具有不同的特点。软弱围岩隧道由于自身的地质原因和人为因素的影响,自身稳定性很差。若选择不好开挖支护方式或开挖后支护不足,支护质量达不到要求,忽视重点薄弱部位的加固,都会影响隧道围岩稳定,造成塌方。因此,合理的施工过程对维护围岩稳定、支护结构安全、保证施工顺利进行以及缩短工期和节约投资等都有着极其重要的意义。本文理论联系实际,结合龙池隧道工程实际,对软弱围岩公路隧道失稳变形特征及其施工技术进行探析。     

许全平隧道围岩变形预防控制措施

根据以往施工经验,隧道塌方、坍塌等事故往往是由于不够重视预防围岩变形所造成的,为了保证隧道施工安全,在此根据施工经验将预防控制围岩变形的措施加以分析阐述。     

穿越煤层和断层的隧道开挖围岩变形分析

山区地质构造复杂,难免穿越复杂地层,此类地层强度和稳定性较低,往往对隧道围岩变形起着决定作用。本文以宝鼎2号特长公路隧道为依托,基于数值模拟和现场监测数据,分析隧道穿越断层及煤层时围岩的变形规律。研究结果表明：隧道穿越断层及煤层时,拱顶、拱腰、仰拱处的位移都发生突变,最终位移值皆远大于不含断层及煤层处的围岩,且不同空间位置的煤层对围岩变形的影响不同,与隧道轴线相交的煤层对隧道拱顶、拱腰、仰拱位移都有明显影响,而只处在隧道上方的煤层,仅对隧道拱顶的位移有影响,对拱腰和仰拱位移影响很小。     

BP神经网络技术与Geo-Studio对比分析隧道围岩应变并预测

隧道新奥法施工中,围岩应变是评判围岩稳定性和施工组织的经济合理性的重要指标。根据监控实测资料,针对围岩应变随时间的变化,采用人工神经网络技术建立实时跟踪预测模型,通过将预测结果与实测数据对比,并结合有限元数值模拟结果分析,发现三者吻合得较好,能够对围岩的进一步变形做出合理预测。     

BP小波神经网络在大断面隧道变形预测中的应用

将BP算法引入小波神经网络,自适应地调整小波系数和网络权重,同时利用自适应算法调节BP算法的学习率,提高收敛效率.以4车道隧道——前欧隧道的监测数据为基础,建立BP小波神经网络变形预测模型.预测结果表明:BP小波神经网络对地质条件相似,施工及初期支护方法相同的隧道断面变形进行预测,其预测结果满足工程精度要求,能较准确地...     

深埋隧道坚硬围岩变形特征三维数值分析

秦岭终南山公路隧道埋深大,地质环境复杂,2号竖井下洞群多次跨越既有公路与铁路隧道,结构尺寸多变,受力复杂;岩爆频发;滑坡、塌方和冒落等严重制约通风及建设效率.基于现场工程与地质特征分析,采用三维数值计算,对东线隧道和西线隧道交叉点的稳定性对比分析,为隧道及洞群优化设计提供科学的定量化依据.     

溶洞影响下隧道围岩变形规律探讨

运用大小、位置不同溶洞对隧道围岩变形影响的数值模拟实验成果,通过对比分析隧道围岩正常变形特性,与溶洞影响下隧道围岩变形特性的差异,总结溶洞影响隧道围岩变形规律。通过位移监控量测,为预测开挖中未揭露的溶洞提供辅助判据。     

小净距2扩4隧道变形规律的BP小波神经预测

以泉厦高速扩建工程大帽山隧道为例,通过周边位移和拱顶沉降的监测数据对小净距扩挖隧道的围岩变形规律进行分析.研究表明:小净距2扩4隧道具有和其他隧道不同的变形规律.在此基础上将小波函数引入BP神经网络建立BP小波神经网络模型,对特大断面超小净距隧道2扩4时围岩变形进行预测,并将预测结果与BP神经网络的预测结果进行对比.结果表明:BP小波神经网络模型收敛快、精度高,优于BP神经网络模型,预测的精度达10%以内,满足工程精度要求.     

公路隧道围岩现场快速分级方法研究

隧道围岩分级是正确地进行隧道设计与施工的基础,一个符合隧道工程实际情况的围岩分级对提高隧道掘进速度保证施工质量有着十分重要的意义.隧道在施工期间常出现揭露围岩状况与勘察期间给定围岩级别不符的情况,加之地质条件较为复杂,造成围岩级别变化很大,为了保证施工质量和施工进度,在施工过程中需要进一步的围岩级别变更,但是目前规范中所采用的分级方法需要进行室内试验,而现场却无法提供试验条件.因此,需要寻找一种基于现行《公路隧道设计规范》并且便于在现场实施的围岩快速准确的分级方法.文中以十天线明垭子隧道为工程背景,采用数字式点荷载试验、数码照相技术和围岩钻孔内窥试验为综合性现场测试试验手段对隧道围岩进行快速分级.实践证明,利用现场试验技术开展隧道围岩快速分级技术研究具有重要的工程应用价值.     

巷道围岩稳定性分类的MBP神经网络预测研究

研究BP神经网络的工作原理和改进技术，分析巷道围岩稳定性的影响因素，基于改进的MBP神经网络建立了围岩稳定性分类的神经网络识别模型。研究结果表明，该预测模型性能好，预测精度高，预测结果能很好地拟合地下工程实际，验证了该模型的可行性和实用性。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

BP算法在磁化曲线拟合中的应用

在优化学习率ＢＰ算法的基础上,根据磁化曲线的特点,进行了一些改进与简化．提出了一种简化的快速算法,并编制了训练程序．结果表明,该算法可较大幅度地提高拟合精度,而且节省较多的计算时间．     

遗传算法BP神经网络在变形监测中的研究

介绍了BP神经网络和遗传算法的概念和基本理论,详细阐述了遗传算法优化的BP神经网络和BP神经网络这两种神经网络模型,深入分析了两种模型在基坑水平位移监测的数据预报,指出了遗传算法优化的BP神经网络模型具有更好的预测效果.     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

近水平沉积岩层公路隧道围岩变形特征研究

根据广元至巴中高速公路某隧道左线近水平沉积岩层周边收敛和拱顶下沉的观测数据,按照围岩级别和达到收敛位移总变形80%和90%的时间,通过对Ⅳ、Ⅴ级围岩段典型监测断面初期变形数据的数理统计和分析,得出了该隧道近水平沉积岩层围岩的变形特征和回归方程,并据此算出了与现场吻合程度较好的该隧道近水平沉积岩岩层隧道Ⅳ、Ⅴ级围岩总收敛的均值及满足二次衬砌要求的时间均值.最后介绍了位移加速度判据在评价该类隧道围岩稳定性和确定隧道二次衬砌施工时间的应用.     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...