公路隧道岩体分级的神经网络方法.pdfVIP

第24 卷 增 1 岩石力学与工程学报 Vol.24 Supp.1 2005 年 8 月 Chinese Journal of Rock Mechanics and Engineering Aug.，2005 公路隧道岩体分级的神经网络方法 郝 哲，王来贵，王振伟，于永江 (辽宁工程技术大学 力学与工程科学系，辽宁 阜新 123000) 摘要：根据公路隧道岩体分级标准的要求，全面考虑各种分级指标，建立了公路隧道岩体分级的神经网络方法。 对各类定性和定量指标数据进行了向量规范化处理，选取适宜的分级指标，建立起神经网络学习样本，并进行样 本学习训练，其结果可作为各种公路隧道岩体分级的评判依据。据此，对韩家岭隧道围岩进行了分级和评价，证 实所建立分级方法的可行性、准确性和优越性。 关键词：隧道工程；公路隧道；岩体分级；神经网络 中图分类号：U 451+ .2 文献标识码：A 文章编号：1000 –6915(2005)增 1 –5248 –08 NEURAL NETWORKS METHOD FOR ROCK MASS CLASSIFICATION OF HIGHWAY TUNNEL HAO Zhe ，WANG Lai-gui ，WANG Zhen-wei ，YU Yong-jiang (Department of Mechanics and Engineering Science ，Liaoning Technical University ，Fuxin 123000，China) Abstract ：According to classification criterion of highway tunnel ，the classification indexes are comprehensively considered，and neural networks method of rock mass classification of highway tunnel is established. Proper classification indexes are chosen and standardization of indexes data are conducted by vector method，and training samples of neural networks are built. Training results of neural networks can provide the judgement basis for rock mass classification of highway tunnel. Hereby ，surrounding rock mass in Hanjialing tunnel is classified. The feasibility，veracity ，and advantage of founded neural networks method are verified. Key words ：tunneling engineering ；highway tunnel ；rock mass classification ；neural networks 分级的研究，传统的力学模型和普通分析方法难以 1 引 言 奏效。目前探讨较多的新型岩体分级手段包括模糊 数学方法和灰色系统方法[4] 。用模糊数学方法进行 岩体分级是一个研究较早的课题，迄今仍充满 分级时，需建立隶属函数对分级指标进行“特征化” 活力。由于岩体是极其复杂多