岩石单轴饱和抗压强度预测的PSOGPR智能算法研究.pdfVIP

刘正龙 (中国铁建国际集团阿尔及利亚公司，北京100855) 摘要：采用粒子群优化算法代替传统共轭梯度法对高斯回归学习机进行最优超参数搜索，克服共轭梯度法 在优化过程中对初值依赖性太强、迭代次数难以确定、易陷入局部最优的缺点，进而形成粒子群一高斯过程回 归算法。基于该算法提出一种根据现场岩石回弹强度d“预测岩石单轴饱和抗压强度drc的新途径，并对绩黄 高速佛岭隧道4个掌子面20组口。及口。数据进行学习预测以检验该算法性能。工程应用表明：与传统采用点 荷载实验确定ac方法相比，该算法能够更快建立和反映二者之间的映射关系，预测精度较高，加速了施工现 场围岩分级变更的信息反馈及盯。指标提取，可以此取代传统的数值回归模型进而指导施工。 关键词：围岩分级；岩石单轴饱和抗压强度；粒子群优化算法；高斯过程回归；智能预测 DOI：10．13219／j．gJgyat．2015．02．005 中图分类号：U451．2；TU452文献标识码：A文章编号i1672—3953(2015)02—0016—05 《公路隧道设计规范》(JTGD70--2004)将岩石 1 高斯过程预测 坚硬程度和岩体完整性程度作为岩体基本质量分级 的两个基本要素[1屯]。其中，岩石坚硬程度可通过点 针对任意用于数据训练的数据集D一{(zi， 荷载试验确定的岩石单轴饱和抗压强度drc得以反 ti)，i一1，…，咒}，当其观察目标t被噪声腐蚀时，目 映。但在现场围岩级别快速判定过程中，通过点荷载 标值将与真实值产生e的误差，采用高斯过程模型 实验方法提取的盯。信息相对滞后，这直接制约着支 可表示为： 护设计方案的及时调整，并威胁到工程安全及进度。 ft‘一f(xi)+ei，i一1，…，n R4一R 在安徽绩黄高速公路隧道建设中，由于岩性种类繁 t～N(0，Q—C+口：J) 多且交替分布、断层发育深化、浅埋偏压突出等因素 式中：．79i∈X是d维输入矢量；t2为输出标量；￡为独 造成大量的现场围岩快速变更需要展开。 立的随机变量，符合高斯分布，e～N(O，仃：)。 近年来，随着遗传算法、粒子群算法等仿生算法 由公式(1)可进一步确定训练样本输出t和测 及机器学习的广泛应用，文献[3]采用遗传一高斯过 试样本输出t。所形成的联合高斯先验分布： 程回归算法进行了隧道变形时序曲线回归与预报， 厂t] … Fc(x，X)+az．IC(X，．7C。)1、 预报平均预测误差达到2．11％；文献E43采用粒子 l～N(o，l 1) L￡’．J L C(X，z’)C(x’，z+)J 群一高斯过程算法对滑坡变形进行了预报研究，结 (2) 果表明该算法适应于“减速一匀速型、匀速一增速 式中：c(X，X)为7z×，z阶对称正定的协方差矩阵；C 型、复合型、减速一匀速型和匀速一增速型”多种不 (X，z’)是测试．27’与训练集的所有输入点X的竹× 同变形时序分析预报。受上述文献应用启发，本文 利用现场回弹实验仪器简易便捷且信息反馈及时的