基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究.pdfVIP

第 35卷第 7期 岩 土 力 学 Vol.35 No. 7 2014年 7月 Rock and Soil Mechanics Jul. 2014 收稿日期：2013-07-29 基金项目：国家自然科学基金(No.；地质灾害防治与地质环境保护国家重点实验室开放基金(No. SKLGP2013K019)；山东大学自主创新基 金(No. 2012TS063)。 第一作者简介：邱道宏，男，1980年生，博士，主要从事岩石力学与地质灾害预测及防治方面的研究工作。E-mail: qdh2011@126.com 通讯作者：薛翊国，男，1976年生，博士，副教授，主要从事地质灾害超前预报与防治等方面的教学与研究工作。E-mail: xieagle@ 文章编号：1000－7598 (2014) 07－2013－06 基于数字钻进技术和量子遗传-径向基函数神经网 络的围岩类别超前识别技术研究 邱道宏 1, 2，李术才 1，薛翊国 1，田 昊 1，闫茂旺 1 （1. 山东大学 岩土与结构工程研究中心，济南 250061；2. 成都理工大学 地质灾害防治与地质环境保护国家重点实验室，成都 610059） 摘 要：围岩类别超前分类是隧道施工过程中必须开展的一项工作，其直接关系到后续的开挖及施工支护方案。为有效地进 行隧道围岩类别超前分类，提出了基于数字钻进技术和量子遗传（QGA）-径向基函数（RBF）神经网络的围岩类别超前分 类方法。以数字钻进技术为基础，从钻进参数中提取有用信息，构建围岩类别超前分类指标体系。采用量子计算原理对遗传 算法进行改进，通过量子位编码和量子旋转门更新种群，以此来确定 RBF 神经网络的参数，建立了基于 QGA-RBF 神经网 络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中，结果表明，该方法具有较高 的准确性，其结果为围岩类别超前分类提供了一种新思路。 关 键 词：围岩分类；超前识别；数字钻进；量子遗传算法（QGA）；径向基函数（RBF）神经网络 中图分类号：O 319.56 文献标识码：A Advanced prediction of surrounding rock classification based on digital drilling technology and QGA-RBF neural network QIU Dao-hong1, 2，LI Shu-cai1，XUE Yi-guo1，TIAN Hao1，YAN Mao-wang1 （1. Research Center of Geotechnical and Structural Engineering, Shandong University, Jinan 250061, China; 2. State Key Laboratory of Geohazard Prevention and Geoenvironment Protection, Chengdu University of Technology, Chengdu 610059, China） Abstract: Conducting the advanced surrounding rock classification is a necessary working in the process of tunnel construction, which is directly related to subsequent excavation and supporting construction scheme. In order to conduct surrounding rock classification ahead tunnel advancing effectively, the advanced surrounding rock classification method based on digital drilling technology and quantum genetic algorithm (QGA)-radical basis function (RBF) neural network is put forward. The met