基于模糊神经网络的隧道围岩分级系统.pdfVIP

湖 南 交 通 科 技 Vo1．33 No．4 第33卷第4期 2007年 l2月 HUNAN C0MMUNICAT10N SCIENCE AND TECHNOI OGY Dec．2o07 文章编号：1008—844X(2007)04—0104—04 基于模糊神经网络的隧道围岩分级系统 田 军 (湖南省怀新高速公路建设开发有限公司，湖南怀化 418ooo) 摘 要：将模糊集和神经网络相结合，用神经网络结构来实现模糊系统，并采用神经网络 学习算法调整模糊系统的参数，提出了隧道围岩分级系统模型。根据收集到的围岩分级资料 作为样本来训练和检验网络模型，并与BP网络模型结果进行比较。计算结果表明该系统可 方便有效地实现隧道围岩分级，为工程施工提供依据。 关键词：模糊神经网络；隧道；围岩分级 中图分类号：U 451 文献标识码：A 岩体在开挖洞室后所表现出的性态，概括起来 体质量指标RQD、岩体完整性指数KV、单轴饱和抗 不外乎是：充分稳定的、基本上稳定的、暂时稳定的、 压强度Rb、结构面的产状及发育情况(包括结构面 不稳定的几种。而工程中可能碰到的情况，也必然 走向与洞轴线的夹角、结构面平均距离、结构面的连 是属于其中的一种。一个准确而合理的围岩分级， 续性、粗糙度和蚀变性)、初始应力状况(水平地应 不仅是人们认识洞室围岩特征，正确进行隧道或其 力、垂直地应力、构造应力)、节理倾角、洞室尺寸、 他地下洞室设计、施工的基础，而且也是现场进行科 纵波速度、水力条件等¨ J。根据《公路隧道设计规 学管理，发展新的施工工艺以及正确评价经济效益 范》JTG D70—2004并结合国内外地下工程实践经 的有力工具。 验，本文主要选取岩石单轴饱和抗压强度(A )、岩 体完整性系数(A：)、地下水条件(A )、主要软弱结 1 施工过程围岩分级相关因素确定 构面状态(A )、初始应力状态(A )5个因素作为围 ● 近30 a来，国内外提出了许多围岩分级方法， 岩类别的评价指标。见表1。 在各自的部门推广应用。分级的参考因素主要有岩 表1 岩体分级标准 息的范围和能力，使其不仅能处理精确信息，也能处 2 围岩分级的模糊神经网络模型 理模糊信息。模糊神经网络汇集了神经网络与模糊 模糊神经网络 j 就是将模糊逻辑系统同神经 理论的优点，整个系统具有较强的学习和表达能力。 网络有机结合起来。神经网络在学习和自动模式识 模糊神经网络(Fuzzy Neural Network，简称 别方面有极强的优势，采用神经网络技术进行模糊 FNN)是全部或部分采用模糊神经元所构成的一类 信息的处理，可以使模糊系统成为自适应的模糊系 可处理模糊信息的神经网络系统。基本的模糊神经 统。将具有逻辑推理能力和高阶信息处理能力的模 元包括：模糊化神经元、去模糊化神经元和模糊逻 糊技术引入神经网络，将大大拓宽神经网络处理信 辑神经元。模糊化神经元接受离散或连续的、确定 收稿日期：2007 08-10 作者简介：田 军(1975一)，男，工程师，主要从事高速公路岩土工程研究。 4期