基于人工神经网络隧道围岩稳定性分类.docVIP

基于人工神经网络隧道围岩稳定性分类摘要：为了确定隧道围岩的稳定性，选择合适的隧道支护形式及施工方法。利用人工神经网络处理围岩稳定性影响因素非线性能力强的特点，对富溪隧道围岩的稳定性进行了分类，选取了岩石质量指标、岩石单轴饱和抗压强度、岩石完整性系数、结构面强度系数和地下水渗水量5个主要影响因素作为网络的输入节点，输出节点是反映围岩分类结果的定量指标，也选取5个节点。采用规一化法对5个因素进行处理，利用收集到的统计资料，选取样本对围岩分类神经网络进行学习训练，用训练好的网络对富溪隧道各测设段进行了分类和围岩稳定性级别的划分，确定富溪隧道整体围岩稳定性较差，尤其是隧道进口和出口（占隧道全长的27.1%），为极不稳定围岩段。结果证明人工神经网络方法用于围岩稳定性分类结果是可靠的。 关键词：人工神经网络；连拱隧道；围岩分类；围岩稳定性分析 中图分类号：U452.12文献标识码：A 文章编号：1672-1098（2012）03-0007-05 对隧道围岩稳定性进行分析评价的前提是通过各种手段确定围岩的稳定性类别。围岩分类是应用工程类比方法进行围岩评价，为工程的设计和施工提供依据的基础，具有重要的实用价值。围岩分类，以及在此基础上对各类围岩的成洞条件、开挖、支护要求做出评价，并以此作为设计和施工的依据，是国外在二十世纪四十年代就很通用的方法。但是，随着人类对岩体力学特性认识的深入，隧道工程经验的积累和隧道工程施工技术的发展，围岩分类的原则和分类系统也在不断的改进和完善[1-5]，而现有的围岩分类方法，大多是根据围岩情况进行的主观判断，定量的手段还不尽完善。 1工程概况 铜（陵）-黄（山）高速公路屯溪至汤口段呈近南北向通往我省黄山风景区，它是加速我省经济和旅游发展，加强安徽省与江、浙、赣、沪等省市联系的重要交通干道。皖南山区地形复杂，高速公路穿越各种地貌单元，特别是黄山汤口-歙县程坎等地段山高坡陡，为保护黄山风景区的自然和生态环境免受破坏，高速公路都以隧道穿越，其中富溪隧道位于黄山市徽州区富溪乡境内，地质条件相当复杂，是该高速公路上的一座双连拱隧道，全长649 m，最大埋深122.0 m。隧道单幅设计净宽9.88 m，双幅净宽22.06 m，净高6.83 m，设计时速80 km/h，设计荷载为汽车超-20、挂车-120，2%单向横坡，路线前进方向为1%向上纵坡，直线型隧道。 隧址区地处休宁盆地边缘，地质条件较为复杂。构造形态上表现为一南翼被截断的复背斜，地层主要由中元古界蓟县系牛屋组和大谷运组及镇头组组成[6]。 2围岩稳定性分析 2.1人工神经网络简介 人工神经网络（ANN）理论是人工智能领域的新技术，其独特的拓扑结构和信息处理特点，很适于解决岩土工程中“宽而浅”及非线性、非定量的技术问题。是由大量的处理单元（神经元，即网络节点）组成的高度并行的非线性动力学系统。人工神经网络的知识获取只需提供样本（范例），因而易于获取隧道工程知识、管理特性；工作时通过感知环境变化，由神经元的微活动产生系统的宏效应[7]。因此，人工神经网络非常适于用来进行隧道围岩分类。 2.2围岩分类的神经网络模型构建 由于遂道围岩稳定性受多种因素的影响，且各种影响因素的作用相互交叉，某种因素的影响程度会因地、因时、因工艺不同而变化。在网络模型中，要全面考虑所有的影响因素，目前还是不可能的；只能考虑一些起重要作用的因素，根据大量现场观测结果和实践经验，并参照文献[4]的方法选取如下的主要影响因素： 1） 岩石质量指标（RQD）； 2） 岩石单轴饱和抗压强度RW/（MPa）； 3） 岩石完整性系数（KV）； 4） 结构面强度系数（KF）； 5） 地下水渗水量W（L·min-1）。 选取以上确定的5个主要影响因素作为网络的输入节点，即输入节点数为5个。输出节点即是反映围岩分类结果的定量指标，也选取5个节点；对围岩稳定性，根据文献[8]及国内外围岩分类的经验，将围岩分为五级，为简化算法和提高学习速度， 采用规一化法对分类标准进行处理，归一化后的分类标准如表1所示。学习训练时网络输出节点的期望输出值所代表的围岩类别[9-14]如表2所示。 2.3神经网络结果检验 利用收集到的统计资料， 选取12个样本（表3前12个数据）对围岩分类神经网络进行学习训练。 由于现场测量样本过少， 而且要留取一部分样本用于训练好了的BP网络中， 来识别围岩类别， 因此，为了有足够的学习样本空间， 提高网络的判别能力。根据文献[8]构造了表3中的后12个学习样本。 训练时隐层节点数取6，迭代次数为仅为6次，控制误差为0.00001；学习完成后即建立辨识模型，