论文部分内容阅读
论文以对浙江省乌竹岭隧道地质条件的详细调研为基础,从围岩压力、地表下沉、围岩分类和塌方的角度,以非线性理论为基本思想,对隧道围岩稳定性进行系统研究。论文首次提出了将小波降噪、时间序列相空间重构、GA-BP神经网络三者相结合的非线性围岩压力、地表下沉预测方法,基于互信息的知识相对约简算法与GA-BP神经网络相结合的非线性围岩类别识别方法,以三维裂隙网络和三维离散元数值模拟相结合建立“不确定性模型”和“确定性模型”相结合的隧道塌方预测方法。以围岩压力、地表下沉监测数据为基础,以小波降噪理论剔除监测数据中的噪声信息,以时间序列相空间重构技术重构时间序列,建立GA-BP神经网络样本集,训练遗传算法优化神经网络围岩压力、地表下沉预测模型,并将预测模型应用于乌竹岭隧道围岩压力、地表下沉监测预测,与以往预测方法相比,训练迭代次数少,预测结果精确。通过对隧道围岩分类影响因素的研究,以MIBARK算法对围岩分类影响因素进行属性约简,得出影响围岩分类的最小相对约简,以约简后的属性集作为GA-BP围岩分类识别模型的输入,将训练的模型应用于乌竹岭隧道围岩分类,训练迭代次数少,识别准确率高。以乌竹岭隧道节理裂隙调查为基础,利用三维裂隙网络技术得出优势节理组、节理组宽度和平均间距,借助三维离散元数值模拟技术建立隧道塌方预测的数值模拟模型,成功预测了乌竹岭隧道塌方过程。对隧道围岩稳定性系统研究方法更具有客观性,更适合岩体这种非线性材料的稳定性分析。研究成果可为隧道开挖、支护和塌方的防治提供科学依据,并体现论文选题具有科学意义和创新性,具有应用和推广价值。