基于BP神经网络方法的岩溶隧道突涌水风险预测

doi:10.3973/j.issn.1672-741X.2016.11.008

隧道建设（中英文） ›› 2016, Vol. 36 ›› Issue (11): 1337-1342.DOI: 10.3973/j.issn.1672-741X.2016.11.008

基于BP神经网络方法的岩溶隧道突涌水风险预测

杨卓，马超

（解放军理工大学爆炸冲击防灾减灾国家重点实验室，江苏南京 210007）

收稿日期:2016-01-12 修回日期:2016-05-30 出版日期:2016-11-20 发布日期:2016-11-30
作者简介:杨卓（1989—），男，河南平顶山人，2016年毕业于解放军理工大学，结构工程专业，硕士，从事地下工程防灾减灾研究工作。Email： yangzhuo_2014@163.com。
基金资助:
国家重点基础研究发展计划（973计划）项目（2013CB036005）

Risk Prediction of Water Inrush of Karst Tunnels Based on BP Neural Network

YANG Zhuo， MA Chao

(State Key Laboratory of Disaster Prevention and Mitigation of Explosion and Impact, PLA University of Science and Technology, Nanjing 210007, Jiangsu, China)

Received:2016-01-12 Revised:2016-05-30 Online:2016-11-20 Published:2016-11-30

摘要/Abstract

摘要：

为了准确预测岩溶隧道突涌水风险等级，以降低隧道施工过程中突涌水事故的风险，在参考相关文献的基础上，统计研究及综合分析岩溶隧道水文地质条件，选取不良地质、地层岩性、地下水位、地形地貌、岩层倾角和围岩裂隙6个主要因素作为岩溶隧道突涌水风险评价指标。在不同水文地质条件下，影响因素的权重有较大差异，为避开影响因素权重分析，运用BP神经网络方法对岩溶隧道突涌水风险进行评估。在对突涌水风险评估基础上，结合超前地质预报，优化隧道施工开挖支护方案。在工程应用中，运用BP神经网络方法，对某隧道进行突涌水风险评估，结果与实际施工情况较一致，并结合超前预报提出合理的支护方案，避免了隧道突涌水事故的发生，以期为岩溶隧道突涌水风险预测提供借鉴。

关键词: 岩溶隧道, 突涌水, BP神经网络, 风险预测, 超前预报

Abstract:

The hydrogeological conditions of karst tunnel is statistically studied and comprehensively analyzed; and the main factors for the risk evaluation of water inrush of karst tunnel, i.e. geology, ground lithology, groundwater level, topography, strata inclination and surrounding rock fracture, are selected, so as to evaluate the water inrush risk of karst tunnel precisely and further reduce the water inrush risk. Due to the great difference among influencing factors under different hydrogeological conditions, the risk prediction of water inrush of karst tunnels based on BP neural network is adopted. The application results of abovementioned risk prediction method coincide with the actual situation. The abovementioned method is rational and can be used for reference.

Key words: karst tunnel, water inrush, BP neural network, risk prediction, advanced geological prediction

中图分类号:

U 45

杨卓，马超. 基于BP神经网络方法的岩溶隧道突涌水风险预测[J]. 隧道建设, 2016, 36(11): 1337-1342.

YANG Zhuo， MA Chao. Risk Prediction of Water Inrush of Karst Tunnels Based on BP Neural Network[J]. Tunnel Construction, 2016, 36(11): 1337-1342.

[1]	王志杰，唐力，蒋新政，侯伟名，徐海岩，季晓峰. 大断面公路隧道临近溶洞开挖稳定性模型试验研究[J]. 隧道建设, 2019, 39(S1): 16-24.
[2]	赵俊杰，贾斌，张东，曹明星，李德武. 基于BP神经网络的阿拉套山隧道围岩物理力学参数反演分析[J]. 隧道建设, 2019, 39(S1): 220-226.
[3]	谢成涛，赵海雷. 高黎贡山铁路隧道彩云号TBM的创新性设计与应用[J]. 隧道建设, 2019, 39(7): 1201-1208.
[4]	邢修举. 岩溶隧道瞬变电磁三维超前探测技术研究[J]. 隧道建设, 2019, 39(2): 287-293.
[5]	赵前进, 李敬伟. 玉磨铁路新平隧道穿越密集断裂带施工关键技术[J]. 隧道建设, 2019, 39(12): 2058-.
[6]	孙祥惠. 竖井突涌水淹井处理技术研究与应用[J]. 隧道建设, 2018, 38(S2): 330-336.
[7]	管泽英，杨朝帅. 超前预注浆技术在高压富水岩溶隧道中的优化应用[J]. 隧道建设, 2018, 38(S1): 136-141.
[8]	赵淑敏. 基于递进复合式组合预测模型的软岩隧道大变形预测研究[J]. 隧道建设, 2018, 38(7): 1131-1137.
[9]	彭奇，刘国峰，杨腾，陈立. 强降雨条件下岩溶地质环境因素对隧道安全性的影响序列研究[J]. 隧道建设, 2018, 38(7): 1149-1157.
[10]	亢磊磊. 基于C-OWA算子和BP神经网络的地铁车站火灾安全评价[J]. 隧道建设, 2018, 38(7): 1158-1163.
[11]	马琳. 基于混沌递进预测模型与趋势检验的深基坑变形规律研究[J]. 隧道建设, 2018, 38(6): 934-940.
[12]	王兴科，王娟. 基于优化支持向量机-混沌BP神经网络的基坑变形预测研究[J]. 隧道建设, 2017, 37(9): 1105-1113.
[13]	秦成. 水文监测技术在岩溶隧道施工中的应用[J]. 隧道建设, 2017, 37(7): 878-884.
[14]	李阁强，牛彦杰，陈馈，徐莉萍，郭冰菁，李跃松. 基于BP-PID控制器的盾构液压推进控制系统研究[J]. 隧道建设, 2017, 37(7): 885-890.
[15]	侯东赛，张霄，王磊. 基于综合赋权-TOPSIS法隧道突涌水风险评价及应用[J]. 隧道建设, 2017, 37(6): 691-699.

基于BP神经网络方法的岩溶隧道突涌水风险预测

Risk Prediction of Water Inrush of Karst Tunnels Based on BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价