基于BP神经网络的隧道渗漏水等级评定模型研究

doi:A

中国科学引文数据库（CSCD）来源期刊
中文核心期刊中文科技核心期刊
Scopus RCCSE中国核心学术期刊
美国EBSCO数据库俄罗斯《文摘杂志》
《日本科学技术振兴机构数据库（中国）》

隧道建设（中英文） ›› 2009, Vol. 29 ›› Issue (6): 633-635,657.DOI: A

基于BP神经网络的隧道渗漏水等级评定模型研究

李倩囡, 唐爱玲, 吴剑, 黄涛, 潘海泽

西南交通大学环境科学与工程学院, 成都610031

收稿日期:2009-05-20 修回日期:2009-11-23 出版日期:2009-12-20 发布日期:2010-01-06
作者简介:李倩囡（1989—）|女|江苏徐州人, 西南交通大学环境工程2006级在校本科生|国家大学生创新基金资助项目组成员

Study on Evaluation Model for Water Leakage Grades of
Tunnels Based on BP Neural Network

LI Qian-Nan, TANG Ai-Ling, TUN Jian, HUANG Chao, BO Hai-Ze

School of environmental science &|engineering, Southwest Jiaotong University, Chengdu 610031, China

Received:2009-05-20 Revised:2009-11-23 Online:2009-12-20 Published:2010-01-06

摘要/Abstract

摘要：

由于隧道渗漏水的普遍性和严重危害性，隧道渗漏水已成为隧道工程建设和维护的一大关键课题。针对我国隧道渗漏水的现状，通过综合分析影响隧道渗漏水的各种因素，找出影响隧道渗漏水的主要因素，提出包括隧道设计施工因素、防排水工程措施、围岩及地下水情况、自然地理情况4个一级指标共10个因素的评价指标集，构建基于BP神经网络的评价模型, 并验证该模型的可靠性。该方法为进一步提高隧道渗漏水等级评价的精确度提供新的思路。

关键词: BP神经网络隧道 , 渗漏水灾害等级

Abstract:

Water leakage of tunnels is very popular and has serious adverse effect, therefore it has become one of the critical issues in the construction and maintenance of tunnels. Regarding the status of the water leakage of tunnels in China, the authors identify the main factors that influence the water leakage of tunnels by comprehensively analyzing the factors. The authors propose an evaluation index system consisting of 4 Grade I indexes (i.e., tunnel design and construction index, waterproofing and drainage index, surrounding rock mass and groundwater index and physical geography index), which include 10 factors. In addition, they establish an evaluation model based on BP neural network and verify the reliability of this model. This method offers a new way to improve the evaluation precision of the water leakage of tunnels.

Key words: BP neural network , tunnel , water leakage , disaster grade

中图分类号:

U 455

李倩囡, 唐爱玲, 吴剑, 黄涛, 潘海泽. 基于BP神经网络的隧道渗漏水等级评定模型研究[J]. 隧道建设, 2009, 29(6): 633-635,657.

LI Qian-Nan, TANG Ai-Ling, TUN Jian, HUANG Chao, BO Hai-Ze. Study on Evaluation Model for Water Leakage Grades of
Tunnels Based on BP Neural Network[J]. Tunnel Construction, 2009, 29(6): 633-635,657.

[1]	周烨, 刘仲仁, 刘兴平, 胡锁滨. 湿陷性黄土隧道三台阶法施工时间应变规律[J]. 隧道建设, 2010, 30(2): 128-130，189.
[2]	徐青, 王广宏, 牛刚, 陈建. 软岩隧道横洞与正洞交叉口段施工方案比选[J]. 隧道建设, 2010, 30(2): 182-185，198.
[3]	豆小天, 徐双永. 高地应力千枚岩地层斜井进正洞岔口地段施工技术[J]. 隧道建设, 2010, 30(2): 206-211.
[4]	王国欣, 肖龙鸽, 王玉岭. 城市浅埋超大断面隧道的开挖方法探讨[J]. 隧道建设, 2009, 29(6): 658-663.
[5]	代伟, 李贺勇. 隧道深埋大型充填型溶洞施工技术[J]. 隧道建设, 2009, 29(6): 689-693.
[6]	杨纪彦. 超大直径泥水盾构到达施工技术[J]. 隧道建设, 2009, 29(5): 548-551,557.
[7]	陈庆怀,姜永涛. 大断面客专隧道软弱围岩快速施工探讨[J]. 隧道建设, 2009, 29(增刊2): 18-23,44.
[8]	尹龙. 野三关隧道施工通风技术研究[J]. 隧道建设, 2009, 29(增刊2): 33-37.
[9]	孙振川. 厦门翔安海底隧道风化深槽施工技术[J]. 隧道建设, 2009, 29(增刊2): 74-81.
[10]	李建华,焦瑞虎. 膏溶角砾岩的工程特性及其隧道施工技术[J]. 隧道建设, 2009, 29(增刊2): 92-96.
[11]	杨祖根. 青岛胶州湾海底隧道断层破碎带安全快速施工技术[J]. 隧道建设, 2009, 29(增刊2): 97-98,113.
[12]	葛取平,刘传文. 全—强风化富水砂岩及含水砂层隧道快速施工管理技术[J]. 隧道建设, 2009, 29(增刊2): 144-147.
[13]	蓝洋. 羊角大断面隧道双侧壁导坑施工[J]. 隧道建设, 2009, 29(增刊2): 153-157.
[14]	朱玉峰,王静. 玉峰山隧道含硫化氢地层处治技术[J]. 隧道建设, 2009, 29(增刊2): 171-176.
[15]	柴喜林. 不同地质条件下小净距隧道施工方案[J]. 隧道建设, 2009, 29(增刊2): 184-188.

基于BP神经网络的隧道渗漏水等级评定模型研究

Study on Evaluation Model for Water Leakage Grades of
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

基于BP神经网络的隧道渗漏水等级评定模型研究

Study on Evaluation Model for Water Leakage Grades of 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

Study on Evaluation Model for Water Leakage Grades of
Tunnels Based on BP Neural Network