基于神经网络的大断面软土隧道收敛安全监测的预测方法

doi:10.3973/j.issn.1672-741X.2012.02.009

隧道建设（中英文） ›› 2012, Vol. 32 ›› Issue (2): 175-179.DOI: 10.3973/j.issn.1672-741X.2012.02.009

基于神经网络的大断面软土隧道收敛安全监测的预测方法

郝飞，孙全胜, 周晓杰

（东北林业大学，哈尔滨 150040）

收稿日期:2011-11-14 修回日期:2012-02-27 出版日期:2012-04-20 发布日期:2012-05-03
作者简介:郝飞（1986—），男，河北张家口人，东北林业大学在读硕士，从事桥梁与隧道方面的研究工作。

Prediction of Convergence of Large Crosssection Soft Soil Tunnels Based on Neural Network

HAO Fei, SUN Quansheng, ZHOU Xiaojie

(Northeast Forestry University, Harbin 150040, China)

Received:2011-11-14 Revised:2012-02-27 Online:2012-04-20 Published:2012-05-03

摘要/Abstract

摘要： 在软土隧道的施工工程中，隧道的收敛变形是一个十分复杂的过程，影响因素很多，为了能够合理地模拟隧道施工后的收敛变形，指导隧道的安全施工，采用BP神经网络方法以时间和里程2个方面为出发点，对软土隧道的收敛变形进行预测。以哈尔滨市保健路打通工程为实例，证明了利用BP网络的预测结果能够很好地指导软土隧道的施工，精度更准确，对实际工程有更好地指导意义。

关键词: 大断面软土隧道, 收敛, 神经网络, 预测方法

Abstract: The convergence of soft soil tunnels is very complex. In the paper, the convergence of soft soil tunnels is predicted by means of BP neural network method, with the construction of the tunnel on Baojian Road in Harbin as an example, so as to simulate the convergence of soft soil tunnels and to provide guidance for the safe construction of soft soil tunnels. The practice proves that the results of prediction by BP neural network are accurate and can provide guidance for the construction of soft soil tunnels.

Key words: large crosssection soft soil tunnel, convergence, neural network, prediction method

郝飞，孙全胜, 周晓杰. 基于神经网络的大断面软土隧道收敛安全监测的预测方法[J]. 隧道建设, 2012, 32(2): 175-179.

HAO Fei, SUN Quansheng, ZHOU Xiaojie. Prediction of Convergence of Large Crosssection Soft Soil Tunnels Based on Neural Network[J]. Tunnel Construction, 2012, 32(2): 175-179.

/ 推荐

[1]	王双旺, 阳斌, 钟庆丰, 陈良武. 基于CAM-1DCNN模型的低速重载超大型滚动轴承故障智能诊断[J]. 隧道建设, 2026, 46(5): 985-993.
[2]	施成华, 陈海勇, 王祖贤, 王立川, 朱仔旭, 陶赞旭, 周天顺. 盾构结泥饼成因、风险预测与防控技术研究综述[J]. 隧道建设, 2026, 46(3): 445-466.
[3]	陈卓, 张晓平, 解玄, 刘勇斌, 王坤, 苏鹏. 基于神经网络与密度峰值聚类的岩体结构面智能识别方法[J]. 隧道建设, 2026, 46(2): 359-370.
[4]	李逸涛. 基床系数对反拉式机械法联络通道施工的影响[J]. 隧道建设, 2026, 46(1): 157-167.
[5]	龙海涛, 张世殊, 马春驰, 李天斌, 刘庄源, 刘洋. 基于高分辨率神经网络的双护盾TBM隧道双模态围岩精准分级[J]. 隧道建设, 2025, 45(S1): 168-181.
[6]	何军元, 梁迪, 杨桂华, 何世永, 赖中玉, 张朝禹, 王维, 曾美婷, 王升. 基于CNN-LSTM复合模型的岩溶隧道突涌水风险等级预测——以五福隧道为例[J]. 隧道建设, 2025, 45(6): 1131-1141.
[7]	王嘉烨, 刘新根, 刘学增, 庞高兆. 设置中隔墙的盾构隧道收敛变形移动测量点云数据融合方法[J]. 隧道建设, 2025, 45(6): 1202-1209.
[8]	魏纲, 蔡浩然, 齐永洁, 冯国辉, 徐天宝. 盾构下穿引起围压改变对既有盾构隧道的影响研究[J]. 隧道建设, 2025, 45(4): 708-718.
[9]	姜炜, 宋仁杰, 伍毅敏, 傅鹤林, 黄乐. 基于融合时空注意力机制的掌子面前方围岩1D-CNN预测[J]. 隧道建设, 2025, 45(10): 1906-1918.
[10]	肖清华, 袁浩, 夏金选, 欧小强, 臧熙玮, 钟德超, 刘志强. 基于3D激光感知的隧道爆破参数优化设计方法[J]. 隧道建设, 2024, 44(S1): 8-15.
[11]	丁浩, 周陈一, 郭鸿雁, 周云腾. 知识-数据驱动的沉管隧道接头安全状态分析方法——以港珠澳大桥海底沉管隧道为例[J]. 隧道建设, 2024, 44(9): 1752-1761.
[12]	陈珂, 刘天瑞, 杨钊. 盾构掘进姿态控制技术研究现状与未来展望[J]. 隧道建设, 2024, 44(6): 1154-1164.
[13]	向露露, 童建军, 王明年, 苗兴旺, 叶沛. Ensemble Convolutional Neural Networks and Visual Transformers: Research on Tunnel Face Rock Identification（集成卷积神经网络和视觉Transformer的隧道掌子面岩性判识研究）[J]. 隧道建设, 2024, 44(5): 1056-1067.
[14]	郭勇, 郭小霖, 简永洲, 张箭, 丰土根, 陈子昂. 基于ABC-BP神经网络的地铁盾构隧道地层识别及复合比预测[J]. 隧道建设, 2024, 44(3): 484-495.
[15]	雒伟勃, 李龙, 汪来, 孙佳利, 潘秋景. 基于残差神经网络的盾构土舱压力预测[J]. 隧道建设, 2024, 44(11): 2171-2180.

基于神经网络的大断面软土隧道收敛安全监测的预测方法

Prediction of Convergence of Large Crosssection Soft Soil Tunnels Based on 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