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.

[1]	展超. 基于BP神经网络的富水砂层渣土改良试验效果预测[J]. 隧道建设, 2020, 40(7): 988-0996.
[2]	孙钧，温海洋. 人工智能科学在软土地下工程施工变形预测与控制中的应用实践——理论基础、方法实施、精细化智能管理（示例）[J]. 隧道建设, 2020, 40(1): 1-8.
[3]	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.
[4]	张建斌. 土岩起伏地层地铁隧道受上部卸荷影响的变形响应研究[J]. 隧道建设, 2019, 39(8): 1247-1254.
[5]	邹今检. 盾构土压平衡动态神经网络逆控制技术研究[J]. 隧道建设, 2019, 39(7): 1104-1109.
[6]	刘建东, 郭京波，王旭东. 基于盾构掘进参数的孤石地层识别方法研究[J]. 隧道建设, 2019, 39(7): 1132-1140.
[7]	黎　恒, 杨玉琳, 陈大华, 韦泽贤, 王玲容, 唐文娟 . 基于麦克风阵列车辆检测的公路隧道照明控制方法及系统研究[J]. 隧道建设, 2019, 39(12): 1957-.
[8]	张治国，奚晓广，吴玲. 基坑分区开挖对邻近大直径越江隧道影响的数值模拟与现场实测分析[J]. 隧道建设, 2018, 38(9): 1480-1488.
[9]	魏纲，姚王晶，许斌，石长江，傅翼，王哲. 软土地区浅埋暗挖大断面隧道拱顶沉降实测分析[J]. 隧道建设, 2018, 38(7): 1123-1130.
[10]	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.
[11]	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.
[12]	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.
[13]	梁庆华. 立交隧道相互作用三维数值模拟与实测对比研究[J]. 隧道建设, 2017, 37(S1): 32-38.
[14]	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.
[15]	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.

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