岩溶区公路隧道围岩分级专家系统设计与应用

doi:10.11988/ckyyb.20161228

长江科学院院报 ›› 2018, Vol. 35 ›› Issue (7): 94-99.DOI: 10.11988/ckyyb.20161228

岩溶区公路隧道围岩分级专家系统设计与应用

江杰^1a,1b,2, 蒲鸥^1a, 欧孝夺^1a,1b, 赵建刚³, 谢规球³

1.广西大学 a.土木建筑工程学院; b.工程防灾与结构安全重点实验室,南宁 530004;
2.桂林理工大学广西岩土力学与工程重点实验室,广西桂林 541004;
3.中交第四公路工程局有限公司,北京 100022

收稿日期:2016-11-23 出版日期:2018-07-01 发布日期:2018-07-12
通讯作者: 欧孝夺(1970-),男,广西来宾人,教授,博士,博士生导师,主要从事岩土地下工程的教学与科学研究。E-mail:ouxiaoduo@163.com
作者简介:江杰(1979-),男,湖北麻城人,研究员,博士,硕士生导师,主要从事岩土地下工程的教学与科学研究。E-mail:jie_jiang001@126.com
基金资助:
国家自然科学基金项目(51568006, 51768006);中国博士后科学基金项目(2017M612865);广西岩土力学与工程重点实验室资助课题(14-KF-03)

Expert System of Surrounding Rock Classification for Highway Tunnel in Karst Region: Design and Application

JIANG Jie^{1, 2, 3}, PU Ou¹, OU Xiao-duo^1,2, ZHAO Jian-gang⁴, XIE Gui-qiu⁴

1.College of Civil Engineering and Architecture, Guangxi University,Nanning 530004, China;
2.Key Laboratory of Disaster Prevention and Structural Safety, Guangxi University,Nanning 530004, China;
3.Guangxi Provincial Key Laboratory of Geomechanics and Geotechnical Engineering, Guilin University ofTechnology, Guilin 541004, China; 4.CCCC Fourth Highway Engineering Co.,Ltd.,Beijing 100022, China

Received:2016-11-23 Online:2018-07-01 Published:2018-07-12

摘要/Abstract

摘要： 岩溶地质条件对公路隧道建设影响较大。隧道在建设过程中围岩分级除考虑常用指标外,还须考虑岩溶影响因素指标。以广西岩溶区实际工程为背景,提出了考虑多因素的岩溶状态指标分析方法,建立以岩石坚硬程度、岩体完整程度、地下水状态、结构面产状和岩溶状态5个指标的围岩分级模型。根据MatLab和C++的软件平台设计,植入分级指标参数归一化算法,结合广西瑶寨等3个隧道工程,建立了神经网络专家知识库。最后对专家系统软件进行工程应用,软件判别与实际勘察判别一致性达到80.89%,工程应用效果良好。

关键词: 岩溶, 公路隧道, 围岩分级, 专家系统, 神经网络

Abstract: As highway tunnel construction is greatly affected by karst geological condition, karst indexes should be considered in addition to conventional indicators in surrounding rock classification. In this research, a model of surrounding rock classification was set up, in which rock hardness, rock mass integrity, groundwater status, structural plane occurrence and karst status are included. The expert system based on three tunnel projects in Guangxi Province for surrounding rock classification was designed by embedding normalization algorithm for the indexes using MatLab and C++. The expert system software was applied to engineering and the consistence between software results and actual survey reached 80.89%.

Key words: karst, highway tunnel, classification of surrounding rock, expert system, neural network

中图分类号:

U451.2

江杰, 蒲鸥, 欧孝夺, 赵建刚, 谢规球. 岩溶区公路隧道围岩分级专家系统设计与应用[J]. 长江科学院院报, 2018, 35(7): 94-99.

JIANG Jie, PU Ou, OU Xiao-duo, ZHAO Jian-gang, XIE Gui-qiu. Expert System of Surrounding Rock Classification for Highway Tunnel in Karst Region: Design and Application[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2018, 35(7): 94-99.

[1]	郭利进, 许瑞伟. 基于改进果蝇算法的LSTM在水质预测中的应用[J]. 长江科学院院报, 2023, 40(8): 57-63.
[2]	罗锐恒, 刘天云, 胡顺强, 赵永宾, 潘晓东, 彭聪. 示踪试验在一把伞水库水文地质勘察中的应用[J]. 长江科学院院报, 2023, 40(6): 43-48.
[3]	雷庆文, 高培强, 李建林. 时序分解和CNN-LSTM相融合的月径流预报模型[J]. 长江科学院院报, 2023, 40(6): 49-54.
[4]	王渤权, 金传鑫, 周论, 沈笛, 蒋志强. 基于长短期记忆网络的西丽水库水质预测[J]. 长江科学院院报, 2023, 40(6): 64-70.
[5]	刘巍, 葛海彬, 徐妍彦, 赵洪光, 金京善, 季昊巍. 基于智能机器人的水下建筑物裂缝检测方法与应用[J]. 长江科学院院报, 2023, 40(4): 164-169.
[6]	张岩, 刘嘉昊, 吕园, 李志豪, 张燕楠, 李昇, 陈撰文. 不同石粉参数对混凝土力学性能的影响[J]. 长江科学院院报, 2023, 40(3): 166-173.
[7]	吴沛霖, 潘越, 吴卫熊, 梁学文. 数值模拟在岩溶湿地需水量计算中的应用[J]. 长江科学院院报, 2023, 40(10): 30-34.
[8]	陈华俊. 岩溶库区帷幕灌浆技术及其工艺参数优化[J]. 长江科学院院报, 2022, 39(7): 144-148.
[9]	陈磊, 李斌, 彭程, 毕晓伟, 杨成生. 岩溶山区滑坡监测预警云平台设计与实现[J]. 长江科学院院报, 2022, 39(6): 138-144.
[10]	邱维钊, 杨秀娟, 陶然, 樊恒辉, 赵文赫, 刘昊, 刘翼飞. 仿岩溶碳酸氢钙改良膨胀土试验研究[J]. 长江科学院院报, 2022, 39(5): 106-111.
[11]	张波. 基于熵权法的隧道施工围岩分级方法[J]. 长江科学院院报, 2022, 39(4): 122-127.
[12]	纪国良, 周曼, 刘涛, 胡腾腾, 丁勇. 基于循环神经网络的水库水位预测方法[J]. 长江科学院院报, 2022, 39(3): 80-85.
[13]	吴帆, 张云旆, 寇甲兵, 刘立鹏, 李鹏宇. 基于扭矩贯入指标和神经网络的围岩质量预判方法[J]. 长江科学院院报, 2022, 39(12): 33-41.
[14]	韩钢, 黄书岭, 丁秀丽, 马旭强, 张雨霆, 何军. 香炉山隧洞5#支洞应急抢险段围岩参数反演及稳定性分析[J]. 长江科学院院报, 2022, 39(12): 56-61.
[15]	李庆文, 曹行, 杨露, 王学志, 刘华新. 钢-聚乙烯醇混杂纤维对自密实混凝土梁抗剪性能的影响[J]. 长江科学院院报, 2022, 39(10): 121-127.

岩溶区公路隧道围岩分级专家系统设计与应用

Expert System of Surrounding Rock Classification for Highway Tunnel in Karst Region: Design and Application

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价