基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

doi:10.3969/j.issn.1001-5485.2013.03.009

长江科学院院报 ›› 2013, Vol. 30 ›› Issue (3): 40-43.DOI: 10.3969/j.issn.1001-5485.2013.03.009

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

龙浩，高睿，孔德新，刘鹏

武汉大学土木建筑工程学院，武汉 430072

收稿日期:2012-04-23 出版日期:2013-03-01 发布日期:2013-03-26
通讯作者: 高睿（1975-），男，湖北鄂州人，教授，博士，主要从事交通岩土工程方面的研究
作者简介:龙浩（1989-），男，湖南永州人，硕士研究生，主要从事岩土工程方面研究
基金资助:
国家自然科学基金资助项目(51178358);湖北省自然科学基金重点资助项目(2010CDA057)

Forecast of Tunnel's Surrounding Rock Displacement by BP Neural Network and Markov Chain

LONG Hao, GAO Rui, KONG De-xin, LIU Peng

School of Civil Engineering, Wuhan University, Wuhan 430072, China

Received:2012-04-23 Online:2013-03-01 Published:2013-03-26

摘要/Abstract

摘要：

在隧道工程施工中，围岩位移预测起着很重要的作用。将BP神经网络-马尔科夫链模型引入到隧道围岩位移预测中来，通过对训练样本的学习，利用BP神经网络实现了对位移时间序列的滚动预测，同时得到了实测值与预测值的相对误差；在此基础上利用马尔科夫链对相对误差进行修正，有效地提高了预测结果的精度。并将该模型应用于某公路隧道拱顶下沉位移时序预测中，结果表明该模型具有精度高、科学可靠的特点，为隧道围岩变形的预测提供了新的途径。

关键词: 位移预测, BP神经网络, 马尔科夫链, 隧道围岩

Abstract:

Forecast of surrounding rock displacement is significant for tunnel engineering. The model of BP neural network Markov chain was adopted to the displacement forecast for tunnel surrounding rock. Through emulating the training samples, rolling forecast for the displacement time series was performed by BP neural network, and the relative error of measured and predicted values was acquired. Furthermore, the Markov chain was employed to correct the relative error, and the forecast results were improved. The model was applied to the time-series forecast of the vault settlement of a real vehicular tunnel, and the result showed that the model is of high precision and reliability. It provides a new approach for the forecast of tunnel's surrounding rock displacement.

Key words: displacement forecast, BP neural network, Markov chain, tunnel surrounding rock

中图分类号:

TU45

龙浩，高睿，孔德新，刘鹏. 基于BP神经网络-马尔科夫链模型的隧道围岩位移预测[J]. 长江科学院院报, 2013, 30(3): 40-43.

LONG Hao, GAO Rui, KONG De-xin, LIU Peng. Forecast of Tunnel's Surrounding Rock Displacement by BP Neural Network and Markov Chain[J]. JOURNAL OF YANGTZE RIVER SCIENTIFIC RESEARCH INSTI, 2013, 30(3): 40-43.

[1]	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.
[2]	王伟, 邹丽芳, 周倩瑶, 姜宇航, 陈鸿杰, 徐卫亚. 大华滑坡位移预测模型研究[J]. 长江科学院院报, 2022, 39(9): 56-64.
[3]	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.
[4]	郭振天, 黄峰, 郭利丹, 吴瑶. 鄱阳湖水文情势演变原因及对策[J]. 长江科学院院报, 2021, 38(6): 27-31.
[5]	李龙起, 王梦云, 赵皓璆, 王滔, 赵瑞志. 基于CEEMDAN-BA-SVR-Adaboost模型的白水河滑坡位移预测[J]. 长江科学院院报, 2021, 38(6): 52-59.
[6]	韩斐, 牛瑞卿, 李士垚, 赵凌冉, 白兴宇. 基于变分模态分解和深度置信神经网络模型的滑坡位移预测[J]. 长江科学院院报, 2020, 37(8): 61-68.
[7]	邢岳, 田正宏, 杜辉. 碾压混凝土坝层间结合质量智能评价方法[J]. 长江科学院院报, 2020, 37(8): 142-149.
[8]	赵力学, 黄解军, 程学军, 申邵洪, 袁艳斌. 基于VMD-BP模型的河流流量预测方法[J]. 长江科学院院报, 2020, 37(7): 47-52.
[9]	肖潇, 徐坚, 赵登忠, 程学军, 李国忠, 赵保成, 徐健. 基于高光谱数据的汉江中下游典型河段水体悬浮物遥感反演[J]. 长江科学院院报, 2020, 37(11): 141-148.
[10]	晏红波,周斌,卢献健,刘海锋. 基于EEMD-GA-BP模型的大坝变形监测数据预测[J]. 长江科学院院报, 2019, 36(9): 58-63.
[11]	董丹丹, 祖安君, 孙雪莲. 基于GACO-BP-MC的大坝变形监控模型[J]. 长江科学院院报, 2019, 36(7): 48-54.
[12]	李仕波,李德营,张玉恩,李杰. 基于LS-SVM模型的白水河滑坡台阶状位移预测[J]. 长江科学院院报, 2019, 36(4): 55-59,76.
[13]	饶云康,丁瑜,许文年,张亮,张恒,潘波. 应用GA-BP神经网络预估砾类土的最大干密度[J]. 长江科学院院报, 2019, 36(4): 88-92.
[14]	郭怡, 吴鑫淼, 郄志红, 冉彦立. 基于BP神经网络的MIKE SHE模型参数率定[J]. 长江科学院院报, 2019, 36(3): 26-30.
[15]	贺华刚. 运营公路隧道的变形机理分析及危险性评价[J]. 长江科学院院报, 2019, 36(12): 36-42.

基于BP神经网络-马尔科夫链模型的隧道围岩位移预测

Forecast of Tunnel's Surrounding Rock Displacement by BP Neural Network and Markov Chain

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