基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究
  • 【摘要】

    围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传(QGA)-径向基函数(RBF)神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数... 展开>>围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传(QGA)-径向基函数(RBF)神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。 收起<<

  • 【作者】

    邱道宏  李术才  薛翊国  田昊  闫茂旺 

  • 【作者单位】

    山东大学 岩土与结构工程研究中心,济南 250061; 成都理工大学 地质灾害防治与地质环境保护国家重点实验室,成都 610059/山东大学 岩土与结构工程研究中心

  • 【刊期】

    岩土力学 ISTIC EI PKU 2014年7期

  • 【关键词】

    围岩分类  超前识别  数字钻进  量子遗传算法(QGA)  径向基函数(RBF)神经网络  surrounding rock classification  advanced prediction  digital drilling technology  quantum genetic algorithm (QGA)  radical basis function (RBF) neural network 

  • 【基金项目】

    国家自然科学基金(No.51309144);地质灾害防治与地质环境保护国家重点实验室开放基金(No. SKLGP2013K019);山东大学自主创新基金(No.2012TS063)。