發(fā)布時(shí)間：2020-03-21 17:22

【摘要】：隧道擠壓大變形是在軟巖隧道施工過程中,在深部高地應(yīng)力區(qū)經(jīng)常出現(xiàn)的嚴(yán)重地質(zhì)災(zāi)害之一,會(huì)造成TBM盾構(gòu)卡機(jī)、預(yù)算超支、施工延誤等諸多危害,甚至可能導(dǎo)致隧道失穩(wěn)和人員傷亡。因此,在隧道的設(shè)計(jì)和施工過程中,隧道擠壓大變形的準(zhǔn)確預(yù)測(cè)和采取經(jīng)濟(jì)有效的支護(hù)對(duì)策是非常重要的。本文針對(duì)軟巖隧道擠壓大變形預(yù)測(cè)問題,建立了一種基于隧道直徑(D),埋深(H),支護(hù)剛度(K)和巖石隧道質(zhì)量指數(shù)(Q)四個(gè)輸入?yún)?shù)的多分類支持向量機(jī)(SVM)模型。首先,通過廣泛的文獻(xiàn)調(diào)研收集了一個(gè)包含117個(gè)隧道案例的數(shù)據(jù)庫,其中包括來自印度,尼泊爾和不丹等多個(gè)不同國(guó)家的數(shù)據(jù),用以訓(xùn)練所建立的多分類SVM模型;其次,為了提高模型預(yù)測(cè)的準(zhǔn)確率,對(duì)比分析了網(wǎng)格搜索算法、遺傳算法和粒子群優(yōu)化算法等目前常用的SVM模型參數(shù)優(yōu)化算法,并將效果最好的網(wǎng)格搜索算法應(yīng)用于SVM,訓(xùn)練并建立了基于多分類SVM的隧道擠壓大變形預(yù)測(cè)模型;然后,通過8折交叉驗(yàn)證和留一法交叉驗(yàn)證法評(píng)估了SVM模型的預(yù)測(cè)性能,兩種驗(yàn)證方法得到的平均準(zhǔn)確率分別為88.13%和90.60%,與國(guó)內(nèi)外經(jīng)典經(jīng)驗(yàn)法公式和其他二分類SVM模型相比,本文所提出的多分類SVM模型不僅提高了預(yù)測(cè)精度而且可以根據(jù)預(yù)測(cè)的擠壓大變形類別來估計(jì)擠壓?jiǎn)栴}的嚴(yán)重性;另外,利用本文提出的模型還可以預(yù)測(cè)擠壓大變形發(fā)生的概率,這對(duì)基于可靠性的隧道工程設(shè)計(jì)具有重要意義;最終,利用MATLAB編程開發(fā)了隧道擠壓大變形預(yù)測(cè)系統(tǒng)的界面化程序,包括單組隧道變形預(yù)測(cè)系統(tǒng)和多組隧道變形預(yù)測(cè)系統(tǒng)兩個(gè)部分,可以方便地實(shí)現(xiàn)隧道擠壓大變形的預(yù)測(cè)和分類,預(yù)測(cè)隧道發(fā)生擠壓大變形的概率,并能形象的展示分類結(jié)果。另外,本文對(duì)十里碑軟巖隧道擠壓大變形案例進(jìn)行了研究,針對(duì)軟巖隧道擠壓大變形的支護(hù)優(yōu)化問題,介紹了軟巖隧道發(fā)生擠壓大變形的破壞特點(diǎn)和力學(xué)機(jī)制,分析了軟巖隧道常用支護(hù)對(duì)策的加固機(jī)理,并通過FLAC3D軟件,重點(diǎn)模擬了鋼拱架和錨桿兩種支護(hù)手段在軟巖隧道中的作用,得到了采用不同鋼拱架和錨桿設(shè)置參數(shù)對(duì)隧道大變形的影響,最終得到了本工程案例的最優(yōu)鋼拱架型號(hào)、間距以及錨桿最優(yōu)長(zhǎng)度,對(duì)以后類似工程提供了較好的實(shí)用價(jià)值和參考意義。
【圖文】：

軟巖隧道擠壓大變形的 SVM 預(yù)測(cè)及其支護(hù)對(duì)策研究擇相應(yīng)支護(hù)措施，對(duì)比支護(hù)前后的變形狀況，重點(diǎn)對(duì)不度的錨桿進(jìn)行了數(shù)值模擬，確定了最優(yōu)支護(hù)措施。文進(jìn)行總結(jié)與展望。

e-against-one SVMs，簡(jiǎn)稱 1-v-1 SVMs）。在“一對(duì)一。此法通過不斷投票進(jìn)行分類，得票數(shù)多的為預(yù)測(cè)類相同，則選擇樣本類別標(biāo)簽較小的那一類作為樣本的1 三分類 SVM 的結(jié)構(gòu)示意圖。 SVM 的優(yōu)點(diǎn)為：每個(gè) SVM 只對(duì)其中的兩類樣本進(jìn)要訓(xùn)練大量的二分類 SVM，但與一對(duì)多法相比較，，同時(shí)每一個(gè)二分類 SVM 的訓(xùn)練樣本都是平衡的，比較，，一對(duì)一的整體分類精度相對(duì)較高。這種分類算當(dāng)樣本的類別數(shù) k 較大時(shí)，由于增大了二分類 SVM 增大了計(jì)算的復(fù)雜程度，降低了分類的效率，因此一對(duì)較多的情況。
【學(xué)位授予單位】：濟(jì)南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U455.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孔英會(huì);景美麗;;基于混淆矩陣和集成學(xué)習(xí)的分類方法研究[J];計(jì)算機(jī)工程與科學(xué);2012年06期

2 薛寧靜;;多類支持向量機(jī)分類器對(duì)比研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年05期

3 鄒

本文編號(hào)：2593672