基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
深部地应力的测量一直是工程界难题之一.由于研究手段和测试技术的限制,深部地应力很难测到,或者部分数据不理想.本文将BP神经网络方法引入地应力场研究,选取深度、岩芯密度(天然密度)、岩芯弹模、岩芯的三轴抗压强度(10MPa围压)、岩芯的声发射地应力测值、岩芯裂隙率6个参数作为地应力预测研究的主要指标,在此模型的基础上对秦岭深埋隧洞地应力测量数据进行了拟合分析,并对深部的地应力做了预测.结果表明用BP神经网络模型进行深埋隧洞地应力大小的预测是可行的.
推荐文章
基于BP神经网络技术的网络时延预测研究
时延预测
基函数中心
Matlab仿真
BP神经网络
基于改进PSO-BP神经网络的回弹预测研究
V形自由折弯
回弹
BP神经网络
改进粒子群算法
全局搜索能力
收敛精度
泛化能力
基于BP神经网络的地震预测研究
BP神经网络
震级
安全
地震预测
基于BP神经网络的表面硬度预测模型
BP神经网络
激光相变硬化
扫描参数
预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的深埋隧洞地应力预测研究
来源期刊 地质力学学报 学科 工学
关键词 深埋隧洞 地应力预测 人工神经网络
年,卷(期) 2007,(3) 所属期刊栏目 地应力与岩石力学
研究方向 页码范围 227-232
页数 6页 分类号 TU452
字数 3588字 语种 中文
DOI 10.3969/j.issn.1006-6616.2007.03.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孙炜锋 中国地质科学院地质力学研究所 20 325 11.0 17.0
2 张春山 中国地质科学院地质力学研究所 47 1367 16.0 36.0
3 谭成轩 中国地质科学院地质力学研究所 60 1090 19.0 32.0
4 吴树仁 中国地质科学院地质力学研究所 102 2460 28.0 45.0
5 王志明 5 46 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (30)
参考文献  (4)
节点文献
引证文献  (11)
同被引文献  (70)
二级引证文献  (83)
1943(1)
  • 参考文献(1)
  • 二级参考文献(0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(2)
  • 参考文献(0)
  • 二级参考文献(2)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(6)
  • 引证文献(3)
  • 二级引证文献(3)
2014(7)
  • 引证文献(1)
  • 二级引证文献(6)
2015(15)
  • 引证文献(2)
  • 二级引证文献(13)
2016(15)
  • 引证文献(0)
  • 二级引证文献(15)
2017(14)
  • 引证文献(0)
  • 二级引证文献(14)
2018(13)
  • 引证文献(1)
  • 二级引证文献(12)
2019(10)
  • 引证文献(0)
  • 二级引证文献(10)
2020(8)
  • 引证文献(0)
  • 二级引证文献(8)
研究主题发展历程
节点文献
深埋隧洞
地应力预测
人工神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
地质力学学报
双月刊
1006-6616
11-3672/P
16开
北京海淀区民族大学南路11号
1981
chi
出版文献量(篇)
1323
总下载数(次)
1
总被引数(次)
16576
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导