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

• 作者: 李术才 田昊 薛翊国 邱道宏 闫茂旺
• 来源期刊: 岩土力学
• 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
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 岩土工程研究
• 页码范围: 2013-2018
• 页数: 6页
• 分类号: O319.56
• 语种: 中文

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，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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李术才	山东大学岩土与结构工程研究中心	509	10881	56.0	78.0
2	薛翊国	山东大学岩土与结构工程研究中心	54	1080	20.0	31.0
3	邱道宏	山东大学岩土与结构工程研究中心	26	235	10.0	15.0
5	闫茂旺	山东大学岩土与结构工程研究中心	2	12	2.0	2.0
8	田昊	山东大学岩土与结构工程研究中心	8	81	6.0	8.0