基于隧道围岩分级的多种研究方法

• 作者: 李岱潍 陈凌子
• 来源期刊: 中国战略新兴产业(理论版)
• 学科: 经济
• 关键词: 隧道围岩分级 传统分级系统 机器学习 深度学习
• 年，卷（期）: 2019,（2）
• 页码范围: 0140-0140
• 页数: 1页
• 分类号: F

摘要

隧道围岩分级是判断围岩稳定性的直接指标,作为施工方法选择和支护结构设计的重要依据,准确合理的围岩分 级是保证施工安全和质量的基础。在早期的围岩分级研究中,大量学者将与岩体强度或弹性模量等相关的参数作为影响围岩 稳定性的因素进行单一岩性指标分析或多个指标综合分析,总结出一些经典的分级方法。近年来,出现了深度学习、机器学 习等人工智能方法在围岩分级上的应用,选取岩石质量指标、完整性指标、饱和单轴抗压强度等指标作为特征输入,利用大 量样本数据训练学习模型,优化参数,从而实现围岩等级的综合快速分类。模型基于其强大的计算能力综合考虑多因素对分 级的影响并通过大量样本数据对经验值的模拟,能较好地用于围岩稳定性分级。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈凌子		2	0	0.0	0.0
2	李岱潍		2	0	0.0	0.0