基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

• 作者: 高磊 刘振奎 张昊宇
• 来源期刊: 铁道科学与工程学报
• 学科: 工学
• 关键词: 铁路隧道 模拟退火算法 粒子群算法 RBF神经网络 交叉验证 岩爆烈度分级预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 桥梁隧道与结构
• 页码范围: 450-458
• 页数: 9页
• 分类号: TU45
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200352

摘要

岩爆是铁路隧道建设中主要灾害之一.为了准确预测铁路隧道岩爆烈度等级,以岩石应力系数 σθ/σc、岩石脆性系数σc/σt以及弹性能量指数Wet作为岩爆烈度评价指标,提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型.首先在国内外研究成果基础上,选取80组已有岩爆实例作为模型基础数据;然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络,通过训练数据选取最优的权值W和基函数标准差σ,得到混合PSO-RBF神经网络岩爆烈度预测模型;最后将模型应用于实际铁路隧道工程进行验证.研究结果表明:该模型兼顾个体最优和全局最优,能够正确、有效的对铁路隧道岩爆等级做出预测,为铁路隧道岩爆预测提供了一种新方法.