详情

原文传递基于多源数据融合的隧道围岩渐进式分级评价研究

论文题名：	基于多源数据融合的隧道围岩渐进式分级评价研究
关键词：	隧道围岩;渐进式分级;数据融合;评价指标体系;BP神经网络
摘要：	多样化的隧道围岩数据采集方式会产生各类多源的隧道围岩数据，以此进行隧道围岩分级将带来较大的不确定性。本文引入多源数据融合技术，全面考虑多源隧道围岩数据特征，降低多源数据对围岩分级的不确定性影响，提高隧道围岩分级的可靠度。根据隧道工程建设的渐进特点，随着隧道的持续开挖多源隧道围岩数据流渐进产生，因此需对隧道围岩开展渐进式的动态分级。结合多源数据融合理论，本文围绕基于多源隧道围岩数据的隧道围岩渐进式分级评价进行较为系统的研究。　　（1）结合信息熵理论，开展基于各围岩分级基本指标的多源隧道围岩数据质量分析。将各围岩分级方法（RQD、GSI、BQ、Q、RMR89和RMR14）的基本指标按围岩的性质分为结构面类基本指标?1，物理力学基本指标?2和环境因素基本指标?3，并结合已有研究和回归分析，确定不同分级中同类基本指标间数据相互转换的经验计算公式，实现适用于围岩多源数据的各分级基本指标快速转化。基于信息熵理论，确定多源隧道围岩数据的信息增益gi(Dr,Rj)，进而获取各分级基本指标的特征重要性IMPi(Rj)和多源数据的质量指标DQ(p,?i)(i=1,2,3)，为隧道围岩渐进式分级评价提供基础数据支撑。　　（2）基于改进的D-S证据理论，提出融合多源数据的隧道围岩RMR14分级和BQ分级方法。将RMR14分级各基本指标按围岩等级划分区间，并通过欧氏距离公式计算数据到各区间的广义距离后确定基本概率分配值BPA；直接使用欧氏距离公式计算多源数据到对应BQ分级基本指标所有可能值的距离进而确定BPA。结合围岩RMR14分级和BQ分级基本指标的特征，确定各BPA间的散度B(mi,mj)与信度强化值RBij，构建信度强化矩阵RBM，以弱化证据相关性对融合结果的不确定性影响。结合平均信度理论，确定各BPA带证据权重的平均信度，融合输出更显著的围岩分级概率结果，以此融合多源数据的分级方法获得的结果与直接通过RMR14和BQ方法得到的分级结果一致。　　（3）根据随隧道工程建设而渐进产生的多源隧道围岩数据流，综合考虑各分级（RQD、GSI、BQ、Q、RMR89和RMR14）指标体系，融合多源数据得到概率结果，以此建立基于BP神经网络的隧道围岩渐进式分级评价模型。基于各分级基本指标及其数据质量指标DQ(p,?i)，在BP神经网络中共设置27个特征，并提取110组数据样本对其进行训练，构建隧道围岩渐进式分级评价模型。使用60组围岩多源数据验证模型，得到的渐进式分级评价结果与直接通过分级方法得到的结果一致。结合多源隧道围岩数据质量分析方法和基于多源数据融合的隧道围岩分级模型，开发了包含多源数据输入、数据质量分析和围岩渐进式分级评价三个模块的程序，以提供隧道围岩渐进式分级评价的标准流程。　　（4）在四川峨汉高速大峡谷隧道ZK78+352~ZK78+383标段开展基于多源数据融合的隧道围岩渐进式分级评价应用研究。根据多源数据的采集情况，进行4次围岩渐进式分级评价。研究表明，除ZK78+374~ZK78+378标段的围岩为IV级围岩（对应概率0.612）外，该隧道标段内其余部分的围岩等级均为III级，对应概率分别为0.77、0.662和0.626。故在隧道ZK78+374~ZK78+378标段施工时需采取加固措施以提高安全性。渐进式分级评价结果与直接使用各分级方法得到的结果一致，验证了隧道围岩渐进式分级评价模型的准确性。
作者：	蒋擎
专业：	建筑与土木工程
导师：	张琦;卫海
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022