标题: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:邱道宏;李术才;薛翊国;田昊;闫茂旺
作者机构:[邱道宏] 山东大学岩土与结构工程研究中心, 地质灾害防治与地质环境保护国家重点实验室, 济南, 山东 250061, 中国.;[李术才] 山东大学岩土与结构工程研究中心, 济 更多
通讯作者:Xue, YG(xieagle@sdu.edu.cn)
通讯作者地址:[Xue, Y.-G] Research Center of Geotechnical and Structural Engineering, Shandong University, Jinan 250061, China;
来源:岩土力学
出版年:2014
卷:35
期:7
页码:2013-2018
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
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。
收录类别:EI;CSCD;SCOPUS
Scopus被引频次:2
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84904898778&partnerID=40&md5=f2c1d57ecb0877070619b285b39a2bc4
TOP