基于PSO-RBF神经网络模型的铁路隧道突水危险性评价

作     者：张鑫 靳春玲 贡力 魏晓悦 杜秀萍 ZHANG Xin;JIN Chunling;GONG Li;WEI Xiaoyue;DU Xiuping

作者机构：兰州交通大学土木工程学院兰州730070 保定市水利水电勘测设计院河北保定071000 

基　　金：国家自然科学基金项目(51969011) 甘肃省科技计划资助项目(20JR10RA274,20JR2RA002) 甘肃省教育厅优秀研究生“创新之星”项目(2021CXZX-639) 

出 版 物：《铁道标准设计》 (Railway Standard Design)

年 卷 期：2022年第66卷第10期

页      码：143-148页

摘      要：突水是铁路隧道施工过程中发生频率最高的灾害事故,为有效预防突水事故,降低隧道施工风险,保障施工人员安全。在已有研究基础上选取10个核心指标作为影响突水事故发生的判断依据,收集50组典型隧道突水实例数据作为突水危险性评价的研究样本,运用粒子群优化算法(PSO)优化径向基神经网络(RBF)后,对样本数据进行训练测试,建立PSO-RBF神经网络铁路隧道突水危险性评价模型。最后,将该模型应用于井家山隧道验证其实用性。实例研究表明:PSO-RBF模型能够准确对井家山隧道突水危险性作出判定,且与梯度下降法改进的RBF神经网络相比,PSO-RBF神经网络模型具有更高的准确率和更快的迭代速度。

主 题 词：铁路隧道 突水 危险性评价 粒子群算法 径向基神经网络 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.13238/j.issn.1004-2954.202107060002

馆 藏 号：203114526...