基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

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.

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

所属期刊栏目：18

分类号：TU45(土力学、地基基础工程)

资助基金：国家自然科学基金资助项目11662007,51268031

在线出版日期：2021-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：450-458