基于PSO-SVM公路隧道水害危险性分级研究及应用

摘要：

复杂工程水文地质条件下,为提高公路隧道施工和运营的整体安全性能,避免人员和财产损失,基于粒子群算法优化的支持向量机(PSO-SVM)判别理论,构建山岭公路隧道水害的危险性的分级评价模型.将隧道水害危险性分为4个等级作为SVM分类器的4个标签,依据“物质-构造-自然-人工”的事物发展逻辑,选取围岩岩性、岩体质量分级、构造断裂带类型、隧道围岩水系连通性、降水量、汇水面积、地下水高程差、防排水措施、爆破振动、隧道施工分级共10项指标作为SVM的判别指标.收集整理国内典型的20组公路隧道的指标数据作为模型的训练样本,将训练后的模型应用于济南二环高速公路项目上在建的6条隧道水害危险性分级中.研究结果表明:构建的PSO-SVM的分级模型准确率高,分级效果合理有效,及时提出了相应的公路隧道水害的预防和治理措施,有效地减少了隧道水害的发生,为类似隧道工程水害危险性分级提供参考和借鉴.

关键词：公路隧道、水害、PSO-SVM、分级预测

所属期刊栏目：62

分类号：U453.61(隧道工程)

在线出版日期：2017-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：25-29