山岭隧道爆破效果神经网络评价模型及爆破参数优化决策方法研究

摘要：

针对山岭隧道爆破开挖普遍存在的超欠挖过大、渣体块度不适等问题,分析了造成这些问题的主要因素,确定了隧道爆破开挖效果评价指标体系,建立了以爆破块度和超欠挖量为预测目标的隧道爆破效果神经网络评价模型,提出了基于深度学习的隧道爆破渣体块度实例分割算法,形成了山岭隧道爆破参数优化决策方法,进而开展了工程应用与验证.结果表明:(1)基于深度学习的隧道爆破渣体块度实例分割算法检测出的块体大小与真实值误差小于6.9％(置信度为95％),实现了隧道渣体块度样本数据的快速获取;(2)经148组工程实践样本数据训练后的隧道爆破效果神经网络评价模型能够较为准确地预测出爆破渣体块度与超挖量;(3)爆破参数优化后试验断面的平均线超挖量均在10％左右,较原方案降低了50％以上;实测得到的渣体块度与超挖值与模型预测结果一致性良好,偏差小于20％.

关键词：山岭隧道、爆破开挖、超欠挖、神经网络、深度学习、图像识别

所属期刊栏目：60

分类号：U451.2(隧道工程)

资助基金：贵州省交通运输厅科技项目;贵州路桥集团有限公司科技计划项目;湖南铁院土木工程检测有限公司开放课题

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-61