基于神经网络的隧道结构安全性评估研究

基于神经网络的隧道结构安全性评估研究

论文摘要

隧道因其隐蔽性且地质条件和环境的不确定性,导致在施工过程中存在很多风险。为了确保隧道工程建设目标的实现,对隧道施工过程进行安全管理和评估是十分必要的。通过对监控量测的数据进行分析和综合判断,为完善设计方案并采取有效的措施提供了依据。论文以太原至古交高速公路西山隧道工程为背景,高速公路隧道围岩压力、支护的压力应力变形为研究对象,分别使用模糊综合评判法和神经网络评判法对隧道施工结构安全性评估进行研究。论文首先回顾了目前我国的高速公路隧道安全现状以及存在的问题,得出对隧道结构安全性评估的必要性。其次介绍了安全性评估的基本理论以及进行安全性评价的方法与步骤,通过在隧道特殊点安装各种传感器、数据采集器对隧道围岩的压力、支护应力及拱顶沉降等进行监测,将获得的数据通过无线网络传送到中心计算机,进行分析和综合判断。因此,监控量测结果质量的好坏就成为衡量设计、施工是否合理的一项重要指标。论文在研究模糊综合评判和BP神经网络理论的基础上,建立了安全性评估模型,并使用评估模型对太古高速公路西山隧道进行实例分析。通过对两种方法的评估结果进行分析,由于在隧道施工中诸多不确定的因素同时影响隧道施工的安全,使用模糊评估方法不能很好的反映隧道的真实安全状态,而使用神经网络评估方法进行隧道安全性评估效果较好。最后根据建立模型,对现场监控量测得到的数据进行分析,以验证评价方法的可行性,这对于掌握围岩动态变化规律和支护结构的安全状态,便于及时采取措施和后期进行维护也具有重要的意义,为隧道的安全施工和运营提供有效的参考,具有一定的工程实用价值。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题背景及意义
  • 1.2 国内外研究现状
  • 1.2.1 国外研究现状
  • 1.2.2 国内研究现状
  • 1.3 主要内容和结构
  • 第二章 隧道安全性评估总体分析
  • 2.1 安全评价概述
  • 2.2 安全性评估的原理
  • 2.3 安全评估的目及意义
  • 2.4 安全评估的原则
  • 2.5 安全评估的方法与步骤
  • 2.6 本章小结
  • 第三章 隧道安全性评估监控量测规划与实施
  • 3.1 安全性评估监测系统的组成及特点
  • 3.2 现场监控量测的分析
  • 3.2.1 传感器的选择
  • 3.2.2 传感器的布设
  • 3.2.3 传感器的安装及注意事项
  • 3.3 无线数据传送单元
  • 3.3.1 GPRS网络
  • 3.3.2 GPRS组网方式
  • 3.3.3 GPRS无线通信原理
  • 3.3.4 GPRS模块数据传输
  • 3.4 监控中心计算机
  • 3.5 本章小结
  • 第四章 隧道结构安全性评估模型建立
  • 4.1 安全性评估方法的分析
  • 4.2 模糊综合评判法分析
  • 4.2.1 单因素模糊综合评判法
  • 4.2.2 多因素模糊综合评判法
  • 4.2.3 综合评判权重的确定
  • 4.3 模糊综合评判法实现
  • 4.3.1 确定评价指标值
  • 4.3.2 确定评价指标权重
  • 4.3.3 权重计算
  • 4.4 模糊综合评判法在隧道中的应用分析
  • 4.5 神经网络安全性评估分析
  • 4.5.1 神经网络的选择
  • 4.5.2 BP神经网络安全性评估法分析
  • 4.5.3 BP神经网络安全评估法的网络设计
  • 4.5.4 BP神经网络安全评估的训练步骤
  • 4.6 BP神经网络在隧道中的应用分析
  • 4.6.1 BP神经网络的设计
  • 4.6.2 BP神经网络的验证分析
  • 4.7 模糊综合评判法与BP神经网络评价法的比较分析
  • 4.8 本章小结
  • 第五章 基于神经网络的隧道结构安全评估验证性分析
  • 5.1 工程实例简介
  • 5.2 隧道监测数据分析
  • 5.2.1 隧道围岩压力分析
  • 5.2.2 隧道应变应力监测数据分析
  • 5.2.3 隧道拱顶下沉变形分析
  • 5.3 数据分析结论
  • 5.4 本章小结
  • 总结与展望
  • 1、总结
  • 2、展望
  • 参考文献
  • 致谢
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    基于神经网络的隧道结构安全性评估研究
    下载Doc文档

    猜你喜欢