隧道塌方风险预测与控制研究

论文摘要

隧道在施工建设过程中,塌方是最为常见的典型事故。塌方一旦发生,不仅延误工期、大幅度地提高工程费用,而且会威胁到施工和技术人员的人身安全,所以,对隧道的塌方进行科学的预测和控制具有非常重要的现实意义。本文以隧道施工塌方灾害为对象展开研究,主要研究内容和研究成果如下：(1)收集和整理了300例有关公路、铁路以及地铁隧道塌方的资料,对隧道施工前和施工阶段可能涉及到的所有塌方影响因素进行了全面系统的分类统计研究,在对隧道塌方原因综合分析研究的基础上建立了隧道塌方原因关系树。(2)鉴于国内尚没有足够的隧道塌方风险事故数据,本文利用前章对隧道塌方事故原因研究的成果,对影响塌方因子进行选择以及量化研究并基于SVM神经网络理论,建立了隧道塌方的SVM预测模型,并利用Libsvm工具箱编制相关程序,创新性地提出了适用于隧道塌方的网络预测系统,该方法可以迅速科学地进行塌方灾害预测。(3)基于前人对隧道塌方风险控制的研究成果并结合本文对隧道塌方原因分析和预测的研究内容,本文将对隧道塌方控制研究分为两阶段进行：隧道施工前和隧道施工阶段。并针对隧道工程项目施工前和隧道施工时两阶段分别详细系统阐述了隧道塌方控制技术措施。通过预测指标体系的建立,预测方法的提出,预测模型的建立与计算程序的开发,控制措施的研究,实现了对隧道塌方施工安全风险进行量化预测以及全面系统和科学化的隧道塌方风险控制的目标,为隧道塌方安全管理理论与方法及在实际工程中的具体应用和发展提供了参考。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 问题的提出与研究意义
• 1.2 国内外研究现状
• 1.2.1 塌方发生的分类
• 1.2.2 塌方的预测
• 1.2.3 塌方的预防控制
• 1.2.4 目前存在的主要问题
• 1.3 主要研究内容与技术路线
• 第二章 隧道塌方事故统计分析研究
• 2.1 隧道塌方事故统计分析
• 2.1.1 隧道塌方典型事故
• 2.1.2 隧道塌方资料收集和整理
• 2.2 隧道塌方事故原因统计结果
• 2.3 隧道塌方原因综合分析
• 2.3.1 隧道塌方施工前存在的原因分析
• 2.3.2 隧道塌方施工时存在的原因分析
• 2.3.3 隧道塌方原因关系树
• 2.4 本章小结
• 第三章 基于SVM神经网络的隧道塌方预测研究
• 3.1 机器学习的表示和支持向量机方法
• 3.2 支持向量机
• 3.2.1 支持向量机原理
• 3.2.2 核函数
• 3.3 主要塌方影响因子的选择及其量化
• 3.4 隧道塌方预测相关数据
• 3.5 隧道塌方的SVM预测模型
• 3.6 MATLAB实现
• 3.6.1 选定训练集和测试集
• 3.6.2 数据预处理
• 3.6.3 交叉验证选择最佳参数c和g
• 3.6.4 训练与预测
• 3.7 本章小结
• 第四章 隧道塌方事故控制对策措施研究
• 4.1 施工前控制措施
• 4.2 施工过程中的控制措施
• 4.3 本章小结
• 第五章 结论与展望
• 5.1 本文创新点及研究成果
• 5.2 进一步的研究展望
• 参考文献
• 附表
• 致谢
• 攻读硕士学位期间参加的科研项目