文献类型：期刊文章

作　　者：张昱[1,2] 张明魁[1]

ZHANG Yu;ZHANG Ming-kui(School of Electrical and Information Engineering,Beijing Key Laboratory of Intelligent Processing for Building Big Data,Beijing University of Civil Engineering and Architecture,Beijing 100044,China;State Key Laboratory in China for GeoMechanics and Deep Underground Engineering,China University of Mining&Technology,Beijing 100083,China)

机构地区：[1]北京建筑大学电气与信息工程学院,建筑大数据智能处理方法研究北京市重点实验室,北京100044 [2]中国矿业大学(北京),深部岩土力学与地下工程国家重点实验室,北京100083

出　　处：《科学技术与工程》

基　　金：深地空间科学与工程研究院基金(XD2021021);2022年度研究生教育教学质量提升项目(J2022003);北京建筑大学研究生创新项目(PG2023092)。

年　　份：2023

卷　　号：23

期　　号：27

起止页码：11835-11840

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：岩爆是深埋隧道施工过程中开挖时形成临空面,引起能量突然释放的现象,轻则岩片剥落,重则造成人员伤亡和财产损失,其危害程度取决于岩爆烈度等级,因此岩爆烈度等级预测是急需解决的难题之一。针对单一指标预测法预测效果不理想的问题,首先设计并实现了综合指标法和针对多分类问题的分类器,其次提出并建立了基于梯度下降(gradient descent,DN)算法优化深度神经网络(deep neural network,DNN)的GD-DNN岩爆烈度等级预测模型。实验结果表明:GD-DNN模型预测的准确率达到95.8%,相比机器学习算法,K最近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)和深度学习算法DNN分别提高了45.8%、38.7%和8.3%,同时在精确率、召回率和F1三项指标上均优于其他模型。最后在秦岭隧道、大相岭隧道、通渝隧道和马路坪矿井4个实际工程中检验模型的预测效果,检验结果证明GD-DNN模型能够精准预测岩爆烈度等级,研究成果可应用于深埋隧道工程中。

关 键 词：深埋隧道 岩爆预测 岩爆烈度等级  GD-DNN  

分 类 号：U451.2]