典型文献
基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法
文献摘要：
针对地质雷达图像解译依赖于专家经验、费时费力且易受主观因素影响精度的问题,提出基于卷积神经网络理论算法针对超前预报中富水破碎带自动化定位预测方法:设计了残差网络结构、损失函数与训练策略;通过对云南文马高速公路中3条重点隧道的地质雷达图像进行收集筛选,构建了富水破碎带深度特征提取的超前预报网络模型;在Pytorch深度学习框架下,采用训练预热策略及自适应矩估计(Adam)优化器实现了模型参数稳定收敛的高效训练.通过测试验证及对比实验,表明这种方法对隧道地质雷达图像中的富水破碎带不良地质体特征具有较好的检测精度.文马高速望城坡隧道实践证明,该方法可辅助判定隧道施工过程中富水破碎带,识别定位不良地质区域及概率置信度,为实际工程提供决策依据.
文献关键词：
隧道工程;卷积神经网络;富水破碎带;地质雷达;超前地质预报;不良地质体;图像解译
中图分类号：
作者姓名：
陈培帅;袁青;张子平;杨林;陈再励;吴立
作者机构：
中交第二航务工程局有限公司,湖北武汉430040;交通运输行业交通基础设施智能制造技术研发中心,湖北武汉430040;中国地质大学(武汉)工程学院,湖北武汉430071
文献出处：
引用格式：
[1]陈培帅;袁青;张子平;杨林;陈再励;吴立-.基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法)[J].应用基础与工程科学学报,2022(01):196-207
A类：
B类：
富水破碎带,地质超前预报,图像解译,地质雷达,雷达图像,专家经验,费时费力,主观因素,网络理论,中富,定位预测,残差网络结构,损失函数,训练策略,高速公路,深度特征提取,Pytorch,深度学习框架,预热,自适应矩估计,Adam,优化器,高效训练,测试验证,不良地质体,检测精度,望城,隧道施工,施工过程,识别定位,不良地质区域,置信度,决策依据,隧道工程,超前地质预报
AB值：
0.293659
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
