典型文献
基于深度学习的东天山特长隧道围岩等级预测
文献摘要：
位于中国西北部的东天山地区,拥有着复杂的地质条件,因此如何快速准确预测隧道掌子面前方的围岩质量的难度增大,准确客观反映岩体基本特性的围岩分类是隧道设计与施工的重要参考依据.旨在建立一种能客观准确评价东天山地区工程地质环境及预测围岩等级的方法,依托在建东天山隧道项目.首先,选取东天山特长隧道已开挖典型地质区段,以工程地质分区、高关联度物探技术参数指标及物探偏移图像为基础,组成机器学习训练样本;其次,采用Python语言基于Tensor-Flow深度学习框架编写深度学习网络算法训练样本,建立围岩类别预测模型;再次,采用新开挖段数据不断验证与优化模型;最后,将预测精度最高的模型推广应用于天山地区隧道围岩类别预测,结果表明联合隧道散射地震成像(tunnel seismic tomo-graphy,TST)偏移图像、地质分区与物探指标数据集训练出来的模型效果最好.
文献关键词：
超前地质预报;深度学习;围岩分级;预测
中图分类号：
作者姓名：
孟馨;秦拥军;谢良甫;袁扬淳;谭顺利
作者机构：
新疆大学建筑工程学院,乌鲁木齐830017
文献出处：
引用格式：
[1]孟馨;秦拥军;谢良甫;袁扬淳;谭顺利-.基于深度学习的东天山特长隧道围岩等级预测)[J].科学技术与工程,2022(25):11219-11226
A类：
B类：
东天山,特长隧道,隧道围岩,围岩等级,等级预测,中国西北,西北部,山地区,复杂的地质条件,快速准确,准确预测,隧道掌子面,前方,围岩质量,岩体,基本特性,隧道设计,设计与施工,准确评价,工程地质环境,隧道项目,开挖,区段,工程地质分区,物探技术,技术参数,参数指标,学习训练,训练样本,Python,Tensor,Flow,深度学习框架,深度学习网络,网络算法,算法训练,地震成像,tunnel,seismic,tomo,graphy,TST,集训,练出,超前地质预报,围岩分级
AB值：
0.431669
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。
