基于支持向量机的大断面岩质隧道掌子面围岩非均一性判识方法

摘要

为快速判识高速铁路大断面岩质隧道施工过程中常表现出的掌子面围岩显著非均一性特征,提出1种大断面岩质隧道掌子面围岩非均一性判识方法.依托郑万高铁5条试验隧道,采集得到掌子面围岩炮眼钻孔过程样本299份,相应形成大断面岩质隧道掌子面围岩分级样本库;分别构建基于支持向量机(SVM)和2种神经网络的大断面岩质隧道掌子面围岩分级模型,采用同样的数据对比3种模型性能;依托SVM分级模型,利用炮孔名义分级和名义分区分级名词描述掌子面围岩非均一性判识方法,并针对5条试验隧道进行判识计算,提出大断面岩质隧道支护结构的局部优化建议.结果 表明:相比于2种神经网络分级模型,SVM分级模型在样本数量较少条件下的分级准确度更高,平均准确度为87.9％;更换样本后,SVM分级模型准确度依然如此,且泛化性更强;本文方法判识得到2次爆破过程中的围岩显著非均一性特征,判识结果与爆破终点掌子面实际情况基本一致,可为支护参数局部优化提供依据.