基于机器学习的隧道支护体系智能化设计与评价方法

来源：中国血液净化杂志2023年第11期北京时间：

作者：何川, 陈子全, 周子寒, 马伟斌, 汪波, 张金龙

单位：1. 西南交通大学 交通隧道工程教育部重点实验室, 四川 成都 610031;2. 中国铁道科学研究院集团有限公司 铁道建筑研究所, 北京 100081"],"fundList_en":["National Natural Science Foundation of China (52008351); Sichuan Science and Technology Program (2021YJ0539)

摘要：随着人工智能的大力发展，采用智能算法进行非线性映射的深度学习为解决隧道及地下工程长期依赖经验设计的现状提供了新的思路。通过多指标融合（力学及变形控制指标、支护体系协同度相关系数）提出了一种以适配度表征的支护体系评价方法，并基于该方法收集了公路隧道718个断面、铁路隧道486个断面信息用于搭建算法训练的数据样本库。将隧道工程背景信息中岩石坚硬程度、完整程度、岩层厚度、地下水量、埋深水平、地质构造、施工工法、内轮廓形式共计8种属性作为输入指标，将支护体系中喷射混凝土+钢筋网、锚杆、钢拱架、二次衬砌、超前支护共计5种标签作为输出指标，对输入输出指标进行了量化处理。在对比了PSO-SVM、SA-PSO-SVM、CLS-PSO-SVM算法在支护体系智能反馈模型应用中的特点后，对生成的智能设计及反馈模型进行了检验。研究结果表明：评价方法首先剔除了偏弱设计方案，对强支护和一般支护方案的适配度分别为4.28、4.68，验证了该方法在保证结构安全的前提下可对材料性能利用率作出评价；3种智能算法中，搜索范围最广的CLS-PSO-SVM算法反馈准确率最高但耗时最长，而PSO-SVM算法虽耗时最短但准确率最低；最终，利用CLS-PSO-SVM算法设计的5种输出标签的准确率分别为93.4%、92.6%、89.3%、91.8%、94.3%，5种输出指标的综合准确率为81.1%。

关键词：隧道工程,智能设计,智能算法,支护体系,评价指标,智能反馈

基金资助：国家自然科学基金项目（52008351）；四川省科技计划项目（2021YJ0539）