基于大样本数值模拟与机器学习算法的机械化钻爆法隧道智能设计

作者：马杲宇; 汪波^*; 何川; 王君楼; 张成友; 周子寒; 徐国文

来源：应用基础与工程科学学报, 2023, 31(06): 1601-1616.

DOI：10.16058/j.issn.1005-0930.2023.06.016

• 隧道智能设计
• 机械化钻爆法施工
• 大样本数值模拟
• RBF神经网络
• 遗传模拟退火算法
• 参数优化

机械化钻爆法开挖隧道具有进尺长、台阶短、临空面大的特征，基于既有工程经验的隧道设计方法，难以适应机械化施工的需求.依托渝昆高铁隧道群，通过MATLAB随机生成符合现场实际的计算工况，调用有限差分软件FLAC3D开展大样本自动化数值模拟，并将结果保存至数据库中.引入机器学习算法，将初始地应力场、岩体物理力学参数、开挖支护参数作为输入层，将围岩变形及支护体系力学响应作为输出层，对径向基(RBF)神经网络进行训练，建立了输入层与输出层参数之间的非线性映射关系.利用遗传-模拟退火算法(GA-SA),开展隧道断面开挖和支护参数优选.结果表明，RBF神经网络的预测精度较高，其中二次衬砌拱顶轴力的拟合度R2为0.836.在迭代优化过程中调用训练完毕的神经网络，能够直接获取输入参数对应隧道断面的力学响应结果，显著节约了计算时间成本，使优化结果迅速收敛至最优适应度.

• 单位
  西南交通大学