一种隧道爆破方案智能设计方法
    1.
    发明公开

    公开(公告)号:CN116305406A

    公开(公告)日:2023-06-23

    申请号:CN202310065822.7

    申请日:2023-01-13

    申请人: 东北大学

    IPC分类号: G06F30/13 G06F30/27

    摘要: 本发明提供一种隧道爆破方案智能设计方法,涉及隧道工程技术领域。本发明基于隧道工程地质勘查报告与掌子面超前地质预报,得到爆破设计参数;基于爆破设计参数④,运用隧道工程爆破理论与计算机深度学习技术,得到钻爆法隧道爆破方案01;基于爆破设计参数⑦,运用计算机深度学习技术,建立已建成或在建的已有钻爆法隧道爆破方案样本库,输入爆破设计参数、隧道工程要求得到相适应得待建钻爆法隧道爆破方案02;基于获得的钻爆法隧道爆破方案群,采用人工选取的办法,根据经济、高效、安全、简便原则,选取得到最终钻爆法隧道爆破方案。该方法避免了主观因素影响,结合传统经验设计方法、大数据处理与人工智能技术,为设计施工人员提供了高效方案。

    一种基于遗传规划的元学习小样本图像分类方法

    公开(公告)号:CN118799617A

    公开(公告)日:2024-10-18

    申请号:CN202410753102.4

    申请日:2024-06-12

    申请人: 东北大学

    摘要: 本发明公开一种基于遗传规划的元学习小样本图像分类方法,涉及机器学习与图像处理技术领域。确定元学习的模式N‑way K‑shot learning;获取元训练集和元测试集;构建训练批次和验证批次;获取初始种群;将MAML算法与遗传规划结合获取最好个体;将最好个体对应的神经网络架构作为最终的神经网络架构,将待分类的图像输入最终的神经网络架构得到特征向量,将特征向量输入到支持向量机分类器中,获取分类结果。现有技术中网络结构是通过重用最流行的分类网络结构而任意选择的,结构固定,由于图像之间的高度变化以及图像中的扭曲,使用固定结构的网络在对不同图像进行的好的特征提取是困难的,本发明在元学习算法中使用遗传规划自动生成的架构进行更好的特征提取。

    一种非对称高应力隧道掌子面超前爆破卸压岩爆控制方法

    公开(公告)号:CN116066108A

    公开(公告)日:2023-05-05

    申请号:CN202310065814.2

    申请日:2023-01-13

    申请人: 东北大学

    IPC分类号: E21D9/00

    摘要: 本发明提供一种非对称高应力隧道掌子面超前爆破卸压岩爆控制方法,涉及隧道工程技术领域。本发明基于隧道工程地质勘察报告,根据隧道原岩初始地应力、开挖扰动应力场分布与隧道断面几何特征,确定隧道掌子面应力集中区域;基于隧道工程地质勘察报告,运用岩爆烈度评估方法,预测围岩的岩爆等级;基于掌子面应力集中区域与围岩岩爆等级,确定隧道爆破卸压岩爆控制方法;该方法解决了实际工程中,隧道掌子面处于非对称高应力条件下,应力集中区域对超前卸压效果的不良影响,相对于掌子面均匀布孔,减少应力释放孔的数量,更有效改善隧道掌子面前方应力分布,应力集中区域向内部转移,提高隧道开挖施工的安全与施工效率,保证施工人员和设备的安全。