-
公开(公告)号：CN112505288A
公开(公告)日：2021-03-16
申请号：CN202011244433.3
申请日：2020-11-10
申请人： 东南大学
摘要： 本申请涉及一种基于多源测试的隧道围岩质量评分方法。该方法包括：根据两种以上的强度测试方法，测试的待测试隧道围岩的强度数据进行分析，获得隧道围岩强度评分；根据两种以上的不连续面识别方法，识别的待测试隧道围岩的不连续面数目进行分析，获得不连续面评分；根据两种以上的不连续面信息提取方法，提取的待测试隧道围岩的不连续面信息进行分析，获得不连续面条件评分；根据两种以上的涌水量测试方法测试的待测试隧道围岩对应的隧道涌水量进行分析，获得隧道地下水评分；根据隧道围岩强度评分、不连续面评分、不连续面条件评分以及隧道地下水评分进行分析，获得隧道围岩质量评分结果，全面考虑各种测试方式来提高隧道围岩质量评分准确度。
-
公开(公告)号：CN112434914A
公开(公告)日：2021-03-02
申请号：CN202011229569.7
申请日：2020-11-06
申请人： 东南大学
摘要： 本发明公开了一种基于风险决策的隧道围岩多源信息融合方法，综合考虑了隧道围岩强度、围岩不连续面数目、围岩不连续面粗糙度系数、围岩不连续面张开度、围岩不连续面迹长、隧道涌水量等多项隧道围岩质量指标以及获取这些数据信息的多种测试方式；对于每项指标，将在多源信息中各选取一种测试方式进行组合，基于最小风险的贝叶斯决策理论，对每个组合进行风险评估，确定一种风险最低的多源信息组合作为隧道围岩质量评价信息，并为后续设计施工提供参考依据。该方法全面考虑基于各种测试手段获得多源信息存在的不确定性因素，得出一种风险最低的信息组合作为隧道多源信息融合的最优结果，适用于岩石隧道工程的围岩多源信息融合。
-
公开(公告)号：CN115481469A
公开(公告)日：2022-12-16
申请号：CN202211034584.5
申请日：2022-08-26
申请人： 东南大学
摘要： 本发明提供了一种基于仿蚁体寻迹技术的隧道节理面自生长式建模方法，基于仿蚁体寻迹技术中仿蚁体爬行时始终选择最短路径，最终选择的最短路径最大可能地会经过隧道节理面的原理，将仿蚁体播撒在获取的含有丰富地质构造信息的地球物理勘探数据资料和含有隧道开挖面迹线信息的三维点云数据共同组成的离散数据中，通过仿蚁体的爬行和信息素的释放实现基于仿蚁体寻迹技术的隧道节理面自生长式建模。基于上述模仿自然界蚂蚁行为的仿生方法建立的隧道节理面模型，充分利用和表达了多源地质信息，可用于后续的数值分析，克服传统结构面模型表达地质信息不全面、受人为主观因素影响较大和后续分析可靠度低的问题。
-
公开(公告)号：CN112529330B
公开(公告)日：2022-11-18
申请号：CN202011547694.2
申请日：2020-12-24
申请人： 东南大学
摘要： 本发明涉及一种基于贝叶斯神经网络的隧道围岩地质分级信息预测方法，收集既有隧道与精细采集在建隧道的围岩地质分级信息并作归一化处理，通过蒙特卡洛随机分析确定隧道围岩地质分级信息的概率分布，并初步确定贝叶斯神经网络模型输入层、隐含层、输出层的节点数，从而利用地质信息相似的既有隧道工程数据建立预测贝叶斯神经网络预测模型；随着工作面的不断向前推进，利用开挖过程中新获取的隧道围岩地质分级信息实时更新预测模型，进而逐步提升模型预测精度；本申请提供的预测方法具有较好的普适性和较高的预测精度，能够对隧道开挖前方未知断面地质分级信息提前作出有效判断，适用于绝大多数隧道围岩地质分级信息的预测。
-
公开(公告)号：CN112434914B
公开(公告)日：2022-04-08
申请号：CN202011229569.7
申请日：2020-11-06
申请人： 东南大学
摘要： 本发明公开了一种基于风险决策的隧道围岩多源信息融合方法，综合考虑了隧道围岩强度、围岩不连续面数目、围岩不连续面粗糙度系数、围岩不连续面张开度、围岩不连续面迹长、隧道涌水量等多项隧道围岩质量指标以及获取这些数据信息的多种测试方式；对于每项指标，将在多源信息中各选取一种测试方式进行组合，基于最小风险的贝叶斯决策理论，对每个组合进行风险评估，确定一种风险最低的多源信息组合作为隧道围岩质量评价信息，并为后续设计施工提供参考依据。该方法全面考虑基于各种测试手段获得多源信息存在的不确定性因素，得出一种风险最低的信息组合作为隧道多源信息融合的最优结果，适用于岩石隧道工程的围岩多源信息融合。
-
公开(公告)号：CN112529330A
公开(公告)日：2021-03-19
申请号：CN202011547694.2
申请日：2020-12-24
申请人： 东南大学
摘要： 本发明涉及一种基于贝叶斯神经网络的隧道围岩地质分级信息预测方法，收集既有隧道与精细采集在建隧道的围岩地质分级信息并作归一化处理，通过蒙特卡洛随机分析确定隧道围岩地质分级信息的概率分布，并初步确定贝叶斯神经网络模型输入层、隐含层、输出层的节点数，从而利用地质信息相似的既有隧道工程数据建立预测贝叶斯神经网络预测模型；随着工作面的不断向前推进，利用开挖过程中新获取的隧道围岩地质分级信息实时更新预测模型，进而逐步提升模型预测精度；本申请提供的预测方法具有较好的普适性和较高的预测精度，能够对隧道开挖前方未知断面地质分级信息提前作出有效判断，适用于绝大多数隧道围岩地质分级信息的预测。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.024 秒)
