一种基于含水率变化表征的隧道围岩分级方法及分级系统技术方案

本发明专利技术公开了一种基于含水率变化表征的隧道围岩分级方法及分级系统，属于隧道围岩分级技术领域，所述分级方法包括以下步骤，S1：确定围岩快速分级指标；S2：对隧道围岩的岩体完整性指标进行测定；S3：对隧道围岩的含水率及其对应的单轴抗压强度进行测定；S4：确定隧道围岩修正指标；S5：基于步骤S1

【技术实现步骤摘要】
一种基于含水率变化表征的隧道围岩分级方法及分级系统


[0001]本专利技术涉及隧道围岩分级
，尤其涉及一种基于含水率变化表征的隧道围岩分级方法及分级系统。

技术介绍

[0002]隧道围岩快速分级是实现合理准确支护设计、保障现场施工安全的前提。根据《工程岩体分级标准》，围岩基本等级可由岩石坚硬程度和岩体完整程度确定。岩石的坚硬程度可通过单轴饱和抗压强度大小确定，岩石的完整程度则是根据完整性指数来进行划分。显然，传统划分方法对含水率对围岩分级的影响考虑较少，判定周期长、效率不高。
[0003]随着应用范围的扩大，BP神经网络应用在围岩等级划分中也暴露出了越来越多的缺点和不足。BP(back propagation)网络是沿着负梯度的方向下降，容易陷入局部最小值，无法得到全局最优解。遗传算法(Genetic algorithm,GA)在解决无约束非线性优化问题上性能强大，通常能最大程度逼近全局最优解。将BP网络和遗传算法相结合，二者之间相互配合可以提高输出结果的效率和精度，然而现有技术中并没有将BP网络与遗传算法结合起来进行隧道围岩快速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于含水率变化表征的隧道围岩分级方法，其特征在于，包括以下步骤，S1：确定围岩快速分级指标；S2：对隧道围岩的岩体完整性指标进行测定；S3：对隧道围岩的含水率及其对应的单轴抗压强度进行测定；S4：确定隧道围岩修正指标；S5：基于步骤S1
‑
S4中获取的数据，构建遗传算法优化BP神经网络模型；S6：利用步骤S5中的遗传算法优化BP神经网络模型对隧道围岩进行分级判定。2.根据权利要求1所述的一种基于含水率变化表征的隧道围岩分级方法，其特征在于：步骤S2中所述的岩体完整性指标包括平均节理间距d
p
和岩体完整性指标K
v
。3.根据权利要求2所述的一种基于含水率变化表征的隧道围岩分级方法，其特征在于，步骤S2的具体操作包括以下步骤，S201：采集隧道围岩的三维扫描数据；S202：计算各结构面的间距；S203：根据各结构面的间距计算平均结构面间距，也即平均节理间距d
p
；S204：根据平均节理间距d
p
计算每立方米岩体中的节理条数J
v
，S205：根据节理条数J
v
确定岩体完整性指标K
v
。4.根据权利要求3所述的一种基于含水率变化表征的隧道围岩分级方法，其特征在于，步骤S3的具体操作包括以下步骤，S301：测定隧道围岩不同位置处对应的含水率；S302：对不同含水率处的岩体进行取样，测定对应的单轴抗压强度，得到多组不同含水率下的岩体单轴抗压强度数据；S303：根据离散程度对步骤S302中得到的数据进行处理。5.根据权利要求4所述的一种基于含水率变化表征的隧道围岩分级方法，其特征在于，步骤S4中所述的修正指标包括地下水影响系数K1；主要结构面产状影响系数K2；初始应力状态影响修正系数K3。6.根据权利要求5所述的一种基于含水率变化表征的隧道围岩分级方法，其特征在于，步骤S5中构建遗传算法优化BP神经网络模型的具体操作包括以下步骤，S501：确定BP神经网络的拓扑结构；S502：对BP神经网络的权值和阈值进行初始化；S503：使用遗传算法以及训练集数据对步骤S...

【专利技术属性】
技术研发人员：韩臻，张宇涛，刘帅，闫力辉，陶振生，张玉伟，宋战平，王朝光，汪洋，范胜元，王博文，
申请(专利权)人：中交建筑集团有限公司西安建筑科技大学，
类型：发明
国别省市：