公路隧道施工围岩稳定极限位移预测模型研究

《公路隧道施工围岩稳定极限位移预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、多参未交万方数据硕士学位论文公路隧道施工围岩稳定极限位移预测模型研究ResearchonPredictionModelofLimitDisplacementofSurroundingRocksStabilityforHighwayTunnelsunderConstruction作者：马玉杰导师：刘开云北京交通大学2014年7月万方数据学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保

2、存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：易砂翌签字日期：Ⅵ中年]月f日／6r、弓r＼kf啤厶扣名期签日师字导签万方数据学校代码：10004北京交通大学硕士学位论文公路隧道施工围岩稳定极限位移预测模型研究密级：公开ResearchonPredictionModelofLimitDisplacementofSurroundingRocksStabilityforHighwayTun

3、nelsunderConstruction作者姓名：马玉杰导师姓名：刘开云学位类别：工学学科专业：桥梁与隧道工程学号：11121275职称：副教授学位级别：硕士研究方向：隧道工程北京交通大学2014年7月万方数据致谢三年时间转眼已经远去，研究生生涯也即将走到终点，期间遇到的一系列的人和经历过的一系列的事注定会在以后的岁月中让我常常想起难以忘怀。首先感谢我的指导教师刘开云老师。刘老师治学严谨，平易近人，知识渊博，处事乐观豁达，工作勤勉认真，为我树立了人生的典范。在论文撰写过程中，包括选题、写作以及论文的定稿，刘老师都给予了非常重要的建议和

4、指导，对于论文写作的每一个环节都倾注了大量的时间和精力。同时刘老师在研究生期间对我的生活和学习也给予非常多的关心和帮助，在此向刘老师表示诚挚的谢意。感谢课题组乔春生老师和刘保国老师平时在生活中给予的关怀，感谢师兄寇效辉以及同学牟明扬、刘浩、杜林林、魏昂、高阳、杨辉、亓轶、孙文波等在论文写作过程中和生活中给予的支持和帮助。感谢我的家人在背后默默无闻的付出和支持，感谢你们。万方数据摘要本文通过FLAC3D软件模拟计算了两车道公路隧道的三维施工开挖过程，将突变理论和人工智能方法引入这一研究领域，开展公路隧道施工围岩稳定极限位移预测模型研究。首

5、先，通过对数值计算结果提取的洞周位移构造尖点突变模型并求得隧道施工过程中的位移突变特征值，然后根据围岩失稳位移模突变原理获取隧道稳定极限位移，并以此构造训练样本，进而引入进化支持向量回归算法，经机器学习建立起公路隧道处于临界平衡状态下，围岩地质条件、埋深、跨度、工法和支护参数与关键点位移之间的支持向量回归智能模型，并进一步将其转化为非线性初等函数数学方程。对不同的公路隧道，依据此数学方程可以计算出相应的极限位移，保证公路隧道的安全施工和提高工程质量。关键词：公路隧道；施工；围岩稳定；极限位移；突变理论；支持向量机；预测模型万方数据ABS

6、TRACTExcavationprocessoftwo-lanehighwaytunnelismade、坑t11FLAC3Dinthispaper．Thecatastrophetheoryandartificialintelligencemethodsisintroducedinthisfieldofstudyaboutultimatedisplacementofpredictionmodelofsurroundingrocksstabilityforhighwaytunnel．First,acatastrophicmodelwithc

7、upspo血isestablishedbasedthenumericalresultsoftunnelconstruction．Accordingtotheinstabilitycatastrophecriterion,catastrophedisplacementcharacteristicisobtainedandultimatedisplacementisidentified．Thusthein臼oducfionofevolutionarysupportvectorregressionalgorithms，machinelearn

8、ingisestablishedbythehighwaytunnelinthecrificalstateofequilibriumregressionalgorithms，machinelearninges