基于模糊贝叶斯证据理论的盾构下穿既有隧道安全风险评价

来源 :隧道建设(中英文) | 被引量 : 0次 | 上传用户:AHUAYA
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了对盾构下穿既有隧道实现更加准确有效的安全风险评价,提出一套基于模糊贝叶斯和证据理论的安全风险评价方法。在总结大量文献和相关标准的基础上,选取14个主要影响因素建立一套较为完善的盾构下穿既有隧道安全风险评估体系及评价标准,引入可对不确定信息进行有效融合的证据理论,结合模糊贝叶斯网络构建盾构下穿既有隧道安全评价模型,并以武汉某地铁工程为例开展实证分析。得出:1)基于构建的安全评价模型进行风险推理和敏感性分析,确定工程的安全风险状态为一般,但有向较危险发展的趋势;2)关键控制因素为新建隧道直径、两隧道的平面
其他文献
针对川藏铁路雅安至林芝段特殊地质背景下的高地应力软岩大变形、高地应力硬岩岩爆、高地温、活动断裂、富水构造带等不良地质问题,系统阐述了5种重大不良地质的工程特征和主要危害,在调研和分析国内外类似工程建设经验基础上,提出了相应的处置原则和工程对策:1)软岩变形隧道遵循优化洞形、主动加固、分级控制、强化支护的处置原则;2)岩爆隧道遵循预警先行、主动控制、多机少人、保证安全的处置原则;3)高地温隧道遵循加强地质预报、热害分级防控、综合降温配套、合理适配材料、强化劳动保障的处置原则;4)活动断裂段按照小震不坏、中震
为解决盾构竖向姿态的精确预测问题,提出一种基于长短期记忆(long short term memory,LSTM)神经网络-支持向量回归(support vector regression,SVR)的深度学习组合预测模型。在对采集到的竖向姿态数据进行相应的数据预处理的基础上,分别构建LSTM、SVR竖向姿态预测模型,并基于最优组合赋权的方式对二者的预测结果进行赋权,以得到LSTM-SVR盾构竖向姿态组合预测模型。为验证所构建的LSTM-SVR组合深度学习预测模型的可靠性,依托昆明地铁项目,将预测结果与LS