基于TSP和PCA-Bayes法的隧道围岩分级

高精度的围岩超前分级是隧道安全有效施工的重要保障.基于TSP303系统对前方围岩的预报结果,建立PCA-Bayes判别模型,选取纵波速度、横波速度、纵横波速比、泊松比、密度及静态杨氏模量作为判别指标,利用PCA法对学习样本进行降维处理,按照主成分累计方差贡献率大于85％的原则提取主成分,并将40个学习样本用提取的主成分表示.根据围岩实际揭露情况,将围岩分为Ⅱ、Ⅲ、Ⅳ、Ⅴ4级,各总体的先验概率以该总体的样本占比近似表示,依据平均错判损失最小的判别准则,建立各总体的Bayes判别函数,并得出各指标的得分系数,采用交互检验法评价了判别模型的优良性,根据建立的判别模型对10个待判样本进行了检验,并且与聚类分析及传统Bayes判别法的判别结果进行了对比分析.结果 表明:相较于聚类分析与传统Bayes判别法,PCA-Bayes判别法的判别能力更强,准确率可达98％,提高了隧道围岩超前分级的精度.