基于软岩隧道超挖的预测优化研究

本文以玉磨铁路王岗山隧道为例,借助Fisher线性判别模型(FDA)、非线性共轭梯度法(CG)模型以及智能支持向量机(SVM)模型分析隧道开挖特性,建立以爆炸参数为试验常数,有效地质参数为输入,实际开挖为输出的预测模型.用线性(FDA)、非线性(CG)和智能预测方法(SVM)对隧道倾覆进行预测和判别.结果表明:三种预测方法的相关系数(R2)分别为0.694、0.718和0.704、0.836,FDA预测模型的相关系数最小,CG预测模型的相关系数的准确性与FDA预测模型相比有所提高,SVM预测模型的相关系数最高,预测准确性显著提高,对数据的变化有较快和较高的适应性,SVM预测模型可以实现挖掘优化的高精度和定量预测,而CG预测模型可以提供快速且可控制的准确度的简单预测.本文基于软岩隧道超挖的预测优化实证研究表明,采用支持向量机的方法可以获得更理想的预测结果.