基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法
Journal of Basic Science and Engineering(2022)
摘要
针对地质雷达图像解译依赖于专家经验、费时费力且易受主观因素影响精度的问题,提出基于卷积神经网络理论算法针对超前预报中富水破碎带自动化定位预测方法:设计了残差网络结构、损失函数与训练策略;通过对云南文马高速公路中3条重点隧道的地质雷达图像进行收集筛选,构建了富水破碎带深度特征提取的超前预报网络模型;在Pytorch深度学习框架下,采用训练预热策略及自适应矩估计(Adam)优化器实现了模型参数稳定收敛的高效训练.通过测试验证及对比实验,表明这种方法对隧道地质雷达图像中的富水破碎带不良地质体特征具有较好的检测精度.文马高速望城坡隧道实践证明,该方法可辅助判定隧道施工过程中富水破碎带,识别定位不良地质区域及概率置信度,为实际工程提供决策依据.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要