文档名：基于MSR算法的公路隧道围岩分级方法
摘要：隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行.为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法(MSR).首先,综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标,并对其进行量化;其次,采用argmax函数作为决策函数,建立多分类器;然后,给定专家修正训练样本,利用python语言编写程序,学习最优判别函数,同时比较不同学习率下模型的精度;最后,导入测试集数据,经过模型自动演算,得出合理的围岩分级结果.结合那丘隧道BQ法对围岩进行分级.研究结果表明:①该算法具有可行性和较高的准确率,证实了将机器学习应用到隧道工程中可以提高工程施工效率;②与二分类器相比,多分类器能更好地解决围岩分级问题;③当学习率为0.01时,模型的分类性能最佳.
作者：柳厚祥 李子意Author：LIUHouxiang LIZiyi
作者单位：长沙理工大学土木工程学院,湖南长沙410114
刊名：交通科学与工程
Journal：JournalofTransportScienceandEngineering
年，卷(期)：2023, 39(3)
分类号：U451.2
关键词：公路隧道 MSR算法 围岩分级 机器学习 多分类器
Keywords：highwaytunnel MSRalgorithm rockmassclassification machinelearning multi-classclassifier
机标分类号：U4TP391TP181
在线出版日期：2023年7月21日
基金项目：湖南省水利科技项目，湖南省教育厅科学研究重点项目，土木工程优势特色重点学科创新性基金资助项目基于MSR算法的公路隧道围岩分级方法[
期刊论文] 交通科学与工程--2023, 39(3)柳厚祥 李子意隧道围岩分级是隧道设计与施工的基础,直接影响隧道安全与运行.为实现对隧道围岩进行快速、准确地分级,基于机器学习中softmax回归线性分类模型,构建多分类softmax回归分级方法(MSR).首先,综合考虑岩石坚硬程度、岩体完整...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于MSR算法的公路隧道围岩分级方法 Classification method for surrounding rock of highway tunnels based on MSR algorithm
基于MSR算法的公路隧道围岩分级方法.pdf
- 文件大小:
- 1.14 MB
- 下载次数:
- 60
-
高速下载
|
