排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
隧道围岩收敛变化是认识围岩和支护结构动态作用及其时空演变机理的前提,变形分级准确预测是对围岩稳定性和支护结构有效性评估的重要基础.本文提出了改进一维卷积和支持向量机融合深度网络的隧道收敛变形分级预报模型.根据围岩变形的主要影响因素和特征类型,选取强度应力比、隧道埋深、隧道等效直径、支护刚度和岩体质量指标,建立了变形等级的识别框架.收集了159组国内外经典的隧道收敛变形实例数据,采用全局均值池化层和支持向量机改进传统卷积神经网络中全连接层和Softmax层进行等级分类,利用改进的一维卷积神经网络自动提取隧道变形的隐含典型特征.运用衰减学习率和Dropout正则化深度学习训练技巧,防止模型出现过拟合.与其他方法的结果对比,证明了该方法有着更好的准确率和鲁棒性,模型完全利用数据驱动实现有限数据集的深层复杂且微妙关系学习.应用于多雄拉公路隧道的围岩收敛变形分级预测,预测结果与现场实际一致,进一步验证了方法的准确性和适用性.研究结果有利于提高隧道收敛变形预测的理论水平和可靠性,为类似工程提供参考. 相似文献
2.
解决城市轨道交通运营过程中在大客流扰动下的安全问题.首先,用仿真模拟分析并比较城市轨道交通在大客流扰动下的脆弱性.运用MATLAB仿真模拟,编写程序代码并运行程序得出结果.选北京地铁1号线的车站作为分析与模拟的对象,并设置模拟系统的参数,每个地铁车站进行2次模拟.通过专家座谈、现场问卷调查和实地调研得到大客流扰动下城市轨道交通脆弱性分析的基本数据.通过MATLAB对基础数据进行处理,得到北京城市轨道交通大客流扰动下1号线站点脆弱性指标的得分.对得分进行归一化处理,并将归一化后数据带入突变理论模型中,得到在大客流扰动下城市轨道交通的暴露度、敏感度、适应度和脆弱性值.结果表明,北京城市轨道交通1号线在大客流扰动下,大望路站的脆弱性最高,东单站的脆弱性适中,军事博物馆站的脆弱性较低. 相似文献
1