论文部分内容阅读
为了有效的进行公路隧道围岩稳定性超前分类,将台车钻孔速率引入到围岩稳定性评价指标体系中,通过增加动量因子和设置自适应调整学习率的方法建立了改进型BP神经网络的围岩分类模型。该模型考虑了钻孔速率这一实测性、超前性的数据,为模型注入了更为丰富的信息量,提高了围岩分类的可靠性,能较准确的预测出掌子面前未开挖段的围岩类别,弥补了施工地质超前预报中靠主观经验观察、分析的不足。通过实例分析,所得的分类结果与实际吻合,对施工的指导性强。