基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究

作     者：邱道宏 李术才 薛翊国 田昊 闫茂旺 QIU Dao-hong;LI Shu-cai;XUE Yi-guo;TIAN Hao;YAN Mao-wang

作者机构：山东大学岩土与结构工程研究中心济南250061 成都理工大学地质灾害防治与地质环境保护国家重点实验室成都610059 

出 版 物：《岩土力学》 (Rock and Soil Mechanics)

年 卷 期：2014年第35卷第7期

页      面：2013-2018页

核心收录：

学科分类：08[工学] 080101[工学-一般力学与力学基础] 0801[工学-力学（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.51309144) 地质灾害防治与地质环境保护国家重点实验室开放基金(No.SKLGP2013K019) 山东大学自主创新基金(No.2012TS063) 

主　　题：围岩分类 超前识别 数字钻进 量子遗传算法(QGA) 径向基函数(RBF)神经网络 

摘      要：围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传(QGA)-径向基函数(RBF)神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。