基于高斯过程机器学习方法的隧道围岩分类模型

详细信息   

• 责任者：张研^c广西大学^d1983^e博士研究生 ; 苏国韶 ; 燕柳斌
• 刊名：现代隧道技术
• 出版年：2011
• 卷期：48^b6总341
• 关键词：隧道 ; 围岩稳定 ; 随机过程20^a围岩 ; 分类 ; 数学模型21^a四川30^a高斯过程31^a二郎山
• 页码：32～37
• 索书号：P854.062/902
• 图表：^c表2参13插图
• 分类号：1600
• 文摘期号：2012/06

摘要

针对现有围岩分类方法的局限性，基于工程实例，利用分类性能优异的高斯过程机器学习模型建立围岩类别与其主要影响因素之间的非线性映射关系，进而提出一种基于高斯过程的隧道围岩分类模型，实现不同情况下围岩分类的合理识别。将该模型应用于川藏公路二郎山隧道围岩分类，研究结果表明，隧道围岩分类的高斯过程机器学习模型是科学可行的，与人工神经网络模型、支持向量机模型相比较，该模型具有参数自适应化的优点，能方便快捷地给出合理可靠且具有概率意义的围岩分类评价结果，可对围岩分类结果的不确定性或可信度进行定量化评价。