基于数据场聚类的拉林铁路隧道施工风险评估
发布时间：2021-01-20 21:43
为了明确高寒地区复杂的施工环境以及恶劣的气候条件对拉林铁路隧道施工带来的风险所属等级,提出一种基于数据场聚类的隧道施工风险评估模型。针对拉林铁路隧道工程的施工特点,分析隧道施工主要的施工风险与固有风险,构建符合拉林铁路地质特征的隧道施工风险评价指标体系。使用模糊评语集对风险指标进行风险概率和风险损失描述,对描述结果进行定量转化后,用基于数据场的高斯混合模型聚类确定各风险因素等级。运用该模型对位于拉林铁路的巴玉隧道施工风险进行评价,并与传统的K-means聚类结果进行比较,证明高斯混合模型的评价结果更加精准。
【文章来源】：铁道科学与工程学报. 2020,17(07)北大核心
【文章页数】：9 页
【部分图文】：
势值分布图Fig.1Potentialdistributionmap
214.62523.725R3116.77523R3210.17522.9R3333.3528.2R3420.92525.4R4134.8524.7R4237.2532.925R4338.1530.775R4440.232.45R5131.8534.45R5230.835.15R532834.575R5416.77538.125R6141.22542.85R6217.67533.85R6340.633.725R6432.2539.85R6531.9543.225R6622.933.7R6733.1543.1R6824.9543.4754.2基于数据场的高斯混合模型聚类结果按照前述的势值计算方法运用Matlab计算样本势值，得到如图1所示势值分布图。图1势值分布图Fig.1Potentialdistributionmap图2高斯混合聚类图Fig.2Datadistributionmapafterclustering
高压注水以改善围岩物理力学性能；为应对高地温风险，施工时可在隧道衬砌内设计耐高温绝缘隔热材料，并做好施工过程中的通风工作；针对施工过程中无法绕避的滑坡崩塌和活动断裂区需要开展专题研究工作，进行稳定性评价，给出合理的处理意见；施工过程中施工机械保养与警示不足带来的风险属于一般风险，在施工过程中要做好施工前的机械检查工作；相对来说，在此隧道施工过程中，存在安全管理不完善和基础支护工作不足等风险较小，由于围岩多为坚硬岩石，发生软岩大变形的风险也较小，与实际工程情况相符。图3K-means聚类结果图Fig.3K-meansclusteringresultgraph表7高斯混合模型聚类输出结果Table7OutputofGaussmixturemodelclustering风险指标聚类个数错误个数遗漏个数微小000较小R11R12R13R22R31R32R62701一般R14R21R33R34R41R51R53720较大R42R43R52R54R64R65R66721重大R44R61R63R67R68501表8K-means聚类输出结果Table8OutputofK-meansclustering风险指标聚类个数错误个数遗漏个数微小较小R11R22R31R32404一般R12R13R41R43R51542较大R14R21R34R44R52R54R64720重大R33R42R53R61R62R63R65R66R67R681050
【参考文献】：
期刊论文
[1]大数据K-means聚类算法的研究与应用[J]. 任恒妮. 信息技术. 2019(11)
[2]青藏高原典型隧道施工安全风险评价研究[J]. 魏利伟,王峰,张强. 价值工程. 2019(16)
[3]川藏铁路昌都至林芝段主要工程地质问题分析[J]. 杨德宏. 铁道标准设计. 2019(09)
[4]川藏铁路雅鲁藏布江缝合带地质选线研究[J]. 张敏,张广泽,蒋良文,王科. 资源信息与工程. 2019(01)
[5]铁路隧道TBM施工风险评估[J]. 顾伟红,王恩茂,张文达. 安全与环境学报. 2018(03)
[6]深埋长隧道施工地质灾害风险模糊层次评价[J]. 张东明,白永杰,白鑫,王臻,赵雪平. 安全与环境学报. 2018(01)
[7]川藏铁路沿线及邻区环境工程地质问题概论[J]. 郭长宝,张永双,蒋良文,石菊松,孟文,杜宇本,马春田. 现代地质. 2017(05)
[8]川藏铁路某超深埋隧道地应力特征及岩爆分析[J]. 王栋,李天斌,蒋良文,林之恒,冯涛. 铁道工程学报. 2017(04)
[9]Clustering by Fast Search and Find of Density Peaks with Data Field[J]. WANG Shuliang,WANG Dakui,LI Caoyuan,LI Yan,DING Gangyi. Chinese Journal of Electronics. 2016(03)
[10]基于Bayesian隧道施工风险模糊综合评估方法[J]. 郭发蔚,王宏辉. 铁道科学与工程学报. 2016(02)
硕士论文
[1]基于高斯混合模型聚类的变量选择及应用[D]. 陈玉雯.兰州大学 2016
[2]高斯混合模型聚类及其优化算法研究[D]. 陈英.华东交通大学 2015
本文编号：2989837
【文章来源】：铁道科学与工程学报. 2020,17(07)北大核心
【文章页数】：9 页
【部分图文】：
势值分布图Fig.1Potentialdistributionmap
214.62523.725R3116.77523R3210.17522.9R3333.3528.2R3420.92525.4R4134.8524.7R4237.2532.925R4338.1530.775R4440.232.45R5131.8534.45R5230.835.15R532834.575R5416.77538.125R6141.22542.85R6217.67533.85R6340.633.725R6432.2539.85R6531.9543.225R6622.933.7R6733.1543.1R6824.9543.4754.2基于数据场的高斯混合模型聚类结果按照前述的势值计算方法运用Matlab计算样本势值，得到如图1所示势值分布图。图1势值分布图Fig.1Potentialdistributionmap图2高斯混合聚类图Fig.2Datadistributionmapafterclustering
高压注水以改善围岩物理力学性能；为应对高地温风险，施工时可在隧道衬砌内设计耐高温绝缘隔热材料，并做好施工过程中的通风工作；针对施工过程中无法绕避的滑坡崩塌和活动断裂区需要开展专题研究工作，进行稳定性评价，给出合理的处理意见；施工过程中施工机械保养与警示不足带来的风险属于一般风险，在施工过程中要做好施工前的机械检查工作；相对来说，在此隧道施工过程中，存在安全管理不完善和基础支护工作不足等风险较小，由于围岩多为坚硬岩石，发生软岩大变形的风险也较小，与实际工程情况相符。图3K-means聚类结果图Fig.3K-meansclusteringresultgraph表7高斯混合模型聚类输出结果Table7OutputofGaussmixturemodelclustering风险指标聚类个数错误个数遗漏个数微小000较小R11R12R13R22R31R32R62701一般R14R21R33R34R41R51R53720较大R42R43R52R54R64R65R66721重大R44R61R63R67R68501表8K-means聚类输出结果Table8OutputofK-meansclustering风险指标聚类个数错误个数遗漏个数微小较小R11R22R31R32404一般R12R13R41R43R51542较大R14R21R34R44R52R54R64720重大R33R42R53R61R62R63R65R66R67R681050
【参考文献】：
期刊论文
[1]大数据K-means聚类算法的研究与应用[J]. 任恒妮. 信息技术. 2019(11)
[2]青藏高原典型隧道施工安全风险评价研究[J]. 魏利伟,王峰,张强. 价值工程. 2019(16)
[3]川藏铁路昌都至林芝段主要工程地质问题分析[J]. 杨德宏. 铁道标准设计. 2019(09)
[4]川藏铁路雅鲁藏布江缝合带地质选线研究[J]. 张敏,张广泽,蒋良文,王科. 资源信息与工程. 2019(01)
[5]铁路隧道TBM施工风险评估[J]. 顾伟红,王恩茂,张文达. 安全与环境学报. 2018(03)
[6]深埋长隧道施工地质灾害风险模糊层次评价[J]. 张东明,白永杰,白鑫,王臻,赵雪平. 安全与环境学报. 2018(01)
[7]川藏铁路沿线及邻区环境工程地质问题概论[J]. 郭长宝,张永双,蒋良文,石菊松,孟文,杜宇本,马春田. 现代地质. 2017(05)
[8]川藏铁路某超深埋隧道地应力特征及岩爆分析[J]. 王栋,李天斌,蒋良文,林之恒,冯涛. 铁道工程学报. 2017(04)
[9]Clustering by Fast Search and Find of Density Peaks with Data Field[J]. WANG Shuliang,WANG Dakui,LI Caoyuan,LI Yan,DING Gangyi. Chinese Journal of Electronics. 2016(03)
[10]基于Bayesian隧道施工风险模糊综合评估方法[J]. 郭发蔚,王宏辉. 铁道科学与工程学报. 2016(02)
硕士论文
[1]基于高斯混合模型聚类的变量选择及应用[D]. 陈玉雯.兰州大学 2016
[2]高斯混合模型聚类及其优化算法研究[D]. 陈英.华东交通大学 2015
本文编号：2989837
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2989837.html
