高磊，刘振奎，张昊宇

基于混合PSO-RBF神经网络的铁路隧道岩爆分级预测

高磊，刘振奎，张昊宇

(兰州交通大学 土木工程学院，甘肃 兰州 730070)

岩爆是铁路隧道建设中主要灾害之一。为了准确预测铁路隧道岩爆烈度等级，以岩石应力系数σ/、岩石脆性系数/以及弹性能量指数W作为岩爆烈度评价指标，提出一种基于混合粒子群优化算法优化的径向基(RBF)神经网络岩爆预测模型。首先在国内外研究成果基础上，选取80组已有岩爆实例作为模型基础数据；然后运用结合了模拟退火算法的粒子群算法(混合PSO)改进径向基神经网络，通过训练数据选取最优的权值和基函数标准差，得到混合PSO-RBF神经网络岩爆烈度预测模型；最后将模型应用于实际铁路隧道工程进行验证。研究结果表明：该模型兼顾个体最优和全局最优，能够正确、有效的对铁路隧道岩爆等级做出预测，为铁路隧道岩爆预测提供了一种新方法。

铁路隧道；模拟退火算法；粒子群算法；RBF神经网络；交叉验证；岩爆烈度分级预测

岩爆是指处于高应力或极限平衡状态的硬、脆性围岩的弹性应变能超过岩体的储能极限时，多余的能量快速释放，在临空岩体中发生突发式破坏的现象。岩爆是隧道施工中常见地质灾害，表现为岩石下落或弹出，并伴有声响，严重时爆落规模大，直接威胁到施工设备和人员的安全。例如，2011年8月7日，雅西路泥巴山隧道出口段发生大型重度岩爆，将拱架、锚杆支护系统破坏；2014年3月9日，云南贡山独龙江隧道内发生岩爆，造成岩石塌落事故，3名施工人员遇难。……