魏晓悦，靳春玲，贡力, 2，张鑫，马梦含

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

魏晓悦1，靳春玲1，贡力1, 2，张鑫1，马梦含1

(1.兰州交通大学 土木工程学院，甘肃 兰州 730070；2.兰州交通大学 调水工程及输水安全研究所，甘肃 兰州 730070)

为了准确预测铁路隧道突水风险等级，降低隧道施工过程中的突水灾害风险，结合相关规范，在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维，模糊C-均值聚类算法计算RBF神经网络的中心，梯度下降法修正权值和方差，并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量，建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证，评价结果与实际情况相符。实例研究表明：该模型合理可操作，相比于其他方法准确率更高、训练更快、均方误差更小，为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。

铁路隧道；突涌水；风险评价；主成分分析法；模糊C-均值聚类算法；RBF神经网络

在修建铁路工程时，隧道开挖会扰动围岩原始应力场，并受复杂地质条件和不可预见风险因素的影响，突水事故已经成为除岩爆、塌方、瓦斯以外最常见的铁路隧道事故类型。由于隧道工程排水空间和人员、设备的撤离空间非常有限，一旦发生突水灾害，轻则延误工期，重则对生命财产造成巨大损失。……