论文部分内容阅读
西南地区有着我国分布最广泛、发育程度最强烈的岩溶地质,大量山地隧道在修建时不可避免的要跨越这些工程禁区,涌突水灾害时常发生,不仅导致隧道施工周期延长,威胁施工人员安全,而且可能会影响隧道质量,为铁路以后的安全营运埋下隐患。因此如何科学准确的对隧道施工过程中涌水进行预测和涌水风险进行预报已成为隧道工程中重点解决的问题。本文以新建黔张常客运专线桑植隧道为依托,基于时序分析探讨了桑植隧道降雨密集期(4月1日~7月14日)内降雨-涌水的滞后性关系,在此基础上把单一的多元线性回归模型、BP神经网络模型和BP-多元线性回归组合模型引入降雨密集期内隧道涌水短期预测中,并建立不同雨量下涌水风险级别对桑植隧道降雨密集期内涌水风险进行预报。得到了以下成果:(1)桑植隧道4月1日~7月14日涌水与当日和前一日降雨量相关程度最高,通过对分时段降雨量与涌水相关性检验,涌水与当日0~8时、8~16时、次日0~8时、8~16时、16~24时这五个时段的降雨量呈高度相关性。(2)单一的多元线性回归模型不能对隧道降雨-涌水非线性关系进行拟合,整体预测精度难以达到要求;BP神经网络强大的非线性逼近能力使得在预测结果上不仅可以反映出隧道涌水变化的趋势,且整体预测精度较高,达到了84.35%,可作为预测模型对隧道降雨密集期内短期防排水方案的制定提供参考和预警。(3)在分析了多元线性回归模型对线性部分拟合高的优点和BP神经网络对非线性任意逼近的特点将二者进行组合,利用BP神经网络对多元线性回归模型预测值残差进行修正,建立BP神经网络修正残差的多元线性回归组合模型并应用到降雨密集期内隧道涌水短期预测中,结果显示,在预测结果上无论从单日预测误差还是整体平均绝对误差都要优于单一的预测模型,能够更好的应用于实际工程。(4)以当日和前日累积降雨量为变量,利用BP-多元线性回归组合模型预测值所对应的涌水风险级别对桑植隧道降雨密集期不同雨量下可能发生的涌水风险进行预报。