基于人工智能变形预测隧道坍塌失效概率评估方法

摘要

当隧道坍塌事故发生时，决策者往往没有足够的反应时间去采取相应的加固措施.超前预测隧道坍塌失效概率已成为隧道工程建设的关键问题.为了超前评估隧道坍塌失效概率并及时预警，本研究提出了一种多数据融合方法.该方法将云模型（CM）、多输出高斯过程回归（MOGPR）和改进的D-S理论相结合.通过融合多项监测数据（拱顶位移、水平收敛位移），减少数据的不确定性，提高评估结果的准确性和鲁棒性.此外，利用人工智能预测的围岩变形作为信息源，得到超前的坍塌失效概率评估.并将该方法运用于金珠帕隧道，为决策者提供更多的响应时间.最终，围岩支护只产生少量的变形裂缝，避免了隧道坍塌的发生.

关键词

隧道坍塌 / 失效概率评估 / 云模型 / D-S理论 / 多输出高斯过程回归 / 安全工程 / 工程地质