Resumen

La predicción de los bloques de desbordamiento es una forma válida de proteger la seguridad de los constructores en el proceso de excavación de túneles. En este artículo se desarrolla un método de predicción de los bloques de rotura en túneles en el marco de la red neuronal wavelet de modelos estadísticos geológicos. Los parámetros geométricos del plano estructural se obtienen primero mediante un estudio de campo. A continuación, se deduce un modelo estadístico a partir de los parámetros geométricos medidos sobre la base de la teoría de la estadística geológica. Además, los volúmenes y la distribución de los bloques de rotura se calculan mediante la teoría de la red neuronal wavelet. Por último, las medidas de apoyo válidas pueden diseñarse de acuerdo con los resultados de la predicción para todos los bloques de recubrimiento aparecidos en la excavación del túnel, y también puede predecirse la cantidad de bloques de recubrimiento. El código relativo al método se ha desarrollado mediante el lenguaje fortran. El método propuesto en este trabajo se ha utilizado en la construcción de un túnel. Los resultados muestran que existe una diferencia aproximada del 10%~30 entre la predicción y el volumen real de bloques de rotura. Por lo tanto, el método puede utilizarse correctamente para predecir la distribución de volúmenes y los bloques de sobrecarga, y las mediciones de apoyo correspondientes también pueden obtenerse de acuerdo con los resultados de la predicción.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:bloques de rotura, método, predicción, red neuronal, excavación de túneles, modelos estadísticos geológicos, teoría estadística geológica, mediciones de soporte válido, papel, wavelet
• Keywords:overbreak blocks, method, prediction, neural network, tunnel excavation, geological statistics models, geological statistics theory, valid support measurements, paper, wavelet