基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究

围岩类别超前分类是隧道施工过程中必须开展的一项工作，其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类，提出了基于数字钻进技术和量子遗传（qga）-径向基函数（rbf）神经网络的围岩类别超前分类方法。以数字钻进技术为基础，从钻进参数中提取有用信息，构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进，通过量子位编码和量子旋转门更新种群，以此来确定rbf神经网络的参数，建立了基于qga-rbf神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中，结果表明，该方法具有较高的准确性，其结果为围岩类别超前分类提供了一种新思路。