关键词:
隧道工程
断层破碎带
卷积神经网络
HSP
超前地质预报
深度学习
摘要:
研究目的:断层破碎带是隧道施工中最常见的地质异常体之一,易导致涌水突泥、塌方等地质灾害。为助力解决传统地质预报解译依赖经验多、准确率偏低等问题,本文提出一种基于卷积神经网络(Convolutional NeuralNetwork,CNN)的隧道断层破碎带智能判识算法,以协助专业人员快速有效判识断层破碎带。研究结论:(1)基于地质大背景和标准化预报图片数据集,采用YOLOv5深度学习框架,引入BoTNet模块,并结合自注意力机制,形成断层破碎带智能判识算法(New_YOLOv5),可实现其位置、规模等要素的智能识别;(2)相较于传统的YOLOv5算法,优化后的算法对不良地质体的识别准确性较高,mAP以及mAP_(max)值的增长率分别为13.68%和9.96%,其中最高mAP值可达84.79%;(3)本研究成果在一定程度上可推动隧道断层破碎带的超前预报结果解译水平的进一步提升,实现由“经验为主、质量不一”向“智能判识、快速有效”的技术进步,可为隧道智能化建造提供有利的技术支撑,具有良好的工程应用前景。