第39卷第3期2023年6月D0I:10.16544/j.cnki.cn43-1494/u.20210723001引用格式：柳厚祥，李子意.基于MSR算法的公路隧道围岩分级方法[J].交通科学与工程，2023,39(3)：60-66,97Citation:LIUHouxiang,LIZiyi.ClassificationmethodforsurroundingrockofhighwaytunnelsbasedonMSRalgorithm[J.J.Transp.Sci.Eng.,2023,39(3):60-66,97.交通科学与工程JOURNALOFTRANSPORTSCIENCEANDENGINEERING文章编号：1674-599X(2023)03-0060-07基于MSR算法的公路隧道围岩分级方法Vol.39No.3Jun.2023柳厚祥，李子意（长沙理工大学土木工程学院，湖南长沙410114)摘要：隧道围岩分级是隧道设计与施工的基础，直接影响隧道安全与运行。为实现对隧道围岩进行快速、准确地分级，基于机器学习中softmax回归线性分类模型，构建多分类softmax回归分级方法（MSR）。首先，综合考虑岩石坚硬程度、岩体完整程度、结构面产状、地下水状况、节理风化状况及初始地应力状态6项分级指标，并对其进行量化；其次，采用argmax函数作为决策函数，建立多分类器；然后，给定专家修正训练样本，利用python语言编写程序，学习最优判别函数，同时比较不同学习率下模型的精度；最后，导人测试集数据，经过模型自动演算，得出合理的围岩分级结果。结合那丘隧道BQ法对围岩进行分级。研究结果表明：①该算法具有可行性和较高的准确率，证实了将机器学习应用到隧道工程中可以提高工程施工效率；②与二分类器相比，多分类器能更好地解决围岩分级问题；③当学习率为0.01时，模型的分类性能最佳。关键词：公路隧道；MSR算法；围岩分级；机器学习；多分类器中图分类号：U451.2Classificationmethodforsurroundingrockofhighwaytunnelsbasedon(SchoolofCivilEngineering,ChangshaUniversityofScience&Technology,Changsha410114,China)Abstract:Theclassificationoftunnelsurroundingrockisthebasisoftunneldesignandconstruction,whichdirectlyaffectsthesafetyandoperationofthetunnel.Inordertorealizetherapidandaccurateclassificationoftunnelsurroundingrock,amulti-classificationsoftmaxregressionclassificationmethod(MSR)wasestablishedbasedonthesoftmaxregressionlinearclassificationmodelinmachinelearning.First,thesixclassificationindexes,includingrockhardness,rockmassintegrity,discontinuityplaneoccurrence,groundwatercondition,jointweatheringcondition,andinitialin-situstress...
