[an error occurred while processing this directive]
 
       首 页  |  期刊介绍  |  编委会  |  投稿指南  |  期刊订阅  |  广告合作  |  留言板  |  联系我们 |  English
现代隧道技术 2020, Vol. 57 Issue (2) :13-19    DOI:
研究与探讨 最新目录 | 下期目录 | 过刊浏览 | 高级检索 << | >>
基于支持向量机的隧道衬砌空洞机器识别方法
(1 大连理工大学土木工程学院,大连 116024;2 大连理工大学水利工程学院,大连 116024;3 同济大学岩土及地下工程教育部重点实验室,上海 200092;4 同济大学地下建筑与工程系,上海 200092)
Machine Recognition Method of Tunnel Lining Voids Based on SVM Algorithm
(1 School of Civil Engineering,Dalian University of Technology,Dalian 116024; 2 School of Hydraulic Engineering,Dalian University of Technology,Dalian 116024; 3 Key Laboratory of Geotechnical and Underground Engineering,Tongji University,Shanghai 200092;4 Department of Geotechnical Engineering,Tongji University,Shanghai 200092)
Download: PDF (2251KB)   HTML (1KB)   Export: BibTeX or EndNote (RIS)      Supporting Info
摘要 探地雷达是检测隧道衬砌空洞最为有效的方法之一,但检测数据的解析始终是限制其广泛应用的关键。基于支持向量机的基本理论,文章建立了一套隧道衬砌空洞探地雷达图像的机器识别方法,该方法包括图像预处理、特征提取和支持向量机识别三个步骤。首先,探地雷达图像需经过零时修正、滤波、偏移、增益等预处理以提高信噪比;其次,对图像的时域信号进行分段,在分段信号上提取方差、标准绝对偏差和四阶矩三个统计量作为图像特征;最后,利用已知数据对支持向量机模型进行训练,并用数值模拟和模型试验数据对训练好的支持向量机模型进行测试。结果表明,该方法不仅能够准确识别隧道衬砌和围岩内的空洞,还可以对空洞埋深及横向分布范围做出较准确的判断。
Service
把本文推荐给朋友
加入我的书架
加入引用管理器
Email Alert
RSS
作者相关文章
覃 晖 1 唐 玉 2 谢雄耀 3
4 王峥峥 1
关键词:   
Abstract: Ground penetrating radar (GPR) is one of the most effective detection methods for tunnel lining voids. However, the difficulties in data explanation are always the key to restrict its wide application. Based on support vector machine (SVM) algorithm, a set of machine recognition method of GPR image for tunnel lining voids is established. This method includes pre-processing of GPR data, feature extraction and SVM recognition. Firstly, the GPR image needs to be preprocessed by time-zero correction, filtering, migration and gain and so on to improve the signal-noise ratio (SNR). Secondly, each time-domain trace of GPR image is segmented and three statistics, namely variance, mean absolute deviation and fourth-order moment are extracted from the segmented signal as image features. Finally, the SVM model is trained by using the known data, and the data from a numerical simulation and a model experiment are used to test the trained SVM model. The results show that the proposed method can not only accurately recognize all voids in the tunnel lining and surrounding rock, but also accurately estimate the cover depths and lateral ranges of the voids.
KeywordsTunnel,   Void,   Ground penetrating radar (GPR),   Support vector machine (SVM),   Machine recognition     
基金资助:基金项目:国家自然科学基金项目(41904095);中央高校基本科研业务费专项资金(DUT19JC23,DUT19RC(4)020);同济大学岩土及地下工程教育部重点实验室开放基金项目(KLE-TJGE-B1804).
作者简介: 作者简介:覃 晖(1985-),男,博士,讲师,主要从事隧道及地下工程检测相关研究工作,E-mail: hqin@dlut.edu.cn.
引用本文:   
覃 晖 1 唐 玉 2 谢雄耀 3, 4 王峥峥 1 .基于支持向量机的隧道衬砌空洞机器识别方法[J]  现代隧道技术, 2020,V57(2): 13-19
QIN Hui1 TANG Yu2 XIE Xiongyao3, 4 WANG Zhengzheng1 .Machine Recognition Method of Tunnel Lining Voids Based on SVM Algorithm[J]  MODERN TUNNELLING TECHNOLOGY, 2020,V57(2): 13-19
链接本文:  
http://www.xdsdjs.com/CN/      或     http://www.xdsdjs.com/CN/Y2020/V57/I2/13
 
没有本文参考文献
[1] 马 辉 1 高明忠 2.基于系统工程方法论的川藏铁路隧道工程建设管理探讨[J]. 现代隧道技术, 2020,57(3): 1-8
[2] 王明年 1,2 郭晓晗 1,2 于 丽 1,2 李春荟 1,2 陈树汪 3.高海拔特长铁路隧道紧急救援站位置选型研究[J]. 现代隧道技术, 2020,57(3): 9-14
[3] 李 畅 1,2,3 王 刚 1,2 仇文革 1,2,3 龚 伦 1,2 赵迎春 4 王秋会 4.限阻器在高水平地应力隧道支护中的研究与应用[J]. 现代隧道技术, 2020,57(3): 15-29
[4] 廖 军 1 董 谦 1 梁洪永 2 简 波 2 石豫川 1,3 龚洪苇 1.近水平红层公路隧道围岩分级指标初探[J]. 现代隧道技术, 2020,57(3): 25-29
[5] 卢 松 1,2 汪 旭 1,2 李苍松 1,2 孟 露 1,2.应用HSP法的TBM隧道施工地质预报技术研究[J]. 现代隧道技术, 2020,57(3): 30-35
[6] 钟祖良 1,2 高国富 1,2 陈 鹏 1 严 如 1.重庆两江船舶观光隧道设计方案探讨[J]. 现代隧道技术, 2020,57(3): 36-42
[7] 黄福杰 何则干 张为民 刘珊珊.BIM技术在沉管隧道工程设计中的应用研究[J]. 现代隧道技术, 2020,57(3): 43-48
[8] 唐晓松 1,2 郑颖人 3 王永甫 1.有限元强度折减法在隧道施工稳定分析与控制中的应用[J]. 现代隧道技术, 2020,57(3): 49-55
[9] 吴 波 1, 2 兰扬斌 1,2 杨仕升 1,2 杨建新 3 庞晓瑜 3.基于强度折减动力分析法的围岩稳定性研究[J]. 现代隧道技术, 2020,57(3): 56-64
[10] 周翠英 1, 2 李 昂 2,3 刘 镇 1,2.平行褶皱构造对隧道围岩变形的影响研究[J]. 现代隧道技术, 2020,57(3): 65-74
[11] 马 莉 1 刘亚朋 2 李 盛 3,4 吕文达 5 谢 超 3,4 代金鹏 3,4.不同减载措施下高填黄土拱形明洞结构受力研究[J]. 现代隧道技术, 2020,57(3): 75-84
[12] 张丙武 1 张 鹏 1 戴振华 2 吴银河 2 罗 卫 2.河底地铁盾构隧道管片受力特征分析[J]. 现代隧道技术, 2020,57(3): 85-90
[13] 隋 心 1 张正维 1 闵 绚 2 DOWNIE Steven 3 PADHANI Shahid3 赵丽博 4.超长GIL综合管廊SF6气体泄露模拟研究[J]. 现代隧道技术, 2020,57(3): 91-98
[14] 张珂峰.前伏溶洞巷道开挖突水数值模拟研究[J]. 现代隧道技术, 2020,57(3): 99-107
[15] 张 研 1, 2 王 伟 2 邓雪沁 2.基于相关向量机的TBM掘进速度预测模型[J]. 现代隧道技术, 2020,57(3): 108-114
Copyright 2010 by 现代隧道技术