基于三维探地雷达和PSO-ELM的地下病害体识别方法——以成都市金牛区为例

准确探明城市道路地下病害体类别,是防止道路塌陷的关键。三维探地雷达是目前最常用的道路病害探测技术,但其数据解释还是以人工解释为主,存在工作量大、识别准确率低等缺点。本文以成都市金牛区为例,在地下病害体频谱特征分析的基础上,提出了一种改进粒子群优化算法(PSO)的极限学习机(ELM)病害体自动预测模型。首先,优选最大峰值振幅、最大波谷振幅、振幅方差、峭度因子、均方值、频谱方差及频谱均值7个特征参数作为模型输入,采用改进粒子群算法对极限学习机模型进行参数寻优;然后利用优化后的ELM模型对研究区地下病害体进行识别。结果显示,PSO-ELM模型的病害体识准确率高达92.5%,识别效果明显优于ELM模型和传统的人工图像特征识别法。

基于弹性波CT与GPR的岩体综合病害识别及三维地质建模

本文以地铁深基坑岩体边坡为研究对象,采用弹性波CT初步判断基坑岩体病害的类型及空间分布并辅以地质雷达进行验证;进而用分水岭算法分析弹性波CT获得的波速分布,以提取病害处的细部声速变化,圈定病害范围;在此基础上,以弹性波CT三维空间波速数据库的坐标信息为基础,结合分水岭算法得到的空间坐标信息获得建模数据库,导入GOCAD软件,经过处理分析建立三维地质可视化模型。本文所建立的岩体病害模型与地质钻孔、窥孔成像、现场观察等高度吻合。本文提出的岩体病害识别方法和建模技术可为岩体支护设计提供重要参考,可为城市地下工程水害防治提供地质依据。