简介:隧道工程在高速公路建设中极为常见,其愈发长大深埋化加剧了地质灾害发生的几率和危害。本研究以广东省内花岗岩地区的某隧道工程为例,通过地质测量、遥感分析、岩(土)测试、水文分析和综合测井等手段开展了系统研究,研究结果表明:本研究隧道工程穿越的花岗岩属于典型的硬质岩,其微风化样品的饱和单轴抗压强度约为90MPa。区域内断裂极为发育,地表水源丰富。微风化花岗岩围岩综合渗透系数0.008m/d,断层破碎带围岩和破碎花岗岩围岩的综合渗透系数均为0.03m/d,按稳定流理论公式估算隧道涌水量为45556.0m^3/d。隧址区地下水对砼结构腐蚀作用等级为微腐蚀,对砼结构中的钢筋腐蚀作用等级为微腐蚀,化学腐蚀环境作用等级B级。综合测井结果显示,围岩中存在多个断裂破碎带,岩石的放射性总体较弱。隧道的岩温最高为埋深12m处的33.2℃,岩温随埋深增加而快速递减至230m附近的20℃,水位以下的岩温逐渐上升并最终在隧道洞身附近增加至26.51℃(703m附近)。隧道最大主应力σhmax=23.2MPa位于隧道洞身位置(埋深703m附近)处,计算得出Rc/σmax介于4~7范围并对应了中等强度岩爆。本研究系统的综合勘察结果表明,该隧道工程可能存在偏压段大变形、硬岩岩爆、高压突(涌)水、风化残积层软化及崩塌和岩石破碎带小型塌方或掉块等灾害,同时研究中也提出了相应的防治应对措施。
简介:提出了一个全新的动态公交客流预测模型,使用智能卡数据和网络爬取的常州市兴趣点(POI)数据、天气记录数据,建立一种特征融合的长短期记忆递归神经网络(Feature-fusionLSTMRNN)模型,并应用于常州市地面公交客流集散点的智慧卡(SmartCard)刷卡客流预测.将以上模型用于刷卡客流预测实验,结果表明经过良好数据训练后的特征融合的长短期记忆递归神经网络可以在刷卡客流预测中保持较高的稳定性、准确性和泛化能力.