来源：期刊VIP网 时间：
作者：王孝东;张佳琳;包佳玉;张明天;水宽;
单位：昆明理工大学国土资源工程学院;重庆大学资源与安全学院;
摘要：涌水是隧道工程建设过程中面临的重大安全问题之一。准确、及时、高效地预测隧道涌水量意义重大。提出了一种基于混合改进策略的自适应广义北方苍鹰算法(Adaptive Generalized Northern Goshawk Optimization, AGNGO)优化门控循环单元(Gated Recurrent Unit, GRU)神经网络的涌水预测模型，根据隧道的水文地质条件探究发生涌水的主要影响因素和规律。利用构建的新型涌水预测模型与其他传统神经网络模型进行对比试验，并以云南省某隧道项目的部分现场数据验证模型预测的准确性。结果表明：提出的AGNGO-GRU模型对隧道涌水等级的预测结果优于其他模型，平均均方误差为0.062 3,平均拟合优度(R~2)为0.902,平均分类准确率为92.1%;相较于其他传统神经网络模型，AGNGO-GRU模型的平均均方误差至少减小了0.016 7,拟合优度至少增加了0.086,平均分类准确率至少升高了11百分点，模型无过拟合现象，预测结果最准确。
关键词：安全工程;;隧道工程;;涌水;;北方苍鹰算法;;门控循环单元
基金资助：昆明理工大学引进人才科研启动基金项目(KKSY201721032)
