基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法技术

本发明专利技术公开了一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，包括步骤1，选择隧道监测断面；步骤2，布设监测设备；步骤3，采集监测数据；步骤4，建立人工神经网络模型；步骤5，训练人工神经网络模型；步骤6，锚杆应力估算预测；步骤7，根据围岩等级，进行锚杆直径选择。本发明专利技术以围岩压力、渗透压力和围岩变形三个参数使用反馈人工神经网络分析方法来估算锚杆的应力，根据锚杆应力设计隧道锚杆，减少了依赖于类似工程方法或半经验半理论方法设计锚杆造成资源浪费的问题，因为反馈人工神经网络分析方法估算锚杆应力精确度高，在隧道锚杆设计时节约资源，符合可持续发展的理念，具有广阔的应用前景。

Estimation method of bolt stress in carbonaceous rock tunnel based on transfer function of feedback algorithm

【技术实现步骤摘要】
基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法
本专利技术涉及隧道工程监测领域，特别是一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法。
技术介绍
随着我国基础设施蓬勃的发展，高速公路和高速铁路大量新建，而中国属于一个多山的国家，在修建高速公路和高速铁路时会修建很多隧道，当隧道有坍塌危险时，采取合理的支护措施是必要的。“炭质岩”是一类露天易风化、吸水易软化、受扰动后遇水易崩解、破碎且工程性质随环境影响较大的特殊岩石。“炭质岩”在全国范围内分布较为广泛，如广西、贵州、云南等地区。其中广西典型炭质岩主要含有石英、伊利石等矿物成分，含碳元素质量分数25～45％，天然密度2.66～2.77g/cm3，天然含水量1～1.5％，主要分布在广西的柳州片区、百色片区、河池片区等三个片区，具有软化性、膨胀性、环境敏感性、崩解性等工程特性。当在具有“炭质岩”的区域修建隧道时，对隧道的支护，显得更为重要。锚杆是基于新奥法的施工中不可缺少的一种支护方法，在隧道顶板软弱围岩的吊装、组合梁施工和拱架加固中起到一定的作用。此外，基于岩石松动带的支护理论和强度强化理论都证明了锚杆支护的有效性。因此，在隧道面临塌方风险时，有必要尽快采用合理的锚杆支护体系。到目前为止，虽然已有许多学者研究了锚杆支护的原理和效果，但仍有许多工程项目依赖于类似工程方法或半经验半理论方法。锚杆参数有时根据这些方法的结果是不合理的，导致材料的浪费和成本的增加。如无法根据围岩等级的的变化，选择相应的锚杆直径。因此，根据隧道现场围岩体评价参数，确定合理的锚杆参数，在本专利技术方法中具有重要意义，能够分析一般形式的虎克-布朗判据不同参数对崩塌剖面的影响。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足，而提供一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，该基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法根据围岩评价参数使用反馈算法传递函数分析方法预测锚杆应力，为设计锚杆支护提供重要参数。最后，根据估算的锚杆应力设计锚杆支护，锚杆支护的有效性验证了本专利技术方法的可靠性和合理性。故而，本专利技术具有精度高、高效、成本低廉等优点，具有良好的社会经济效益和工程应用前景。为解决上述技术问题，本专利技术采用的技术方案是：一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，包括如下步骤。步骤1，选择隧道监测断面：在炭质岩隧道围岩等级最高的地方，选择至少两个断面作为监测断面。步骤2，布设监测设备：在步骤1选择的每个监测断面沿拱形方向布设若干个监测点；在每个监测点均布设一套监测设备，监测设备包括土压力盒、渗压计、应变计和锚杆应力测量仪；其中，土压力盒用于测量对应监测点的围岩应力，渗压计用于测量对应监测点的渗透压，应变计用于测量对应监测点的围岩应变位移，锚杆应力测量仪用于测量对应锚杆的真实应力，也即应力实测值。步骤3，采集监测数据：对选择的每个监测断面的每个监测点进行不少于30天的连续数据监测与采集；采集的监测数据包括围岩应力、渗透压、围岩应变位移和锚杆应力实测值。步骤4，建立人工神经网络模型：建立的人工神经网络模型包括输入层、隐含层和输出层。其中，输入层包括围岩应力、渗透压和围岩应变位移三个节点参数，隐含层具有一个、两个或多个，每个隐含层的节点数为4至10个，节点数根据训练数据库的大小选择，数据量小于70组，节点数控制在4至7个，数据组大于70组，节点数控制在7至10个，输出层的节点数为1个，且输出节点为锚杆应力。步骤5，训练人工神经网络模型：将步骤3采集的监测数据，对步骤4建立的人工神经网络模型进行训练，确定最佳连接权值和训练后的最佳人工神经网络模型。步骤6，锚杆应力估算预测：对需要稳定性评价的炭质岩隧道，进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，进行锚杆应力的估算，进而对应炭质岩隧道的稳定性。步骤7，锚杆直径选择：对在建炭质岩隧道，进行围岩等级分类，在每个围岩等级处进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，从而获得每个围岩等级对应的锚杆应力。在每个围岩等级处，根据获得的对应锚杆应力，选择与之对应的锚杆直径。步骤4中，对建立的人工神经网络模型，选择sigmoid函数作为输入层、隐含层和输出层中各网络节点之间的传递函数，其中，sigmoid函数的表达式如下：式(1)中，x是网络节点的输入值，S(x)是网络节点的输出值。步骤5中，人工神经网络模型在训练过程中，通过选择不同的动量因子进行训练，从而寻找出较佳的人工神经网络结构模型。不同的动量因子分别为0.001、0.002和0.003。步骤5中，人工神经网络模型在训练过程中，采用相关系数R2和均方误差MSE进行人工神经网络模型的评估，当MSE最小且R2最大时，为寻找的最佳人工神经网络模型。其中，均方误差MSE的计算公式如下：式(2)中，yi为锚杆应力实测值，为锚杆应力预测值，根据人工神经网络模型估算得出，N为训练样本的编号。步骤5中，人工神经网络模型在训练过程中，采用方差比VAF和均方根误差RMSE进行人工神经网络模型的评估，当VAF＝100％且RMSE＝0时，为寻找的最佳人工神经网络模型。其中，方差比VAF和均方根误差RMSE的计算公式分别如下：式(3)和(4)中，var为方差，yi为锚杆应力实测值，为锚杆应力预测值，根据人工神经网络模型估算得出，N为训练样本的编号。步骤1中，在炭质岩隧道围岩等级最高的地方，选择三个断面作为监测断面，其中两个监测断面的围岩等级为Ⅴ级，另一个监测断面的围岩等级为Ⅳ级。步骤2中，在每个监测断面沿拱形方向布设四个监测点，分别为左拱脚、左拱肩、右拱肩和右拱脚。本专利技术具有如下有益效果：1、本专利技术以围岩压力、渗透压力和围岩变形三个参数使用反馈人工神经网络分析方法来估算锚杆的应力，根据锚杆应力设计隧道锚杆，减少了依赖于类似工程方法或半经验半理论方法设计锚杆造成资源浪费的问题，因为反馈人工神经网络分析方法估算锚杆应力精确度高，在隧道锚杆设计时节约资源，符合可持续发展的理念，具有广阔的应用前景。2、高应力炭质岩隧道工程的围岩稳定性十分复杂，围压与支护结构间的受力机制仍有待深入研究，定量评价支护结构的受力状态。本专利技术通过现场实际监测和人工神经网络计算两种方法来评价炭质岩隧道支护错杆的应力特征，现场监测可为隧道施工提供安全保障，神经网络预测模型在一定程度上可为工程建设提供超前预报。3、本专利技术基于反馈算法传递函数分析方法，建立预测锚杆应力的计算模型，该模型采用交叉验证技术有效避免了计算结果过度拟合的影响，具有结构简单，高效和准确的估算锚杆应力的特点。附图说明图1显示了本专利技术步骤2中监测设备的布设示意图。图2显示了本专利技术中人工神经网络模型结构图。图3显本文档来自技高网...

【技术保护点】
1.一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，其特征在于：包括如下步骤：/n步骤1，选择隧道监测断面：在炭质岩隧道围岩等级最高的地方，选择至少两个断面作为监测断面；/n步骤2，布设监测设备：在步骤1选择的每个监测断面沿拱形方向布设若干个监测点；在每个监测点均布设一套监测设备，监测设备包括土压力盒、渗压计、应变计和锚杆应力测量仪；其中，土压力盒用于测量对应监测点的围岩应力，渗压计用于测量对应监测点的渗透压，应变计用于测量对应监测点的围岩应变位移，锚杆应力测量仪用于测量对应锚杆的真实应力，也即应力实测值；/n步骤3，采集监测数据：对选择的每个监测断面的每个监测点进行不少于30天的连续数据监测与采集；采集的监测数据包括围岩应力、渗透压、围岩应变位移和锚杆应力实测值；/n步骤4，建立人工神经网络模型：建立的人工神经网络模型包括输入层、隐含层和输出层；其中，输入层包括围岩应力、渗透压和围岩应变位移三个节点参数，隐含层具有一个、两个或多个，每个隐含层的节点数为4至10个，节点数根据训练数据库的大小选择，数据量小于70组，节点数控制在4至7个，数据组大于70组，节点数控制在7至10个，输出层的节点数为1个，且输出节点为锚杆应力；/n步骤5，训练人工神经网络模型：将步骤3采集的监测数据，对步骤4建立的人工神经网络模型进行训练，确定最佳连接权值和训练后的最佳人工神经网络模型；/n步骤6，锚杆应力估算预测：对需要稳定性评价的炭质岩隧道，进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，进行锚杆应力的估算，进而对应炭质岩隧道的稳定性；/n步骤7，锚杆直径选择：对在建炭质岩隧道，进行围岩等级分类，在每个围岩等级处进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，从而获得每个围岩等级对应的锚杆应力；在每个围岩等级处，根据获得的对应锚杆应力，选择与之对应的锚杆直径。/n...

【技术特征摘要】
1.一种基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，其特征在于：包括如下步骤：
步骤1，选择隧道监测断面：在炭质岩隧道围岩等级最高的地方，选择至少两个断面作为监测断面；
步骤2，布设监测设备：在步骤1选择的每个监测断面沿拱形方向布设若干个监测点；在每个监测点均布设一套监测设备，监测设备包括土压力盒、渗压计、应变计和锚杆应力测量仪；其中，土压力盒用于测量对应监测点的围岩应力，渗压计用于测量对应监测点的渗透压，应变计用于测量对应监测点的围岩应变位移，锚杆应力测量仪用于测量对应锚杆的真实应力，也即应力实测值；
步骤3，采集监测数据：对选择的每个监测断面的每个监测点进行不少于30天的连续数据监测与采集；采集的监测数据包括围岩应力、渗透压、围岩应变位移和锚杆应力实测值；
步骤4，建立人工神经网络模型：建立的人工神经网络模型包括输入层、隐含层和输出层；其中，输入层包括围岩应力、渗透压和围岩应变位移三个节点参数，隐含层具有一个、两个或多个，每个隐含层的节点数为4至10个，节点数根据训练数据库的大小选择，数据量小于70组，节点数控制在4至7个，数据组大于70组，节点数控制在7至10个，输出层的节点数为1个，且输出节点为锚杆应力；
步骤5，训练人工神经网络模型：将步骤3采集的监测数据，对步骤4建立的人工神经网络模型进行训练，确定最佳连接权值和训练后的最佳人工神经网络模型；
步骤6，锚杆应力估算预测：对需要稳定性评价的炭质岩隧道，进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，进行锚杆应力的估算，进而对应炭质岩隧道的稳定性；
步骤7，锚杆直径选择：对在建炭质岩隧道，进行围岩等级分类，在每个围岩等级处进行围岩应力、渗透压和围岩应变位移的数据监测，并将监测数据输入步骤5确定后的最佳人工神经网络模型，从而获得每个围岩等级对应的锚杆应力；在每个围岩等级处，根据获得的对应锚杆应力，选择与之对应的锚杆直径。


2.根据权利要求1所述的基于反馈算法传递函数的炭质岩隧道锚杆应力估算方法，其特征在于：步骤4中，对建立的人工神经网络模型，选择sigmoid函数作为输入层、隐含层和输出层中各网络节点之间的传递函...

【专利技术属性】
技术研发人员：骆俊晖，周善雄，米德才，徐龙旺，叶琼瑶，邓胜强，张涛，王才进，
申请(专利权)人：广西交通设计集团有限公司，
类型：发明
国别省市：广西;45