【技术实现步骤摘要】
基于复合神经网络的隧道施工变形预测方法及系统
本专利技术用于城市地下大空间隧道变形监测
，具体涉及一种基于复合神经网络的隧道施工变形预测方法及系统。
技术介绍
近年来，城市地下工程建设中的大空间工程数量和规模正迅速增长，隧道作为地下大空间的重要组成部分，一旦变形过大引起塌方等事故，不仅会对邻近建筑物和地下管线的安全产生连锁反应，而且会对人们的日常出行造成巨大影响。因此，对隧道的变形进行高效准确的监控预测，提早发现问题再采取有效的控制措施能对整个城市生态环境尤其是交通安全提供重要保障。目前，基于卷积神经网络的变形预测方法已经成为检测领域的热门，这些方法广泛应用于光线较好的土建工程中，如桥梁变形，路面沉降等。然而在隧道施工中，环境过于复杂，光线过于昏暗，检测目标不明显等问题突出，仅基于图像处理的方法容易受噪声干扰，很难挖掘全面复杂环境下检测目标的所有信息，导致检测结果精度较低。
技术实现思路
针对现有技术中存在的问题，本专利技术提供一种基于复合神经网络的隧道施工变形预测方法及系统，综合卷积神经网...
【技术保护点】
1.一种基于复合神经网络的隧道施工变形预测方法，其特征在于，包括以下步骤：/n步骤1，采用卷积神经网络对获取的隧道施工状态图像进行分析，得到隧道施工状态信息；/n步骤2，基于长短期记忆网络对1～t时刻的隧道变形监测数据进行分析，得到隧道t～t+n时刻的预测变形值；/n步骤3、将步骤1输出的t时刻的隧道施工状态信息输入至多层感知机，多层感知机对步骤2长短期记忆网络输出的t～t+n时刻隧道变形值进行修正，得到t～t+n时刻修正后的隧道变形值。/n
【技术特征摘要】
1.一种基于复合神经网络的隧道施工变形预测方法，其特征在于，包括以下步骤：
步骤1，采用卷积神经网络对获取的隧道施工状态图像进行分析，得到隧道施工状态信息；
步骤2，基于长短期记忆网络对1～t时刻的隧道变形监测数据进行分析，得到隧道t～t+n时刻的预测变形值；
步骤3、将步骤1输出的t时刻的隧道施工状态信息输入至多层感知机，多层感知机对步骤2长短期记忆网络输出的t～t+n时刻隧道变形值进行修正，得到t～t+n时刻修正后的隧道变形值。
2.根据权利要求1所述的一种基于复合神经网络的隧道施工变形预测方法，其特征在于，步骤1中获取隧道施工状态信息的方法如下：
建立隧道施工状态的图像数据样本集，建卷积神经网络并采用图像数据样本集进行训练，将隧道施工的图像作为训练后的卷积神经网络的输入，卷积神经网络输出隧道施工状态信息。
3.根据权利要求2所述的一种基于复合神经网络的隧道施工变形预测方法，其特征在于，所述卷积神经网络包括输入层、卷积层、池化层、激活函数以及全连接层，全连接层后使用softmax分类器，对卷积特征进行分类，激活函数选择ReLU函数。
4.根据权利要求2所述的一种基于复合神经网络的隧道施工变形预测方法，其特征在于，所述隧道施工状态信息包括隧道未开挖状态、掌子面开挖状态、喷混施工状态和二衬浇筑状态。
5.根据权利要求1所述的一种基于复合神经网络的隧道施工变形预测方法，其特征在于，步骤2中得到隧道t～t+n时刻的预测变形值的具体方法如下：
获...
【专利技术属性】
技术研发人员：苏旭林，赖金星，雷升祥，邱军领，王立新，汪珂，李储军，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。