一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质技术

本发明专利技术公开了一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质。包括以下步骤：获取隧道参数和地质资料，将所述隧道参数和地质资料整理为时间序列数据；对时间序列数据进行分离；对所分离的第一分量和第二分量分别进行预测；再将第一预测结果和第二预测结果进行求和，作为预测结果输出。本发明专利技术还可根据需要对开挖面的噪声进行相应排除。本发明专利技术应用于地下工程施工技术领域，借助于成熟的深度学习模型，在含泥岩的混合地层条件下进行盾构时，能够对隧道围岩的压力进行合理预测，规避施工进程中相应的风险，降低事故发生率；在学术研究上，还方便本领域技术人员对围岩压力预测方面作进一步的研究和优化。预测方面作进一步的研究和优化。预测方面作进一步的研究和优化。

【技术实现步骤摘要】
一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质


[0001]本专利技术涉及地下工程施工
，尤其是一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质。

技术介绍

[0002]在地下隧道工程建设中，盾构是关键一环。以平衡开挖面压力原理对盾构进行分类，可分为泥水平衡盾构、土压平衡盾构和气压平衡盾构。其中的泥水平衡盾构适用于含泥岩的混合底层条件使用。但在实际应用中，常常会受到阻塞的干扰，造成噪声和隧道工作面压力的大幅度波动，进而导致难以对开挖面泥浆的压力进行预测，造成如地表塌陷等一系列意外事故的发生。为了降低施工事故风险和后续使用该隧道时的风险，需要采取手段对开挖面压力进行合理预测。

技术实现思路

[0003]为了预测波动较大的隧道参数，本专利技术提供一种用于泥水平衡盾构的隧道围岩压力预测方法、设备和存储介质。
[0004]本专利技术的第一方面提供了一种用于泥水平衡盾构的隧道围岩压力预测方法，包括以下步骤：
[0005]获取隧道参数和地质资料，将所述隧道参数和地质资料整理为时间序列数据；
[0006]对所述时间序列数据进行分离，得到第一分量和第二分量；
[0007]对第一分量进行预测，得到第一预测结果；
[0008]对第二分量进行预测，得到第二预测结果；
[0009]将第一预测结果和第二预测结果进行求和，求和结果作为预测结果输出。
[0010]进一步地，对所述时间序列数据进行分离，包括以下步骤：
[0011]在所述时间序列数据中手动提取有代表性的第一分量和第二分量，作为第一分量标准和第二分量标准；
[0012]将所述第一分量标准与所述时间序列数据进行匹配，当匹配度高于预设的第一阈值时，将匹配数据作为第一分量输出；
[0013]将所述第二分量标准与所述时间序列数据进行匹配，当匹配度高于预设的第二阈值时，将匹配数据作为第二分量输出。
[0014]进一步地，所述第一分量为展示数据强度的分量；
[0015]所述第二分量为展示数据波动的分量。
[0016]进一步地，所述将所述隧道参数和地质资料整理为时间序列数据之后，还包括：去除所述时间序列数据中的噪声。
[0017]进一步地，所述去除所述时间序列数据中的噪声，包括以下步骤：
[0018]利用去趋势波动分析对所述时间序列数据进行变分模态分解；
[0019]通过巴氏距离计算所述时间序列数据和对应的各个模态分量概率密度函数之间的相似性，获取相关模态和非相关模态；
[0020]对非相关模态进行处理，提取其中有用的数据；
[0021]将相关模态和处理后的非相关模态进行重构，作为去噪数据输出。
[0022]进一步地，
[0023]所述对第一分量进行预测，具体包括：采用LSTM网络对第一分量进行预测；
[0024]所述对第二分量进行预测，具体包括：采用LSTM网络对第二分量进行预测。
[0025]进一步地，所述LSTM网络的预测步骤如下所示：
[0026]根据传统RNN的公式计算当前候选单元状态：
[0027]其中，W
c
为权重矩阵，x
t
为电流输入，h
t
‑1为LSTM网络单元上一时刻的隐藏状态，b
c
′
为偏差项，h为激活函数；所述RNN为循环神经网络
[0028]计算输入门的状态：
[0029]其中，W
i
为权重矩阵，x
t
为电流输入，h
t
‑1为LSTM网络单元上一时刻的隐藏状态，b
i
为偏差项；σ为激活函数；
[0030]计算遗忘门的状态：
[0031]其中，W
f
为权重矩阵，x
t
为电流输入，h
t
‑1为LSTM网络单元上一时刻的隐藏状态，b
f
为偏差项；σ为激活函数；
[0032]计算当前单元状态：
[0033]其中，
⊙
表示逐点乘积,c
t
‑1是前一时刻单元状态；
[0034]计算输出门：
[0035]其中，W
o
为权重矩阵，x
t
为电流输入，h
t
‑1为LSTM网络单元上一时刻的隐藏状态，b
o
为偏差项；σ为激活函数；
[0036]预测结果输出为：
[0037]本专利技术还公开了一种设备，包括处理器以及存储器；
[0038]所述存储器用于存储程序；
[0039]所述处理器执行所述程序实现所述一种用于泥水平衡盾构的隧道围岩压力预测方法。
[0040]本专利技术还公开了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现所述一种用于泥水平衡盾构的隧道围岩压力预测方法。
[0041]本专利技术的有益效果为：采用LSTM模型预测隧道参数，并排除了噪声干扰，能够实现对隧道开挖面围岩、泥浆的压力进行合理预测，降低施工事故和隧道后续使用事故的发生概率。
附图说明
[0042]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为一种用于泥水平衡盾构的隧道围岩压力预测方法的实现流程图。
[0044]图2为LSTM网络闸门的详细结构示意图。
[0045]图3为预测部分的工作原理图。
具体实施方式
[0046]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0047]实施例1说明了为预测波动较大的隧道参数而提出的方法的流程图。参照图1，S表示一个环中的PLC数据时间序列。首先采用基于VMD
‑
DFA(Variational Mode Decomposition
‑
Detrended Fluctuation Analysis，变分模态分解
‑
去趋势波动分析)的去噪方法获取PLC数据时间序列的去噪信号。BLIMFs(Band
‑
limited Intrinsic Mode Functions，有限带宽的固有模态分量)表示为u1，u2，
……
uk,uk+1,
……
uk_optimal。u1，u2，
……
uk被认为是去噪信号，参数k由标度指数决定，BLIMFs的其他成分被视为噪声。关于K_optimal的确定将在下个实施例中给出。对去噪后的信号进行互相关分析(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于，包括以下步骤：获取隧道参数和地质资料，将所述隧道参数和地质资料整理为时间序列数据；对所述时间序列数据进行分离，得到第一分量和第二分量；对第一分量进行预测，得到第一预测结果；对第二分量进行预测，得到第二预测结果；将第一预测结果和第二预测结果进行求和，求和结果作为预测结果输出。2.根据权利要求1所述的一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于，对所述时间序列数据进行分离，包括以下步骤：在所述时间序列数据中手动提取有代表性的第一分量和第二分量，作为第一分量标准和第二分量标准；将所述第一分量标准与所述时间序列数据进行匹配，当匹配度高于预设的第一阈值时，将匹配数据作为第一分量输出；将所述第二分量标准与所述时间序列数据进行匹配，当匹配度高于预设的第二阈值时，将匹配数据作为第二分量输出。3.根据权利要求1
‑
2任一项所述的一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于，所述第一分量为展示数据强度的分量；所述第二分量为展示数据波动的分量。4.根据权利要求1所述的一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于，所述将所述隧道参数和地质资料整理为时间序列数据之后，还包括：去除所述时间序列数据中的噪声。5.根据权利要求4所述的一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于，所述去除所述时间序列数据中的噪声，包括以下步骤：利用去趋势波动分析对所述时间序列数据进行变分模态分解；通过巴氏距离计算所述时间序列数据和对应的各个模态分量概率密度函数之间的相似性，获取相关模态和非相关模态；对非相关模态进行处理，提取其中有用的数据；将相关模态和处理后的非相关模态进行重构，作为去噪数据输出。6.根据权利要求1所述的一种用于泥水平衡盾构的隧道围岩压力预测方法，其特征在于:所述对第一分量进行预测，具体包括：采用LSTM网络对第一分量进行预测；所述对第二分量进行预测，具体包括：采用LSTM网络对第二分量进行预测。7.根据权利要求6所述的一种...

【专利技术属性】
技术研发人员：蔡长青，
申请(专利权)人：广州大学，
类型：发明
国别省市：