一种基于CNN神经网络的隧道侵限预防方法技术

本发明专利技术公开了一种基于CNN神经网络的隧道侵限预防方法，该隧道侵限预防方法利用CNN神经网络较为准确地训练学习得到岩土分界面、拱脚含水率与拱顶预留变形量之间的关系，根据隧道掌子面的实测含水率和岩土交界面位置实时动态地调整隧道拱顶预留变形量，从而在一定程度上避免隧道侵限的发生。度上避免隧道侵限的发生。度上避免隧道侵限的发生。

【技术实现步骤摘要】
一种基于CNN神经网络的隧道侵限预防方法


[0001]本专利技术涉及隧道施工
，尤其涉及一种CNN神经网络的隧道侵限预防方法。

技术介绍

[0002]随着地下轨道交通、引水隧洞的迅猛发展，新建隧道所遇到的水文地质环境较以往更加复杂，在其施工过程中难免会遇到富水地层。对于上软下硬地层隧道而言，上台阶拱脚往往坐落于全
‑
强风化岩层或土层，当拱脚遇水浸泡时，其承载力会发生极大程度地降低，从而导致初支结构发生整体下沉，进而诱发拱顶沉降进而导致初支严重的侵限，轻则影响二衬的施作，重则造成严重的隧道的坍塌事故，现场常采用预留拱顶变形量来抵消隧道拱顶的沉降，以避免初支侵限。但目前隧道中拱顶预留变形量设置往往是根据工程经验，难以准确把控，当设置的过大时，会造成二衬结构过后，浪费材料；当设置的过小时，会导致初支侵限。
[0003]综上，如何设置合理的拱顶预留变形量是隧道施工亟待解决的一个问题。

技术实现思路

[0004]本专利技术的主要目的在于提供一种基于CNN神经网络的隧道侵限预防方法，利用CNN神经网络较为准确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN神经网络的隧道侵限预防方法,其特征在于，包括如下步骤：S1：沿隧道轴向将隧道划分为n段，并在每段拱顶位置处布设沉降监测点；S2：基于隧道的地质纵断面图及现场实际施工揭露的岩土分界面情况，当岩土分界面位于上台阶拱脚以上时，上台阶拱顶的预留变形量设置为零，当岩土分界面位于上台阶拱脚以下时，确定上台阶拱脚距岩土分界面的高度h、上台阶拱脚处土体的含水率w、初步设置上台阶拱顶的预留变形量d；S3：根据S2中所述的h、w、d，测定不同含水率下上台阶拱脚处土体的物理力学参数，并结合地勘给出的各土层的物理力学参数，建立数值模型，计算拱顶和拱脚沉降值，通过与现场实测的沉降值进行对比、调整，确保数值模型的准确性；S4：以S2中所述的h、w、d为基准集，利用MATLAB分别生成正态分布的数组，通过S3中所述的数值模型计算出拱顶最大沉降值z，将符合0.9d≤z≤1.1d情况下的h、w作为输入层，d作为输出层，通过训练构建CNN神经网络；S5：将开挖隧道第i段时，掌子面对应的岩土分界面距底板的高度h
i
，上台阶拱脚处土体的含水率w
i
...

【专利技术属性】
技术研发人员：肖钢，张文涛，王树英，龚振宇，胡开富，雷波，韦炼，杨红霞，冯志耀，普恒，罗朋，占永杰，谭鹏昌，杨龙虎，
申请(专利权)人：中南大学云南省滇中引水工程建设管理局，
类型：发明
国别省市：