【技术实现步骤摘要】
本专利技术涉及隧道及地下工程探测，尤其涉及一种基于地下水离子特征的不良地质类型识别方法与系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、近年来，越来越多的隧道(洞)等一大批地下工程逐渐向地形起伏较大、地质条件复杂的地方转移，这些地质条件在修建的过程中通常会遇到断裂、岩溶、向斜储水构造、破碎地层、软岩地层和其他富水地层等常见的不良地质类型，突水突泥灾害时有发生，有的严重影响隧道(洞)的施工进度，造成设备损坏，甚至造成人员伤亡等重大损失。因此，如何探明掌子面前方不良地质类型对地下工程的安全高效施工显得尤为重要。
3、随着预报技术的发展，各种方法的超前地质预报越来越广泛的应用到隧道(洞)等地下工程的建设中，其中最具代表性的有地震法和激发极化法，地震法是隧道超前地质预报应用最早最广泛的地球物理方法，其中弹性波反射对具明显弹性波阻抗差异的岩土体间接触界面有较敏感的响应，但较难辨识是否含水。而激发极化法对水体响应比较敏感，弥补了地震法对含水构造响应不敏感这一缺点，两种方法的结合虽然能够解决掌子面前方的断层破碎带和含水构造的探测问题，但是，众所周知，地球物理反演方法通常具有多解性这一难题，因此，仅仅通过地质分析和一些预报技术也难以准确判断前方的不良地质类型。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于地下水离子特征的不良地质类型识别方法与系统，通过对各种不良地质类型的地下水离子特征进行分析，同时借助
2、在一些实施方式中，采用如下技术方案：
3、一种基于地下水离子特征的不良地质类型识别方法，包括：
4、基于研究区域历史水文地质资料，建立各种不良地质类型的水离子特征数据库；所述数据库中存储有不良地质类型及其对应的水离子种类及特征信息；
5、对研究区域进行超前地质预报，得到前方岩体的地球物理参数信息，以及前方不良地质类型的位置和规模；
6、对水离子特征数据库进行分析，确定每一种不良地质类型对应的水离子特征的评价指标；
7、基于不良地质类型与水离子特征的评价指标的对应关系数据，构建训练样本集，通过主成分分析法对训练集数据进行降维，对贝叶斯神经网络综合预测模型进行训练；
8、对研究区域突水点进行水质检测，得到突水点水离子特征；将得到的突水点水离子特征输入至训练好的贝叶斯神经网络综合预测模型中，得到突水点的不良地质类型、位置及规模。
9、进一步地，所述超前地质预报包括地震波法和激发极化法，得到的地球物理参数信息包括波速和激发极化参数。
10、进一步地，还包括：对研究区域的工程地质进行分析，初步判断研究区域存在的不良地质类型及范围，为神经网络综合预测模型提供先验信息。
11、进一步地，通过主成分分析法对训练集数据进行降维，具体为：
12、选取水离子特征数据库中的z组突水水源样本数据，对数据进行标准化处理；
13、计算标准化后的每一组隧道突水水源样本数据的均值x及协方差矩阵s；
14、计算协方差矩阵s的特征值r及对应的单位正交特征向量ei；
15、按照特征值从大到小的顺序对特征向量进行排序，得到特征向量矩阵a＝[e1,e2,…,ep]；
16、根据特征向量矩阵a得到判别指标数据的主成分矩阵y＝[y1,y2,…,yp]＝ax；其中，yi为第i个主成分数据；i＝1,2,…,p；
17、计算每一个主成分的累计方差贡献率，选择累计方差贡献率大于设定阈值的m个主成分，其中，m<p。
18、进一步地，计算每一个主成分的累计方差贡献率，具体为：
19、
20、其中，m∈{1,2,…,p}为选择的主成分个数，λi表示主成分矩阵中第i个特征值，i＝1,2,…,m，λk表示主成分矩阵中第k个特征值，k＝1,2,…,p。
21、进一步地，还包括：将贝叶斯神经网络综合预测模型输出的预测结果与实际开挖结果进行对比验证，若预测结果与实际结果基本一致，则将此次样本作为新样本添加到数据库中，实现数据库的动态更新；若预测结果与实际结果相差较大，则返回修正预测模型。
22、进一步地，所述水离子特征信息包括水离子的浓度、ph值以及tds。
23、在另一些实施方式中，采用如下技术方案：
24、一种基于地下水离子特征的不良地质类型识别系统，包括：
25、数据库构建模块，用于基于研究区域历史水文地质资料，建立各种不良地质类型的水离子特征数据库；所述数据库中存储有不良地质类型及其对应的水离子种类和浓度；
26、超前预报模块，用于对研究区域进行超前地质预报，得到前方岩体的地球物理参数信息；
27、评价指标确定模块，用于对水离子特征数据库进行分析，确定每一种不良地质类型对应的水离子特征的评价指标；
28、模型训练模块，用于基于不良地质类型与水离子特征的评价指标的对应关系数据，构建训练样本集，通过主成分分析法对训练集数据进行降维，对贝叶斯神经网络综合预测模型进行训练；
29、不良地质预测模块，用于对研究区域突水点进行水质检测，得到突水点水离子特征；将得到的突水点水离子特征输入至训练好的贝叶斯神经网络综合预测模型中，得到突水点的不良地质类型、位置及规模。
30、在另一些实施方式中，采用如下技术方案：
31、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的基于地下水离子特征的不良地质类型识别方法。
32、在另一些实施方式中，采用如下技术方案：
33、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的基于地下水离子特征的不良地质类型识别方法。与现有技术相比，本专利技术的有益效果是：
34、(1)本专利技术通过前期所收集到的水文地质资料，对所获得的水离子特征数据进行主成分分析处理作为训练样本，从而建立基于主成分分析的贝叶斯神经网络综合预测模型，通过对各种不良地质类型的地下水离子特征进行分析，同时借助工程地质与水文地质的经验分析与超前地质预报的结果加以辅助和验证，可以更加精准地识别前方的不良地质类型，为隧道等地下工程的快速安全施工提供良好的数据支撑。
35、(2)本专利技术通过对研究区域历史水文地质资料建立了各种不良地质类型的水离子特征数据库，实现了一边掘进一边探测，可在掘进时获取到水离子特征与数据库对比快速识别不良地质类型，并且适用于长线路隧道施工不良地质类型快速预测。
36、(3)本专利技术通过将水离子特征对不良地质类型识别与超前预报激发极化法和地震波法三种方法相结合共同确定不良地质的类型，位置本文档来自技高网...
【技术保护点】
1.一种基于地下水离子特征的不良地质类型识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，所述超前地质预报包括地震波法和激发极化法，得到的地球物理参数信息包括波速和激发极化参数。
3.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，还包括：对研究区域的工程地质进行分析，初步判断研究区域存在的不良地质类型及范围，为神经网络综合预测模型提供先验信息。
4.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，通过主成分分析法对训练集数据进行降维，具体为：
5.如权利要求4所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，计算每一个主成分的累计方差贡献率，具体为：
6.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，还包括：将贝叶斯神经网络综合预测模型输出的预测结果与实际开挖结果进行对比验证，若预测结果与实际结果基本一致，则将此次样本作为新样本添加到数据库中，实现数据库的动态更
7.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，所述水离子特征信息包括水离子的浓度、PH值以及TDS。
8.一种基于地下水离子特征的不良地质类型识别系统，其特征在于，包括：
9.一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的基于地下水离子特征的不良地质类型识别方法。
10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的基于地下水离子特征的不良地质类型识别方法。
...【技术特征摘要】
1.一种基于地下水离子特征的不良地质类型识别方法，其特征在于，包括：
2.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，所述超前地质预报包括地震波法和激发极化法，得到的地球物理参数信息包括波速和激发极化参数。
3.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，还包括：对研究区域的工程地质进行分析，初步判断研究区域存在的不良地质类型及范围，为神经网络综合预测模型提供先验信息。
4.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，通过主成分分析法对训练集数据进行降维，具体为：
5.如权利要求4所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，计算每一个主成分的累计方差贡献率，具体为：
6.如权利要求1所述的一种基于地下水离子特征的不良地质类型识别方法，其特征在于，还包括...
【专利技术属性】
技术研发人员：聂利超，陈安东，褚国安，李志强，刘建兵，许汉华，邓朝阳，董劭扬，
申请(专利权)人：山东大学，
类型：发明
国别省市：
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。