System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及管幕冻结,尤其涉及一种基于地层冻胀融沉的控制及处理方法。
技术介绍
1、管幕冻结法是利用人工制冷技术,使天然土体中的水分冻结冻土,从而达到增强土体的强度和隔绝地下水对工程的影响,在越来越多的近江、海地区的市政工程中得以应用,如水电管路、地铁、地下停车场等市政工程,如沿海某省的河口通道工程项目,其横跨三亚河口,连接河西片区建港路、胜利路及三亚湾路与鹿回头半岛南边海路。隧道总长度3.118公里,含1条主线,3条匝道及8个出入口,主线隧道为双向四车道,设计时速40公里,匝道为双向两车道,设计时速30公里。项目于2022年9月开工建设,总投资为26.76亿元,2023年度投资5亿元,其项目河口段采用管幕冻结法,但目前在管幕冻结法施工过程中,需要采取盐水流量控制、盐水温度调控、限位管调控和异型冻结管分区开关调控等技术措施实施冻结,而在解冻期间,需要采取地层融沉注浆技术措施,目前现有技术中关于地层融沉注浆量以及盐水总流量的计算都需要依赖人工进行复杂计算,其工作量较大。
技术实现思路
1、本专利技术的目的在于提供一种基于地层冻胀融沉的控制方法,以解决上述
技术介绍
中提出的问题。
2、本专利技术是通过以下技术方案实现的:本专利技术第一方面公开了一种基于地层冻胀融沉的控制方法,所述控制方法包括:
3、获取冻胀阶段以及融沉阶段的基础数据,将冻胀阶段的基础数据划分为冻胀训练集以及冻胀测试集,将融沉阶段的基础数据划分为融沉训练集以及融沉测试集;
4、建立第一
5、在训练完成后使用冻胀测试集对第一预测模型进行测试,若测试结果符合第一阈值要求,则获得冻胀总需盐水流量预测模型;
6、建立第二预测模型,将所述融沉训练集输入第二预测模型中进行训练;
7、在训练完成后使用融沉测试集对第二预测模型进行测试,若测试结果符合第二阈值要求,则获得融沉注浆量预测模型。
8、可选的,所述冻胀阶段的基础数据包括冻结管规格、冻结管总长度、土壤散热系数、散热量、需求冻结时间。
9、可选的,所述融沉阶段的基础数据包括需求解冻时间、地形变形数据、融化速率。
10、可选的,建立第一预测模型,具体包括:构建lstm神经网络,使用gwo算法优化lstm神经网络中最优参数,获得第一预测模型。
11、可选的,将所述冻胀训练集输入第一预测模型中进行训练,具体包括:将需求解冻时间、地形变形数据、融化速率作为第一预测模型的输入,其输出为冻胀总需盐水流量,对第一预测模型进行训练。
12、可选的,在训练完成后使用冻胀测试集对第一预测模型进行测试,若测试结果符合第一阈值要求,其具体包括:若测试结果在第一阈值要求的区间范围内,则所述第一预测模型符合要求。
13、可选的,建立第二预测模型,具体包括:构建gru神经网络,使用pso算法优化gru神经网络中最优参数,获得第二预测模型。
14、可选的,将所述融沉训练集输入第二预测模型中进行训练,具体包括:将冻结管规格、冻结管总长度、土壤散热系数、散热量、需求冻结时间作为第一预测模型的输入,其输出为融沉注浆量,对第二预测模型进行训练。
15、可选的,在训练完成后使用融沉测试集对第二预测模型进行测试,若测试结果符合第二阈值要求,其具体包括:若测试结果在二阈值要求的区间范围内,则所述第二预测模型符合要求
16、本专利技术第二方面公开了一种基于地层冻胀融沉的处理方法,其特征在于,所述处理方法包括下列步骤:
17、在开挖区处挖掘出冻胀融沉抑制区,在开挖区和冻胀融沉抑制区之间形成了环状的冻结帷幕;
18、在冻胀融沉抑制区中构建冻结系统、冻胀融沉抑制区系统和监控系;
19、在冻胀融沉抑制区内分别铺设土体改良循环管路、加热循环管路和冻结管路;
20、在冻结阶段,根据如前述所述的基于地层冻胀融沉的控制方法中冻胀总需盐水流量的预测结果,向冻结管路注入盐水;
21、在融化阶段,根据如前述所述的基于地层冻胀融沉的控制方法中融沉注浆量的预测结果,向冻胀融沉抑制区中注入浆水。
22、与现有技术相比,本专利技术达到的有益效果如下:
23、本专利技术提供的一种基于地层冻胀融沉的控制及处理方法,1.通过分别建立第一预测模型以及第二预测模型,并采用不同的算法分别对第一预测模型与第二预测模型进行训练,能通过第一预测模型获得在所需条件下,冻胀总需盐水流量的预测值,通过第二预测模型获得在所需条件下,融沉注浆量的预测值,基于冻胀总需盐水流量的预测值以及融沉注浆量的预测值实现对实际冻胀总需盐水流量以及实际融沉注浆量的计算判断;2.只需将已获得的基础数据输入第一预测模型以及第二预测模型,能以深度学习的方式快速获得冻胀总需盐水流量的预测值以及融沉注浆量的预测值,大大降低了工作人员的工作量,提高了工作效率。
本文档来自技高网...【技术保护点】
1.一种基于地层冻胀融沉的控制方法,其特征在于,所述控制方法包括:
2.根据权利要求1所述的一种基于地层冻胀融沉的控制方法,其特征在于,所述冻胀阶段的基础数据包括冻结管规格、冻结管总长度、土壤散热系数、散热量、需求冻结时间。
3.根据权利要求1所述的一种基于地层冻胀融沉的控制方法,其特征在于,所述融沉阶段的基础数据包括需求解冻时间、地形变形数据、融化速率。
4.根据权利要求2所述的一种基于地层冻胀融沉的控制方法,其特征在于,建立第一预测模型,具体包括:构建LSTM神经网络,使用GWO算法优化LSTM神经网络中最优参数,获得第一预测模型。
5.根据权利要求4所述的一种基于地层冻胀融沉的控制方法,其特征在于,将所述冻胀训练集输入第一预测模型中进行训练,具体包括:将需求解冻时间、地形变形数据、融化速率作为第一预测模型的输入,其输出为冻胀总需盐水流量,对第一预测模型进行训练。
6.根据权利要求5所述的一种基于地层冻胀融沉的控制方法,其特征在于,在训练完成后使用冻胀测试集对第一预测模型进行测试,若测试结果符合第一阈值要求,其具体包
7.根据权利要求3所述的一种基于地层冻胀融沉的控制方法,其特征在于,建立第二预测模型,具体包括:构建GRU神经网络,使用PSO算法优化GRU神经网络中最优参数,获得第二预测模型。
8.根据权利要求7所述的一种基于地层冻胀融沉的控制方法,其特征在于,将所述融沉训练集输入第二预测模型中进行训练,具体包括:将冻结管规格、冻结管总长度、土壤散热系数、散热量、需求冻结时间作为第一预测模型的输入,其输出为融沉注浆量,对第二预测模型进行训练。
9.根据权利要求8所述的一种基于地层冻胀融沉的控制方法,其特征在于,在训练完成后使用融沉测试集对第二预测模型进行测试,若测试结果符合第二阈值要求,其具体包括:若测试结果在二阈值要求的区间范围内,则所述第二预测模型符合要求。
10.一种基于地层冻胀融沉的处理方法,其特征在于,所述处理方法包括下列步骤:
...【技术特征摘要】
1.一种基于地层冻胀融沉的控制方法,其特征在于,所述控制方法包括:
2.根据权利要求1所述的一种基于地层冻胀融沉的控制方法,其特征在于,所述冻胀阶段的基础数据包括冻结管规格、冻结管总长度、土壤散热系数、散热量、需求冻结时间。
3.根据权利要求1所述的一种基于地层冻胀融沉的控制方法,其特征在于,所述融沉阶段的基础数据包括需求解冻时间、地形变形数据、融化速率。
4.根据权利要求2所述的一种基于地层冻胀融沉的控制方法,其特征在于,建立第一预测模型,具体包括:构建lstm神经网络,使用gwo算法优化lstm神经网络中最优参数,获得第一预测模型。
5.根据权利要求4所述的一种基于地层冻胀融沉的控制方法,其特征在于,将所述冻胀训练集输入第一预测模型中进行训练,具体包括:将需求解冻时间、地形变形数据、融化速率作为第一预测模型的输入,其输出为冻胀总需盐水流量,对第一预测模型进行训练。
6.根据权利要求5所述的一种基于地层冻胀融沉的控制方法,其特征在于,在训练完成后使用...
【专利技术属性】
技术研发人员:雷位冰,刘冰,卫凯,宋红红,胡俊,李曙光,王青松,刘力,罗国红,郭彦召,张奇,袁伟,刘江,
申请(专利权)人:中铁二十局集团有限公司,
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。