【技术实现步骤摘要】
本专利技术涉及隧道盾构施工，特别涉及一种盾构掘进土压设定方法及系统。
技术介绍
1、隧道施工是轨道交通工程建设的核心，相对于传统常规的隧道施工方式，盾构法的隧道施工方式具有施工速度快、质量易于控制、对周围环境影响小等特点，成为隧道建设中的主流方法。盾构施工主要在城市地区进行，对地表沉降的控制要求较高，土仓压力是控制地表沉降的一个关键参数，当土仓压力过低时，会使地面发生沉降，当土仓压力过高时，会使开挖面受到挤压，地面发生隆起。在实际施工中，经常凭借经验设置土仓压力的大小，这种方式过多的依赖于技术人员的施工经验，而且在地质条件复杂多变的情况下，很难及时的调整参数；不合理的土仓压力还会影响到推进效率、降低施工质量。因此，为了避免这些可能发生的事故，通过合理的方法对土仓压力进行预测并用于指导施工是很有必要的。
2、目前的关于盾构掘进土仓压力控制系统主要有以下几种：
3、1、如专利申请《基于gru深度学习的土压平衡盾构土压智能调控方法》(cn112879025a)中公开了一种基于gru深度学习的土压平衡盾构土压智能调控方法，计算每环盾构管片的加权地质参数，将每环管片埋深、加权地质参数、盾构操作参数和土压组成数据集，建立gru神经网络预测模型，采用遗传算法对隧道施工时的土压进行动态控制。
4、2、如专利申请《一种复杂地层条件下土压盾构开挖面稳定性预测控制方法》(cn104963691a)中公开了一种复杂地层条件下土压盾构开挖面稳定性预测控制方法，建立土压盾构开挖面稳定压力的理论参考轨迹，建立开挖面稳定性智
5、3、如专利申请《一种基于lstm和蚁群算法的土压平衡盾构机推进参数预测方法》(cn115481565a)中公开了一种基于lstm和蚁群算法的土压平衡盾构机推进参数预测方法，获取一个时间段内的盾构推进参数和地层参数并进行预处理，建立lstm模型，使用蚁群算法对lstm的结构参数进行优化形成最终模型，最后将处理好的盾构推进参数和地层参数输入模型，进行推进参数的预测。
6、4、如专利申请《一种基于lstm算法预测土仓压力的方法》(202210494436.5)中公开了一种基于lstm算法预测土仓压力的方法，通过斯皮尔曼相关性分析筛选出对土仓压力有相关性影响的因素，将筛选出的因素数据划分为训练集和测试集，使用lstm算法训练预测模型并以pth文件形式保存，使用测试集对预测模型的预测性能进行评估，最后使用预测模型对土压平衡盾构机土仓压力进行预测。
7、上述各种盾构掘进土压控制系统具有以下几个方面不足，阻碍了它们在盾构施工中的推广应用：只利用机器学习算法学习历史数据中的关系，建立土仓压力预测模型，但未考虑施工经验方面的限制，模型的预测结果在实际施工过程中经常会有较大的偏差。在盾构掘进阶段调整土舱压力时，仅考虑了盾构推进参数和地质参数，没有考虑地表沉降的变化，其结果的适用性较差。在建立土仓压力预测模型时没有对数据进行分类训练，模型的准确度不能得到保证。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种盾构掘进土压设定方法及系统，采用基于数据的预测模型进行预测，引入基于经验知识的推理器对预测模型的预测结果进行修正，同时，将切口沉降的因素考虑在内，分类进行预测和修正，使得最终结果更加准确，在实际应用中更具有针对性。
2、本专利技术通过如下方案实现，一种盾构掘进土压设定方法，包括步骤：
3、s1、收集盾构施工的历史数据，所述历史数据包括历史沉降数据、历史推进参数和历史地质参数，所述历史沉降数据包括按照沉降数据的时间计算的每环管片推进时的切口沉降大小，基于所述历史数据将盾构施工分为不同工况类别；
4、s2、基于所述历史数据构建并训练与工况类别一一对应的若干土仓压力调整推理器，使所述土仓压力调整推理器能够输出针对相应工况类别的土仓压力调整系数；
5、s3、构建与工况类别一一对应的若干土仓压力预测模型，利用各工况类别所对应的历史数据分别训练相应的土仓压力预测模型，使所述土仓压力预测模型能够输出针对相应工况类别的土仓压力预测值；
6、s4、构建土仓压力预测值修正器；
7、s5、在盾构施工的过程中，获取盾构施工的实时数据并基于所述实时数据判定当前的工况类别，所述实时数据包括当前环及当前环之前连续多环的切口沉降数据、推进参数和地质参数，基于当前的工况类别选择适配的土仓压力预测模型进行土仓压力预测，然后利用所述土仓压力预测值修正器引入与当前的工况类别相适配的土仓压力调整系数，来对土仓压力预测值进行修正，最终输出土仓压力推荐值。
8、本专利技术盾构掘进土压设定方法的进一步改进在于，构建并训练若干土仓压力调整推理器的方法为：
9、预先将所述历史数据按照工况类别进行标签分类；
10、从所述历史数据中选取所有历史沉降数据并进行聚类分析，将所有历史沉降数据聚成k(取值为工况类别的数量)类；
11、基于k类数据对应构建k个土仓压力调整推理器，并按照k类数据中聚类中心所对应数据的标签类别将各土仓压力调整推理器与各工况类别建立一一对应关系；
12、针对k类数据，分别计算每相邻环的土仓压力变化值δpress，并按照如下公式将所述土仓压力变化值δpress转换为调整状态系数status：
13、
14、统计每类数据下相同调整状态系数的数量，以数量最多的调整状态系数作为对应的土仓压力调整推理器输出的土仓压力调整系数。
15、本专利技术盾构掘进土压设定方法的进一步改进在于：
16、在执行步骤s5时，将获取到的盾构施工的实时数据存入所述历史数据，以动态更新历史数据；
17、利用动态更新的历史数据对各土仓压力调整推理器和各所述土仓压力预测模型进行训练和动态更新。
18、本专利技术盾构掘进土压设定方法的进一步改进在于，基于lstm算法执行步骤s3。
19、本专利技术盾构掘进土压设定方法的进一步改进在于，在构建土仓压力预测值修正器时，使所述土仓压力预测值修正器按照如下公式进行修正：
20、
21、其中，pressadvice表示下一环土仓压力推荐值，presspred表示下一环土仓压力预测值，preslsast表示当前环的实际土仓压力，status表示土仓压力调整系数，klast5表示根据当前环之前连续5环的实际土仓压力、隧道埋深和顶覆土平均重度计算出的侧向压力系数的平均值，γ表示下一环隧道顶覆土的平均重度，h表示下一环隧道顶覆土埋深。
22、本专利技术还提供了一种盾构掘进土压设定系统，其特征在于，用于实现如上所述的盾构掘进土压设定方法，所述盾构掘进土压设定系统包括本文档来自技高网...
【技术保护点】
1.一种盾构掘进土压设定方法，其特征在于，包括步骤：
2.如权利要求1所述的盾构掘进土压设定方法，其特征在于，构建并训练若干土仓压力调整推理器的方法为：
3.如权利要求1所述的盾构掘进土压设定方法，其特征在于：
4.如权利要求1所述的盾构掘进土压设定方法，其特征在于，基于LSTM算法执行步骤S3。
5.如权利要求1所述的盾构掘进土压设定方法，其特征在于，在构建土仓压力预测值修正器时，使所述土仓压力预测值修正器按照如下公式进行修正：
6.一种盾构掘进土压设定系统，其特征在于，用于实现如权利要求1所述的盾构掘进土压设定方法，所述盾构掘进土压设定系统包括：
7.如权利要求6所述的盾构掘进土压设定系统，其特征在于，所述数据存储单元与所述历史数据集连接。
【技术特征摘要】
1.一种盾构掘进土压设定方法，其特征在于，包括步骤：
2.如权利要求1所述的盾构掘进土压设定方法，其特征在于，构建并训练若干土仓压力调整推理器的方法为：
3.如权利要求1所述的盾构掘进土压设定方法，其特征在于：
4.如权利要求1所述的盾构掘进土压设定方法，其特征在于，基于lstm算法执行步骤s3。
5.如权利要求...
【专利技术属性】
技术研发人员：董鹏，陈刚，李刚，吴惠明，姜乐，王志杰，唐子淇，王伊，陶昊辰，盛荣，
申请(专利权)人：上海隧道工程有限公司，
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。