【技术实现步骤摘要】
本专利技术涉及裂隙预测，尤其涉及一种基于深度学习的隧道掘进面前方裂隙预测方法及系统。
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、在隧道工程中，由岩体结构导致的施工事故严重影响着隧道施工进度和施工安全。裂隙岩体作为隧道工程最为常见的一种结构岩体，其裂纹扩展和节理几何特征对岩体的力学性质起着重要作用，极易引起开挖面岩体失稳、围岩大变形、塌方等地质灾害。通常情况下，隧道掌子面上所包含的裂隙信息表明了当前该部位岩体中的裂隙发育状态以及预示着该部位岩体裂隙接下来的发展方向。因此，根据历史开挖面中的裂隙分布预测开挖面前方的裂隙空间分布对现场施工有重要意义，根据预测结果采取相应措施能有效减少地质灾害的发生。
3、传统方法大多通过钻孔数据和岩芯露头对开挖面前方裂隙分布情况进行探测，虽然能提供较为直观的裂隙数据，但是钻孔控制点有限，操作过程复杂，探测深度具有局限性，难以全面的探测出开挖面前方裂隙分布。近年来，部分学者利用地质统计学和非线性方法识别预测岩体前方深部结构面，通过已开...
【技术保护点】
1.一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，还包括：将预测得到的裂隙数据补充到隧道已开挖三维模型中，不断更新模型参数和裂隙时空数据集。
3.如权利要求1所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，所述的将裂隙二维图像中裂隙点的二维坐标转换为三维坐标，具体为：
4.如权利要求3所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，计算隧道起始截面x轴中点坐标M以及隧道半圆柱模型的半径R，具体为：>
5.如权利要...
【技术特征摘要】
1.一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，包括：
2.如权利要求1所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，还包括：将预测得到的裂隙数据补充到隧道已开挖三维模型中，不断更新模型参数和裂隙时空数据集。
3.如权利要求1所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，所述的将裂隙二维图像中裂隙点的二维坐标转换为三维坐标，具体为：
4.如权利要求3所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，计算隧道起始截面x轴中点坐标m以及隧道半圆柱模型的半径r，具体为：
5.如权利要求3所述的一种基于深度学习的隧道掘进面前方裂隙预测方法，其特征在于，计算每个裂隙点i的三维坐标(x，y，z)，具体为：
6.如权利要求1所述的一种基于深...
【专利技术属性】
技术研发人员：许振浩，牟文墉，贺迎春，李轶惠，岳远刚，刘洋，潘东东，
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。