[發明專利]一種地下大空間施工全過程多因素安全階段性預測方法

有效

• 申請號: 202010224430.7
• 申請日: 2020-03-26
• 公開（公告）號: CN111582632B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 肖清華;雷升祥;王立新;何亞濤;李聰明;李儲軍;汪珂;韓翔宇;熊強;邱澤民
• 申請（專利權）人: 西南交通大學;中鐵第一勘察設計院集團有限公司
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q10/04;G06Q50/08;G06N3/048
• 代理公司: 四川力久律師事務所 51221
• 代理人: 韓洋

本發明公開了一種地下大空間施工全過程多因素安全預測方法及系統，包括：構建并訓練施工前安全預測神經網絡模型，以使其形成輸入層到輸出層的非線性映射關系；構建并訓練施工中安全預測神經網絡模型，以使其形成輸入層到輸出層的非線性映射關系；串聯所述施工前安全預測神經網絡模型與所述施工中安全預測神經網絡模型，形成施工預測串聯模型，利用所述施工預測串聯模型進行施工全過程分階段的安全預測。本發明基于具有自適應性、非線性和容錯性強的神經網絡建立施工安全預測模型，能夠不依賴于巖土系統的內部工作機理在施工前對地下大空間施工進行安全預測，并在施工中實時預測，且形成串聯模型進行施工全過程預測。

技術領域

本發明涉及土木工程施工技術領域，尤其涉及一種地下大空間施工全過程多因素安全預測方法及系統。

背景技術

地下工程實踐表明，在施工過程中的地質環境、水文環境、周圍建筑環境和施工方法的選取都會對施工中的變形、應力、應變、沉降、位移等產生影響，多數情況下工程技術人員僅僅能夠通過在施工中通過采集施工中的監測數據，來把握變形、應力、應變、沉降、位移等的變化，進而改進施工方法，不能在施工之前就可以有個大概的預測，這往往會因為改進不及時而造成各種災害的發生、各種施工安全事故的發生。

此外，目前主要采用理論計算的方法對施工中變形、應力、應變、沉降、位移等多安全因素進行預測。然而，由于缺乏對巖土系統內在工作機理的認知，建立相應的理論計算表達式時必然存在巨大困難，并且關于巖土工程系統的安全干擾因素的預測計算表現出非常復雜的高階非線性特性，而非線性計算本身就具有一定的難度。

神經網絡由于具有自適應性、非線性和容錯性強等特點，特別適合于處理各種非線性問題。它可以通過大量樣本的學習來抽取出隱含在樣本中的因果關系。因此，神經網絡為地下工程領域提供了完全不同于數學建模的研究思路，它避開了復雜的本構模型，成為解決地下工程問題的一種有效途徑。同時，神經網絡在其他領域也有很多的應用，如一種區段輸電線路桿塔基礎邊坡暴雨災害風險的評估方法以災害統計及人工降雨邊坡侵蝕試驗結果，用改進BP網絡建立控制因素與暴雨滑坡事故率的映射關系，并結合改進層次分析計算程序，得到線路各區段邊坡暴雨災害評估結果。本專利與其的差別在于，本專利擬建立一個地下大空間施工全過程多因素安全階段性預測方法，包括施工前和施工中兩個階段，且通過建立一個兩個階段的串聯模型考慮施工全過程，在施工前進行安全預測并且在施工中進行實時預測，通過相關規范或者分級體系進行安全性判別，以保證全過程施工安全。

發明內容

本發明的目的之一至少在于，針對如何克服上述現有技術存在的問題，提供一種地下大空間施工多因素安全預測方法及系統，基于具有自適應性、非線性和容錯性強的神經網絡建立施工安全預測模型，能夠不依賴于巖土系統的內部工作機理在施工前對地下大空間施工進行安全預測，并在施工中實時預測。

為了實現上述目的，本發明采用的技術方案包括以下各方面。

一種地下大空間施工全過程多因素安全預測方法，包括：

步驟1，構建施工前安全預測神經網絡模型，利用第一訓練樣本對所述施工前安全預測神經網絡模型進行訓練，以使所述施工前安全預測神經網絡模型性能趨于穩定并形成其輸入層到輸出層的非線性映射關系；

其中，所述施工前安全預測神經網絡輸入層的輸入參數為：工程地質條件、水文條件、周圍建筑環境、施工方法、管理水平、施工水平；所述施工前預測神經網絡的輸出參數為對應的應力、應變、位移、沉降的預測值；

步驟2，構建施工中安全預測神經網絡模型，利用第二訓練樣本對所述施工中安全預測神經網絡模型進行訓練，以使所述施工中安全預測神經網絡所述施工前預測神經網絡性能趨于穩定并形成其輸入層到輸出層的非線性映射關系；

其中，所述施工中安全預測神經網絡模型輸入層的輸入參數為：施工中某一時間節點的應力、應變、位移、沉降的輸入值；所述施工中安全預測神經網絡模型的輸出參數為所述施工中下個時間節點的應力、應變、位移、沉降預測值；