[發明專利]一種基于樁錘激震和k近鄰算法的地下溶洞探測方法在審
| 申請號： | 202010410594.9 | 申請日： | 2020-05-15 |
| 公開（公告）號： | CN111551985A | 公開（公告）日： | 2020-08-18 |
| 發明（設計）人： | 陳敬松;周立成;李浩祖;劉方剛;劉澤佳;湯立群;周玉鋒;劉逸平;蔣震宇;楊帥;彭寅;羅德泉;李杏林;任明龍 | 申請（專利權）人： | 廣州市高速公路有限公司;華南理工大學;廣州廣佛肇高速公路有限公司 |
| 主分類號： | G01V1/143 | 分類號： | G01V1/143;G01V1/28;G01V1/30 |
| 代理公司： | 廣州市華學知識產權代理有限公司 44245 | 代理人： | 馮炳輝 |
| 地址： | 510000 廣東省廣州市蘿崗區*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 樁錘激震 近鄰 算法 地下 溶洞 探測 方法 | ||
1.一種基于樁錘激震和k近鄰算法的地下溶洞探測方法，其特征在于，包括以下步驟：
1)利用有限元仿真的手段，對有無溶洞及不同位置與尺寸的溶洞多種工況下的響應信息進行分析，確定能夠探測的溶洞位置和尺寸范圍，隨后在此范圍內建立包含不同溶洞尺寸與位置的模型庫，而模型中的溶洞位置與尺寸則為標簽；
2)對建立的模型庫進行有限元計算，在樁錘激震下獲得不同溶洞工況的地表特定位置的加速度響應數據；
3)對地表特定位置的加速度響應數據進行分析，提取相應的特征，而后將提取的特征與標簽組合成數據庫，將數據庫隨機分成訓練集與測試集，其中，訓練集的數量要比測試集多，隨后再將訓練集輸入k近鄰算法進行機器學習，獲得初步的基于k近鄰算法的溶洞探測模型；
4)將測試集輸入初步的基于k近鄰算法的溶洞探測模型進行預測，將預測結果與測試集所對應的標簽進行對比，從而得到預測精度，而后根據預測精度調整模型的參數k，以得到最佳的基于k近鄰算法的溶洞探測模型，并將其應用于地下溶洞探測當中。
2.根據權利要求1所述的一種基于樁錘激震和k近鄰算法的地下溶洞探測方法，其特征在于：在步驟1)中，建立模型庫時使用無限元單元作為土層的邊界單元來模擬半無限體，避免彈性波在邊界處反射。
3.根據權利要求1所述的一種基于樁錘激震和k近鄰算法的地下溶洞探測方法，其特征在于：在步驟2)中，選擇在距離打樁激震點半徑范圍為5m至10m的圓周上均勻布置不少于4個加速度傳感器進行數據采集。
4.根據權利要求1所述的一種基于樁錘激震和k近鄰算法的地下溶洞探測方法，其特征在于：在步驟3)中，采用加速度響應曲線中的第一個波谷所對應的時間tmin和加速度值amin以及第二個波峰所對應的時間tmax和加速度值amax作為特征，原因是在對地表加速度時程曲線進行分析后發現，溶洞的定位與定量與時程曲線中的第二個波峰以及第一個波谷相關，因此，將采用第一個波谷所對應的時間tmin和加速度值amin以及第二個波峰所對應的時間tmax和加速度值amax作為特征；獲得上述特征后，將特征與對應的標簽組合，形成所需的數據集，其中，每組工況對應的標簽包括溶洞頂端距離地面的距離H、溶洞球心和打樁激震點所在垂線距離之間的距離D、溶洞半徑R和溶洞方位角度θ。
5.根據權利要求1所述的一種基于樁錘激震和k近鄰算法的地下溶洞探測方法，其特征在于：在步驟4)中，由于k近鄰算法的原理就是通過對距離測試數據最近的k個數據進行分析，從而預測出數據的輸出結果，因此，k值是與該溶洞探測模型密切相關的參數，對k近鄰算法中的k值進行調節，能夠提高模型準確率，從而獲得最佳的基于k近鄰算法的溶洞探測模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣州市高速公路有限公司;華南理工大學;廣州廣佛肇高速公路有限公司，未經廣州市高速公路有限公司;華南理工大學;廣州廣佛肇高速公路有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010410594.9/1.html，轉載請聲明來源鉆瓜專利網。
