[發明專利]基于GA-LSSVM與NSGA-Ⅱ盾構下穿既有隧道施工多目標優化的方法

在審

• 申請號: 202011457041.5
• 申請日: 2020-12-10
• 公開（公告）號: CN112417573A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 吳賢國;陳虹宇;陳彬;馮宗寶;覃亞偉;徐文勝;吳克寶;楊賽;田金科
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06F111/06
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 陳巍

本發明涉及盾構下穿既有隧道施工多目標優化技術領域,公開了基于GA?LSSVM與NSGA?Ⅱ盾構下穿既有隧道施工多目標優化的方法，其主要包括如下步驟:S1、基于盾構施工參數，搜集既有隧道拱底水平位移和沉降位移的數據；S2、采用GA改進的最小二乘支持向量機(GA?LSSVM)建立既有隧道拱底水平位移和沉降位移的高精度預測模型，獲取兩個回歸預測函數；S3、將兩個非線性預測函數作為適應度函數，聯合各影響因素的應用約束條件，利用NSGA?Ⅱ進行多目標優化獲取最優配合比。本發明利用建立的GA?LSSVM與NSGA?Ⅱ模型，不僅實現了拱底水平位移和沉降位移的高精度預測，也實現了盾構施工參數的多目標智能優化。

技術領域

本發明屬于盾構下穿既有隧道施工多目標優化技術領域，特別是涉及一種基于GA-LSSVM與NSGA-Ⅱ盾構下穿既有隧道施工多目標優化的方法。

背景技術

隨著我國地下軌道交通系統的廣泛興起，盾構隧道近接施工工程越來越多，而隧道在盾構施工過程中可能出現的最大風險就是過度的地面水平和沉降位移。因此為了保證地鐵隧道施工和運營安全，采取可靠措施將水平位移和沉降位移控制在安全合理的范圍中是十分有價值的事情。

目前，國內外大量文獻從地表沉降角度研究隧道近接施工的影響規律，主要有三種研究方法：理論公式、數值模擬、模型試驗。理論公式法如基于Winkler地基模型推導了隧道開挖引起的鄰近管線變形微分方程，以分析隆起或沉降變形情況；基于鏡像匯源法和盾構隧道土體非等向收縮模式，建立盾構隧道引起的已建隧道變形控制方程；數值模擬法如采用FLAC3D建立三維數值模擬模型，分析了基坑分階段施工對車站及既有地鐵隧道的影響；采用三維有限元方法對新建隧道下穿施工過程進行動態模擬，探討新建隧道對既有隧道位移的影響規律。模型試驗法如利用離心模型試驗模擬了新建隧道上穿越江隧道施工的過程，研究了新建隧道隆起的規律等。以上方法均對地表沉降研究均有一定價值，但理論公式法往往只適用于特定情況且精度較差，數值模擬相對方便快捷但精度一般，模型試驗精度較高但成本高、周期長，對于復雜工程的研究限制較多。因此現有的方法均存在一定程度的缺陷，并且目前針對多個目標進行盾構下穿施工參數的智能優化的研究尚未涉及。

發明內容

本發明提供一種基于GA-LSSVM與NSGA-Ⅱ盾構下穿既有隧道施工多目標優化的方法。首先建立高精度的隧道拱底水平位移和沉降位移GA-LSSVM預測模型，基于樣本數據映射盾構施工參數與隧道拱底位移之間的非線性回歸函數關系，將GA-LSSVM回歸預測函數作為適應度函數，構建NSGA-Ⅱ多目標施工參數優化模型，通過全局尋優得到Pareto前沿解集，利用理想點法確定最優解。

為實現上述目的，本發明提供了如下方案：

一種基于GA-LSSVM與NSGA-Ⅱ盾構下穿既有隧道施工多目標優化的方法，包括以下步驟：

S1、搜集數據，選取盾構施工參數作為輸入變量，將既有隧道拱底水平位移和沉降位移分別作為輸出變量，建立原始樣本集；

S2、采用GA改進最小二乘支持向量機GA-LSSVM，建立所述既有隧道拱底水平位移和沉降位移的高精度預測模型，獲取兩個非線性回歸預測函數；

S3、將所述兩個非線性回歸預測函數作為適應度函數，聯合各影響因素的約束條件，利用NSGA-Ⅱ進行多目標優化獲取最優配合比。

優選地，所述步驟S1中盾構施工參數包括：土倉壓力、泡沫量、同步注漿量、掘進速度、刀盤扭矩、及頂推力。

優選地，所述步驟S2中，采用GA-LSSVM建立既有隧道拱底水平位移和沉降位移的高精度預測模型的具體步驟為：

S2.1、數據預處理：對所述輸入變量和輸出變量歸一化到[-1,1]區間；