[發明專利]多模型融合的盾構施工沉降預測方法及系統

有效

• 申請號: 202110559661.8
• 申請日: 2021-05-21
• 公開（公告）號: CN113204824B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 胡珉;周文波;盧靖;吳惠明;吳秉鍵;李剛;喻鋼;徐鎮江;徐偉
• 申請（專利權）人: 上海大學;上海隧道工程有限公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/27;G06N3/0442;G06N3/0464;G06N3/084;G06F119/14
• 代理公司: 上海金盛協力知識產權代理有限公司 31242
• 代理人: 嚴帥

本發明揭示了一種多模型融合的盾構施工沉降預測方法及系統，所述盾構施工沉降預測方法包括：獲取隧道地質數據、歷史沉降數據以及歷史掘進數據；對施工數據進行預處理，并對數據進行歸一化處理；構建基于多模型融合的沉降預測模型；結合實時施工情況對未來沉降進行預測。本發明提出的多模型融合的盾構施工沉降預測方法及系統，可提高盾構施工中沉降預測的精準度。

技術領域

本發明屬于盾構施工危險預測技術領域，涉及一種沉降預測系統，尤其涉及一種多模型融合的盾構施工沉降預測方法及系統。

背景技術

隨著我國經濟的快速發展，各大中型城市居住人口急劇增加，造成了一系列交通問題，地鐵建設進程逐步加快。盾構法因安全、環保、快速、性價比高等特點成為了地鐵隧道施工的主要施工方法，而地下復雜多變的地質環境對盾構施工中的沉降控制造成了極大的挑戰。由于城市地表建筑物眾多，盾構施工引起地表沉降過大將引起嚴重的安全事故，因此需要對盾構施工過程中的沉降進行實時準確的預測，避免發生重大的施工事故。

目前已有大量研究者對人工智能方法在盾構施工過程中的地表沉降預測的應用做了相關研究，主要可以分為經驗公式法、理論解析法、數值模擬法以及機器學習方法。通過經驗公式描述沉降的形態，往往是針對特定地區的公式中的參數無法確定，沉降槽形狀完全是固定的，不夠精細化，難以對地表沉降進行準確預測。而理論解析法的計算模型較為簡單，考慮的因素有限，難以反應真實的盾構與土體的相互作用，并且計算公式中往往包含有數值難以確定參數，影響解析法公式在實際工程中的應用。基于數值模擬法計算盾構掘進引起的地表沉降問題中，計算結果依賴于本構模型的選取和模型參數的數值，能模擬的土體變形情況有限。而近年來興起的機器學習預測方法由于具有良好的自適應學習能力和非線性映射能力，能夠充分挖掘輸入監測數據的潛在規律，并相比傳統分析方法具有較高的預測精度。

申請公告號為CN107239599?A的發明專利首先選擇影響盾構施工地表沉降的主要因素，將當前時刻的施工數據作為模型輸入參數，利用神經模糊推理系統對盾構施工引起的沉降進行預測。申請公告號為CN108985340?A的發明專利提出了一種基于雙模型融合的盾構施工地面沉降量預測方法，將處理后的地質數據和掘進參數建立BP神經網絡模型和支持向量機模型，并將兩者預測結果進行融合，得到最終的沉降預測結果。以上專利在進行模型建立時主要考慮了掘進參數與地質情況對地表沉降的影響作用，但均未考慮測點沉降的時間序列特征，而其對提高沉降預測效果具有重要作用。

申請公告號為CN109978226А的發明專利提出了一種基于循環神經網絡的盾構施工地面沉降預測方法，該方法將地面沉降的主要因素和當前時刻的沉降情況共同作為輸入數據，采用循環神經網絡的深層神經網絡對地面沉降進行預測。該方法在進行預測時考慮了當前沉降的影響，并采用循環神經網絡捕捉其時序特征，但掘進參數的采集頻率和沉降監測數據的頻率存在較大差距，采用同一模型進行建模，會造成掘進參數變化信息的大量缺失，且傳統循環神經網絡在處理長時間序列時存在梯度消失的問題。

有鑒于此，如今迫切需要設計一種新的沉降預測方式，以便克服現有沉降預測方式存在的上述至少部分缺陷。

發明內容

本發明提供一種多模型融合的盾構施工沉降預測方法及系統，可提高盾構施工中沉降預測的精準度。

為解決上述技術問題，根據本發明的一個方面，采用如下技術方案：

一種多模型融合的盾構施工沉降預測方法，所述盾構施工沉降預測方法包括：

獲取隧道地質數據、歷史沉降數據以及歷史掘進數據；

對施工數據進行預處理，并對數據進行歸一化處理；

構建基于多模型融合的沉降預測模型；

結合實時施工情況對未來監測點沉降進行預測。