[發明專利]一種基于土質參數量化的地面沉降預測方法及系統

在審

• 申請號: 202211217491.6
• 申請日: 2022-10-04
• 公開（公告）號: CN115577626A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 劉文;陳陽陽;李昂;丁劍輝;陳陽;劉文黎
• 申請（專利權）人: 中交第二航務工程局有限公司;華中科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F111/10;G06F119/14
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 孔娜

1.一種基于土質參數量化的地面沉降預測方法，其特征在于，包括如下步驟：

獲取隧道結構數據、盾構運行數據和土質數據；采用多層土壤系統轉化方法對土質數據進行轉化，對轉化后的土質數據和隧道結構數據、盾構運行數據進行標準化，得到數據集；

根據數據集對機器學習模型進行訓練，選取超參數最優的機器學習模型作為預測模型，將該預測模型用于預測盾構施工引起的最大地面沉降。

2.如權利要求1所述的基于土質參數量化的地面沉降預測方法，其特征在于，所述多層土壤系統轉化方法，具體為：

其中，n為土的總層數，H_i和E_i分別是第i層土的厚度和彈性模量，μⁱ和μⁿ是分別是第i和第n層土的泊松比，H是n層土厚度的總和，E_e是轉化后的土質數據。

3.如權利要求1所述的基于土質參數量化的地面沉降預測方法，其特征在于，將數據集劃分為訓練集和測試集；對于訓練集，在訓練機器學習模型時采用交叉驗證方法，即將訓練集分為多個子集，輪流將其中部分子集用于訓練，剩余子集用作測試。

4.如權利要求3所述的基于土質參數量化的地面沉降預測方法，其特征在于，采用AdaBoost機器學習模型，根據訓練集對AdaBoost機器學習模型進行訓練，并通過貝葉斯優化算法選取模型的最優超參數組合。

5.如權利要求4所述的基于土質參數量化的地面沉降預測方法，其特征在于，進行貝葉斯優化時，采用最小化目標函數值選取最優超參數組合，具體的：

對機器學習模型超參數集合中的任一組超參數組合：根據訓練集對機器學習模型進行訓練及測試，測試后得到負決定系數-R²；

當最小時，其對應的超參數組合即為最優超參數組合。

6.如權利要求5所述的基于土質參數量化的地面沉降預測方法，其特征在于，對任一組超參數組合，通過交叉驗證方法對機器學習模型進行多次訓練及測試，取多次交叉驗證結果的平均值作為其最終的決定系數。

7.如權利要求5所述的基于土質參數量化的地面沉降預測方法，其特征在于，決定系數R²的計算式如下：

其中，n指用于測試的樣本總數，y_i是第i個樣本的記錄沉降值，是第i個樣本的預測沉降值，是記錄沉降值的平均值。

8.如權利要求7所述的基于土質參數量化的地面沉降預測方法，其特征在于，得到預測模型后，通過測試集計算預測模型的決定系數R²，從而評估預測模型的預測精度，R²值越大，說明預測模型的預測精度越高。

9.如權利要求1-8任一項所述的基于土質參數量化的地面沉降預測方法，其特征在于，轉化后的土質數據、隧道結構數據、盾構運行數據均為樣本數據，對樣本數據進行標準化，具體為：

其中，x為待標準化的樣本數據，為初始樣本數據的均值，σ為初始樣本數據的標準差，x^*是標準化后的值。

10.一種基于土質參數量化的地面沉降預測系統，其特征在于，包括處理器，所述處理器用于執行如權利要求1-9任一項所述的基于土質參數量化的地面沉降預測方法。