[发明专利]一种利用神经网络预测隧道围岩位移的方法

说明书

技术领域

本发明涉及一种预测软岩隧道围岩位移的方法，尤其涉及一种利用神经网络预测隧道围岩位移的方法。

背景技术

我国正处于社会经济大发展的重要时期，国民经济结构中基础设施建设一直占有举足轻重的地位。经济社会的迅速发展对我国高速公路发展提出了新的更高要求。我国是一个多山地的国家，特别是南方及中西部很多地区崇山峻岭，沟壑纵横，其地形、地质、水文、气候条件十分复杂。然而由于高速公路技术要求高，要克服地形高差的影响，隧道就成为了必然选择，且长大隧道所占比例越来越大。

开挖隧道，在岩土体中形成了新的空间，致使隧道周边岩土体失去原有的支撑。在应力释放和应力重新分布过程中，围岩向着隧道洞内产生变形，并可能发生围岩的破坏。为防止发生过度变形而导致围岩发生严重松弛甚至破坏，需要对围岩进行即时支护。国内外大量的隧道支护失效的经验教训表明，对隧道围岩的位移特性曲线不能准确把握因而对支护时间和支护刚度未准确把握是造成隧道事故的主要原因之一，因此建立一种科学的方法从而准确确定围岩的位移曲线，并据以选择合适的支护时间和衬砌刚度是确保围岩和隧道衬砌稳定的关键。

总的来说，隧道围岩位移的预测预报是信息化监控设计与施工的重要环节，不管是采用正分析或反分析还是其他的预测形式，正确有效的预测结果往往能够反映现场施工的支护形式、参数是否合理，及能否保证隧道运营长期安全的关键所在。

目前国内在很多大断面隧道施工中，要么采用传统的台阶法“冒险”，存在很大的施工风险；要么就机械的照搬其他工程方案，不论是否与自己工程的实际情况相适合，存在很大的盲目性，也会导致施工风险的出现。即使在目前采用的信息化施工方法中，所采用的预测方法是时间序列法和动态方程算法，都是建立数学模型对围岩的位移进行预测，在建模的过程中并不考虑隧道工程本身的一些特点和影响因素，只是用纯数学的方法来进行预测，预测的结果与实测的结果误差比较大，导致事故频发。

发明内容

本发明的主要目的在于提出一种利用神经网络预测隧道围岩位移的方法，基于实际施工中可信赖的监测数据，考虑施工地点的特定的地质因素和地段特点，通过神经网络的反馈分析，对下一阶段的岩体与衬砌的变形、内力等进行预测，以指导施工和优化施工参数，合理地安排工序。

本发明的目的是通过如下技术方案实现的：一种基于神经网络预测隧道围岩位移的方法，至少包括，首先，输入围岩位移数据的训练样本，对神经网络进行训练，然后，利用训练好的神经网络对围岩位移进行预测，输入有关测点的输入向量数据，神经网络会根据预测请求计算预测出随后特定的一段施工时间段内的围岩位移，以实现预警效果。

所述的神经网络为BP网络，包括三层，多节点的输入层、多节点的隐层和单节点的输出层。

所述多节点的输入层包括6个节点，输入项包括，时间、距掌子面的距离、隧道断面埋深、围岩类型、钢拱架间距和地下水含量等。

所述的训练样本为前期测量的正常数据，可以实现样本滚动累积，数据结构为单维矩阵。

还包括训练样本数据的标准化，设X_max和X_min为每组样本数据的最大值与最小值，则相应规范化后变量为

xs(k)=0.1+0.8x(k)-xminxmax-xmin]]>k＝1…K

对隧道变形预测的研究这一方向，根据地层的复杂性以及变异性，本发明将隧道围岩和支护结构视为一个非线性动态反馈系统，来寻求预测隧道变形受力的一些方法，利用系统输入输出的关系，研究预报输出规律。本发明的优势在于，考虑了施工地段的地质特点和相关的影响因素，利用神经网络可以自学习、自修正和自适应的特点对围岩位移这一非线性动态数据进行预测，提供可信赖的预测数据，指导施工，合理安排工序。